Transkription online: MP3, M4A, WAV und Sprachmemos in Text umwandeln, mit Zeitstempeln. Inklusive Zusammenfassung, SRT/VTT-Untertiteln und JSON.
Die gleiche zuverlässige Vocce-Pipeline, fokussiert auf diese Aufgabe. Kostenlos starten, dann Pläne ab $9.90/Monat, wenn du mehr brauchst.
Eine Stunde reden sind etwa 9.000 Wörter auf dem Papier. Das von Hand abzutippen dauert fast einen ganzen Arbeitstag, und in der Aufnahme nach einem bestimmten Zitat zu suchen, ist eine eigene Qual. Audio in Text umzuwandeln gibt dir etwas, das du lesen, durchsuchen und einfügen kannst — meist in ein paar Minuten.
Die Aufnahmen, die Leute wirklich haben, sind selten sauber: ein Handy, das auf dem Tisch liegt, zwei Stimmen, die sich überschneiden, ein Dozent am anderen Ende des Raums. Vocce verarbeitet jede Datei mit denselben Schritten — Lautstärke normalisieren, Rauschen reduzieren, dann mit Wort-für-Wort-Zeitstempeln transkribieren —, damit du keine Einstellungen herumschieben musst, bevor etwas passiert.
Zurück bekommst du Klartext für deine Notizen, SRT oder VTT, wenn die Quelle ein Video war, eine Zusammenfassung mit Entscheidungen und Aufgaben sowie eine JSON-Version für alles, was danach kommt. Die ersten drei Minuten jeder Datei sind kostenlos, um die Qualität zu prüfen, und ein fehlgeschlagener Job kostet dich nichts.
Lautstärkeangleichung und Rauschunterdrückung laufen vor der Transkription, damit ein leiser Sprecher oder eine brummende Klimaanlage nicht als leere Lücke zurückkommen.
Jede Zeile ist am Audio verankert. Lange Dateien werden aufgeteilt, parallel transkribiert und wieder zusammengefügt, sodass eine vierstündige Aufnahme an den Nahtstellen synchron bleibt.
Englisch, Mandarin, Spanisch, Hindi, Arabisch und Dutzende weitere — automatisch erkannt oder selbst eingestellt, wenn du es nicht dem Zufall überlassen willst.
TXT, Markdown, DOCX, SRT, VTT und ein sauberes JSON-Schema für Skripte und Agenten — keine reine Anzeigebox, aus der du mühsam kopieren musst.
Wörter, bei denen das Modell unsicher ist, werden markiert statt stillschweigend erfunden, damit du weißt, welche zehn Sekunden ein zweites Hinhören wert sind.
Im Browser ausführen oder dieselbe Anfrage über die REST API, die CLI oder einen MCP-Server, der in deinen Agenten eingebunden ist, absetzen.
Interviews und Folgen in durchsuchbare, zitierfähige Transkripte mit Zeitstempeln verwandeln — bereit für Artikel, Shownotes und Clips.
Vorlesungen, Seminare und Feldaufnahmen in Text umwandeln, den du überfliegen, kommentieren und zitieren kannst, statt stundenlang neu zu hören.
Gesprächsaufzeichnungen in einen Durchlauf stecken und sauberen Text plus agentenfertiges JSON bekommen, auf das deine Tools automatisch reagieren können.
Zieh eine MP3-, M4A-, WAV- oder eine andere gängige Audiodatei in das Tool oben. Vocce bereinigt das Audio, führt die Spracherkennung durch und liefert ein Transkript mit Zeitstempeln sowie Exporte als TXT, DOCX, SRT und JSON. Die ersten drei Minuten sind kostenlos, ohne Karte.
MP3, M4A, WAV, AAC, FLAC, OGG und WMA funktionieren direkt — und Videodateien wie MP4 oder MOV sind auch in Ordnung, da Vocce die Tonspur extrahiert und für dich normalisiert.
Das Audio wird bereinigt und lautstärkenormalisiert, bevor ein Wort transkribiert wird — daraus ergibt sich der Großteil der Genauigkeit. Jeder Job liefert einen Qualitätsbericht, und unsichere Wörter werden markiert statt geraten.
Ja — dafür ist der Reinigungsdurchlauf da. Telefonaufnahmen, akzentbelastete Sprache und laute Räume können so hereingegeben werden; du musst nichts vorverarbeiten.
Sprechertrennung ist für Mehrpersonenaufnahmen in Planung. Heute trägt jede Zeile einen Zeitstempel, sodass der Dialog in einem Zwei-Personen-Interview trotzdem leicht nachvollziehbar ist.
Ja. Lange Dateien werden in Stücke geteilt, parallel transkribiert und mit durchgehenden Zeitstempeln wieder zusammengesetzt — eine vierstündige Aufnahme driftet an den Nahtstellen nicht ab.
Dateien werden nur für deinen Job verarbeitet und nicht zum Training verwendet. Du exportierst, was du brauchst, und die Arbeitskopien verfallen — nichts wird irgendwo veröffentlicht.
Jede Datei erhält eine kostenlose Drei-Minuten-Vorschau mit Qualitätsbericht. Darüber hinaus umfasst das kostenlose Kontingent 30 Minuten pro Monat, und kostenpflichtige Pläne beginnen bei $9.90/Monat — fehlgeschlagene Jobs werden nicht berechnet.