Audio in Text umwandeln, kostenlos: Sprachmemo, MP3 und WhatsApp-Sprachnachricht

Eine Sprachnachricht der Kollegin, die Sie nicht im Zug abhören wollen. Ein Sprachmemo vom iPhone mit Ideen für den Vortrag. Ein Vortrag als MP3, aus dem Sie zwei Absätze für einen Bericht brauchen. In allen drei Fällen ist die Frage dieselbe: Wie wird aus Audio schnell lesbarer Text, am besten ohne zu bezahlen?

Diese Anleitung zeigt, welche Dateien Sie hochladen können, wie die Umwandlung abläuft und wie weit Sie mit dem kostenlosen Tarif von SonaFact kommen.

Zuerst: wo Ihre Aufnahmen landen

Sprachnachrichten und Sprachmemos sind oft privat. Aufnahmen und Transkripte werden verschlüsselt in der EU gespeichert und verarbeitet. Wir trainieren keine KI mit Ihren Aufnahmen und schicken sie nicht an externe KI-Firmen. Jede Aufnahme können Sie jederzeit löschen oder eine automatische Löschung nach einer gewählten Zeit einstellen. Mehr dazu im Beitrag Transkription und DSGVO: Was Sie prüfen müssen.

Welche Dateien Sie umwandeln können

SonaFact nimmt viele Audio- und Videoformate an. Laut unserer Funktionsseite sind das unter anderem MP3, WAV, M4A, MP4, OPUS, OGG, FLAC, AAC, AMR, MOV und WEBM. Sie müssen die Datei vorher also meist nicht umwandeln.

Für einzelne Sprachnachrichten gibt es zusätzlich das Werkzeug WhatsApp-Audio in Text: eine Sprachnachricht kostenlos, ohne Konto. Mehr zu den gängigsten Formaten finden Sie auf den Seiten M4A in Text und MP3 in Text.

In vier Schritten von Audio zu Text

1. Datei auswählen oder aufnehmen. Ziehen Sie die Datei ins Fenster, bis zu 20 Dateien auf einmal. Sie können auch direkt im Browser aufnehmen, am Computer oder auf dem Handy. Bei schwachem Internet lässt sich die Datei vor dem Hochladen im Browser verkleinern.

2. Sprache wählen. SonaFact transkribiert Aufnahmen in 100 Sprachen. Wenn in einer Aufnahme zwei Sprachen gemischt werden, etwa Deutsch und Englisch, wird die Sprache Abschnitt für Abschnitt erkannt.

3. Text lesen und korrigieren. Die Sprecher werden automatisch getrennt. Im Editor führt ein Klick auf eine Zeile zur passenden Stelle in der Aufnahme. Wörter, bei denen die Erkennung unsicher war, sind gepunktet unterstrichen, und Sie sehen den Anteil der unsicheren Wörter. So wissen Sie, wo sich das Nachhören lohnt.

4. Herunterladen. Den Text speichern Sie als TXT, DOCX, PDF oder Markdown. Für Videos gibt es Untertitel als SRT und WebVTT.

Was der kostenlose Tarif kann

Ohne Konto können Sie eine kurze Aufnahme von bis zu 5 Minuten testen. Datei und Transkript werden dann nach 24 Stunden gelöscht, wenn Sie sich nicht registrieren.

Mit einem kostenlosen Konto bekommen Sie unbefristet und ohne Kreditkarte:

• 3 Transkriptionen pro Tag, jeweils bis zu 30 Minuten
• eine KI-Zusammenfassung jeder Aufnahme
• Zitat prüfen: Sie fügen einen Satz ein und sehen, ob er in der Aufnahme genau so gefallen ist
• die Suche in allen Ihren Aufnahmen

Für Sprachnachrichten, Sprachmemos und kurze Besprechungen reicht das oft schon. Eine Probefrist, nach der plötzlich etwas kostet, gibt es nicht.

Wann sich ein bezahlter Tarif lohnt

Die Grenze ist meist die Länge. Eine Vorlesung von 90 Minuten oder ein langes Interview passt nicht in 30 Minuten.

• Starter, 9 € im Monat: Dateien bis 3 Stunden, 20 Stunden pro Monat, dazu KI-Protokolle und Aufgabenlisten.
• Pro, 15 € im Monat: Dateien bis 6 Stunden, 60 Stunden pro Monat, dazu Kapitel.
• Studio, 39 € im Monat: 300 Stunden pro Monat, Dateien bis 10 Stunden im Tarif Studio.

Die Preise gelten für die Eurozone, also auch für Deutschland und Österreich. In der Schweiz sehen Sie die Preise in Ihrer Währung auf der Preisseite. Wer nur einmal viel zu transkribieren hat, kann statt eines Abos einen Zugang für 30 Tage kaufen, der sich nicht verlängert. Kündigen können Sie jederzeit, danach gilt wieder der kostenlose Tarif, und nichts wird gelöscht.

Wenn Sie aus der Aufnahme einer Besprechung ein Protokoll brauchen, lesen Sie die Anleitung Protokoll aus einer Audiodatei erstellen.

Ehrlich zur Qualität

Deutsch gehört zu den Sprachen, die SonaFact gut transkribiert. Wie gut das Ergebnis wird, hängt aber stark von der Aufnahme ab. Ein Sprachmemo in einem ruhigen Raum, nah am Mund gesprochen, ergibt einen sauberen Text. Eine Handyaufnahme im Café, auf der Straße oder im Auto hat deutlich mehr Fehler. Das gilt auch für Dialekt und für mehrere Personen, die gleichzeitig reden.

Ein paar Hinweise helfen:

• Halten Sie das Handy nah an die sprechende Person.
• Vermeiden Sie Musik und laufende Fernseher im Hintergrund.
• Prüfen Sie bei wichtigen Stellen, etwa Zahlen und Namen, die gepunktet unterstrichenen Wörter.

Für genaue Zeitangaben gibt es Zeitstempel für jedes Wort in 32 Sprachen.

[Laden Sie Ihre Aufnahme hoch und wandeln Sie sie in Text um](/de/?utm_source=seo&utm_medium=blog&utm_campaign=dach&utm_content=audio-text-cta)

Probieren Sie es mit Ihrer eigenen Aufnahme

Der kostenlose Tarif gibt Ihnen 3 Transkripte pro Tag, je bis zu 30 Minuten, ohne Karte — genug, um Transkript, Sprecher und Editor selbst zu beurteilen.