MP3 ist das, was das Aufnahmegerät Ihnen gegeben hat
Handdiktiergeräte, Sprachmemo-Apps, Diktiergeräte und die meisten Meeting-Tools speichern standardmäßig MP3. Es ist klein, es spielt überall, und es ist das Format, das am Ende in einem Ordner namens „Aufnahmen“ liegt, den niemand je wieder öffnet. Diese Seite nimmt eine dieser Dateien und gibt Ihnen das Gesprochene als Text zurück: auf dem Bildschirm zum Lesen und Kopieren und als .txt-Download, benannt nach der MP3, sodass aus standup-0412.mp3 die Datei standup-0412.txt wird.
Vorbereiten müssen Sie nichts. Sie müssen nicht umwandeln, die Lautstärke angleichen, Stille abschneiden oder Kanäle trennen. Laden Sie die Datei hoch, die das Gerät ausgegeben hat.
Bitrate, Länge und die zwei Obergrenzen
Für jeden Upload gelten zwei Grenzen: 100 MB Datei und drei Stunden Ton. Welche Sie zuerst erreichen, hängt ganz von der Bitrate ab, mit der Ihr Gerät aufgenommen hat.
- 320 kbps. Rund 144 MB je Stunde, lange Dateien müssen also neu exportiert werden.
- 128 kbps. Rund 58 MB je Stunde: etwa 100 Minuten passen in die Größengrenze.
- 64 kbps, Sprache in Mono. Rund 29 MB je Stunde, hier greift also zuerst die Drei-Stunden-Grenze.
Eine niedrige Bitrate ist für die Erkennung kein Problem. Sprache übersteht Kompression gut, und eine Mono-Aufnahme mit 64 kbps von einer deutlich sprechenden Person liest sich besser als eine Aufnahme mit 320 kbps von einem Telefon am anderen Ende des Konferenztischs. Liegt eine Datei über der Grenze, exportieren Sie sie mit niedrigerer Bitrate neu oder schneiden Sie sie in zwei Teile: Der Preis richtet sich ohnehin nach den Minuten Ton, das Teilen kostet Sie also nichts zusätzlich außer dem Mindestbetrag von 100 Credits je Teil.
Erst der Preis, dann der reine Text
Die Transkription ist ein kostenpflichtiger Vorgang, deshalb beginnt sie bewusst langsam. Sie laden hoch, die Länge wird gemessen, und die Seite zeigt die Minuten, die Credits und Ihr Guthaben. Erst wenn Sie bestätigen, wird etwas abgebucht. Zehn Credits je angefangener Minute mit einem Mindestbetrag von 100 Credits bedeuten: Eine Stunde Ton kostet 600 Credits, die vollen drei Stunden 1.800. Die Credit-Sätze aller kostenpflichtigen Tools stehen auf der Preisseite, und jedes neue Konto bekommt 250 Willkommens-Credits zum Ausprobieren.
Zurück kommt bewusst reiner Text: keine Zeitmarken, keine Sprechernamen, keine SRT- oder VTT-Untertiteldateien. So lässt er sich leicht in ein Protokoll, einen Bericht oder ein Ticket einfügen. Wenn Ihre Aufnahmen keine MP3s sind, beschreibt Audio in Text denselben Vorgang für M4A, WAV und OGG. Für Text, der in Dokumenten statt in Ton steckt, nehmen Sie PDF in Text bei einem normalen PDF oder OCR PDF, wenn die Seiten Scans sind.