Audio transkribieren: 5 Wege, kostenlos und kostenpflichtig
Auf Ihrem Handy liegt eine 40-minütige Aufnahme: ein Interview, eine Vorlesung, ein Sprachmemo, das Sie beim Spazierengehen eingesprochen haben. Jetzt brauchen Sie den Text, am besten ohne jemanden zu bezahlen und ohne einen ganzen Nachmittag daran zu verlieren.
Der schnellste kostenlose Weg: Laden Sie die Datei bei einem Online-Transkriptionsdienst hoch. Laxis zum Beispiel nimmt eine Aufnahme entgegen, die Sie in die Web-App hochladen, und liefert ein Transkript mit Sprechern und Zeitstempeln; ein kostenloses Laxis-Konto umfasst 300 Minuten im Monat. Hochladen ist aber nicht der einzige Weg und nicht immer der richtige. Hier sind fünf ehrliche Wege, Audio zu transkribieren, was jeder kostet und wann welcher gewinnt.
Das Wichtigste in Kürze
- Eine Datei, die Sie schon haben: bei einem Online-Transkriptionsdienst hochladen, ein paar Minuten warten, den Text herunterladen.
- Microsoft 365 oder ein iPhone 12 bzw. neuer: Transkribieren in Word und die Sprachmemos-App erledigen das ohne Zusatzkosten.
- ChatGPT: Audio-Uploads funktionieren nur in den kostenpflichtigen Tarifen.
- Jede Woche Meetings und Interviews: Eine spezialisierte App liefert Sprecherkennzeichnung, Zusammenfassungen und Suche dazu.
- Ein kurzer Ausschnitt oder ein Zitat, das veröffentlicht wird: selbst abtippen oder jede Zeile eines KI-Entwurfs mit der Aufnahme abgleichen.
Die 5 Wege, Audio zu transkribieren, im Überblick
| Methode | Kosten | Ideal für | Grenzen, die Sie kennen sollten |
|---|---|---|---|
| Online-Transkriptionsdienst | Gratis-Kontingent, danach Abo | Eine Aufnahme, die Sie schon haben | Minuten pro Monat, Länge und Größe pro Datei |
| Bordmittel (Word, Sprachmemos, Rekorder auf dem Pixel) | In Microsoft 365 oder im Handy enthalten | Dateien auf einem Gerät, das Sie ohnehin nutzen | Voraussetzungen bei Konto, Gerät und Sprache |
| ChatGPT | Kostenpflichtiger ChatGPT-Tarif | Kurze Aufnahmen, die Sie auch zusammenfassen lassen wollen | Keine Audio-Uploads in Free; Grenzen bei Größe und Länge |
| Spezialisierte Transkriptions-App | Gratis-Tarif, danach etwa 8 $ bis 30 $ im Monat | Regelmäßige Meetings, Interviews und Vorlesungen | Sprecherkennzeichnung und Verlauf im Gratis-Tarif |
| Manuelle Transkription | Ihre Zeit | Kurze Ausschnitte, schlechter Ton, exakte Zitate | Langsam |
1. Die Datei bei einem Online-Transkriptionsdienst hochladen
Für eine Aufnahme, die Sie schon haben, ist das der Weg mit dem geringsten Aufwand. Sie laden die Datei hoch, der Dienst lässt die Spracherkennung laufen, und ein paar Minuten später laden Sie den Text herunter. Viele Dienste funktionieren so; mit Laxis geht es folgendermaßen:
- Registrieren Sie sich kostenlos auf laxis.com oder melden Sie sich an.
- Öffnen Sie die Laxis-Web-App, klicken Sie auf den Pfeil neben „New Recording“ und wählen Sie „Upload Audio File“.
- Wählen Sie Ihre Aufnahme (ein Meeting, ein Interview, eine Vorlesung oder ein Sprachmemo) und die Sprache, die darin gesprochen wird, und klicken Sie auf „Upload“.
- Sobald die Transkription fertig ist, erscheint die Aufnahme in Ihrer Meeting-Liste. Öffnen Sie sie und lesen Sie das Transkript, das nach Sprechern getrennt und mit Zeitstempeln versehen ist; korrigieren Sie dabei gleich Namen und Zahlen.
- Laden Sie es als Text, Word, PDF oder Untertitel (.srt) herunter, auf Wunsch mit Zusammenfassung und Zeitstempeln.
In die Laxis-Web-App können Sie m4a-, mp3-, wav- oder flac-Dateien mit jeweils höchstens 200 MB hochladen, und der kostenlose Basic-Tarif enthält jeden Monat 300 Minuten. Der Upload nimmt nur Audiodateien an; ziehen Sie bei einem Video also zuerst die Tonspur heraus. Wie das geht, steht weiter unten bei den Tipps zur Konvertierung.
Weitere Gratis-Tarife, die Sie kennen sollten (Stand 16. November 2026):
- TurboScribe: drei Dateien pro Tag, jeweils bis zu 30 Minuten, eine nach der anderen.
- Otter: 300 Minuten im Monat im Gratis-Tarif, aber 30 Minuten pro Gespräch und insgesamt nur drei Dateiimporte.
- Notta: 120 Minuten im Monat im Gratis-Tarif, wobei jedes Gespräch auf 3 Minuten begrenzt ist.
Die Zahl, über die viele stolpern, ist das Limit pro Datei, das unabhängig vom Monatskontingent gilt. Ein Tool kann Hunderte Gratisminuten bieten und trotzdem eine einzelne 90-minütige Datei ablehnen. Prüfen Sie dieses Limit also, bevor Sie eine lange Aufnahme hochladen, und nicht erst, wenn der Upload scheitert.
2. Die Werkzeuge nutzen, die Sie schon haben
Bevor Sie sich irgendwo registrieren, schauen Sie nach, was Ihre Geräte schon können.
Microsoft Word (Transkribieren). Wenn Sie für Microsoft 365 bezahlen, kann Word eine hochgeladene Datei transkribieren: Öffnen Sie auf der Registerkarte „Start“ das Dropdown-Menü „Diktieren“, wählen Sie „Transkribieren“ und dann „Audio hochladen“. Word akzeptiert .wav, .mp4, .m4a und .mp3, trennt die Sprecher als Sprecher 1, Sprecher 2 und so weiter, versieht jeden Abschnitt mit einem Zeitstempel und funktioniert in mehr als 80 Sprachen und Regionen. Ein Microsoft-365-Abo deckt bis zu 300 hochgeladene Minuten im Monat ab, und Word speichert das Audio in OneDrive in einem Ordner namens „Transcribed Files“. Ob die Funktion verfügbar ist, hängt von der App und vom Kontotyp ab; prüfen Sie also, ob „Transkribieren“ unter „Diktieren“ erscheint. Die Schaltfläche „Diktieren“ dagegen schreibt mit, was Sie live sprechen; mehr dazu in So funktioniert die Diktierfunktion in Microsoft Word.
Sprachmemos auf dem iPhone. Auf einem iPhone 12 oder neuer transkribiert die Sprachmemos-App die Aufnahmen, die Sie damit machen, in zehn Sprachen. Tippen Sie auf ein Memo, tippen Sie auf die Taste „Mehr“ und wählen Sie „Transkript anzeigen“; mit „Transkript kopieren“ übernehmen Sie den ganzen Text. Unsere Anleitung zum Transkribieren von Sprachmemos enthält die Schritte und die Lösungen, wenn kein Transkript erscheint.
Rekorder auf dem Pixel. Auf Pixel-Smartphones transkribiert die Rekorder-App schon während der Aufnahme.
Die Spracheingabe in Google Docs fällt in diesem Zusammenhang oft, sie tippt aber nur live mit, was Sie ins Mikrofon sprechen: Eine Audiodatei kann sie nicht öffnen, und eine Aufnahme über einen Lautsprecher abzuspielen, bringt schlechte Ergebnisse. Was sie gut kann, lesen Sie in unserer Anleitung zur Spracheingabe in Google Docs.
3. ChatGPT fragen
ChatGPT kann einen Teil Ihres Audios transkribieren, mit Grenzen. Laut dem Hilfe-Center von OpenAI sind Audio-Uploads in den kostenpflichtigen ChatGPT-Tarifen verfügbar und nicht im Free-Tarif, und es gelten Grenzen für Dateigröße und Länge. Seine Stärke spielt ChatGPT im nächsten Schritt aus: ein eingefügtes Transkript aufräumen oder Entscheidungen und Aufgaben herausziehen.
Zwei Vorsichtsmaßnahmen. Ein Modell, das Text aufräumen soll, kann Dinge weglassen oder umformulieren; prüfen Sie Zitate, Namen und Zahlen deshalb an der Aufnahme. Und werfen Sie einen Blick in Ihre Dateneinstellungen (Einstellungen > Datenkontrollen), bevor Sie etwas Vertrauliches hochladen.
Tarife, Dateilimits und Prompts behandeln wir ausführlich in Kann ChatGPT Audio transkribieren?
4. Eine spezialisierte Transkriptions-App nutzen
Wenn Sie regelmäßig transkribieren (wöchentliche Meetings, Forschungsinterviews, Vorlesungen), erspart Ihnen eine spezialisierte App die Schleife aus Hochladen und Nacharbeiten. Bezahlt wird für alles rund um die Wörter: Sprecherkennzeichnung, Zusammenfassungen, Suche über alle Aufnahmen und das Aufnehmen direkt in der App.
- Laxis nimmt Meetings und persönliche Gespräche in seinen Desktop- und Handy-Apps auf, nimmt Uploads an und liefert ein Transkript mit Sprecherkennzeichnung, dazu eine Zusammenfassung und die Aufgaben; es unterstützt mehr als 60 Sprachen. Mehr dazu unten.
- Otter und Notta bieten ähnliche Abläufe für Meetings und Uploads. Ihre Gratis-Tarife stehen weiter oben; die Pro-Tarife beginnen bei jährlicher Abrechnung bei 8,33 $ bzw. 8,17 $ im Monat.
- Rev verkauft Transkription minutenweise: KI-Transkripte für 0,25 $ pro Minute oder menschliche Transkription für 1,99 $ pro Minute mit garantierten 99 % Genauigkeit und Lieferung in höchstens 12 Stunden.
- Whisper, das Open-Source-Spracherkennungsmodell von OpenAI, läuft unter der MIT-Lizenz auf Ihrem eigenen Computer. Es kostet nichts, die Einrichtung setzt aber etwas technische Sicherheit voraus.
Speziell für Interviews erklärt unsere Anleitung zum Transkribieren eines Interviews Formatierung und Zitate.
Warum Transkripte unsauber werden – und was wirklich hilft
Hier entscheidet sich, ob ein Transkript brauchbar ist oder ein Durcheinander, und das hat erstaunlich wenig mit dem gewählten Tool zu tun. Moderne Engines kommen mit klarem Ton gut zurecht. Was sich unterscheidet, ist der Ton, den Sie ihnen geben.
- Hintergrundgeräusche. Klimaanlage, Verkehr, ein volles Café oder Wind am Handymikrofon. Wird das Geräusch im Verhältnis zur Stimme laut, fängt die Engine an zu raten.
- Abstand zum Mikrofon. Ein Mikrofon nahe an der sprechenden Person fängt die volle Stimme ein; ein Laptop am anderen Ende des Raums nimmt eine dünne, hallige Version auf.
- Mehrere Personen sprechen gleichzeitig. Überlappender Sprache kann keine Engine gut folgen, und genau dort verrutscht die Sprecherkennzeichnung.
- Namen und Fachbegriffe. Eigennamen, Produktnamen und Fachbegriffe bringen auch gute Tools noch ins Stolpern. Die richtige Spracheinstellung hilft, ein eigenes Vokabular hilft noch mehr.
Drei dieser vier Punkte lassen sich beheben, bevor Sie auf Aufnahme drücken: Mikrofon näher heranrücken, Fenster schließen, Ventilator ausschalten. Zehn Sekunden Vorbereitung ersparen Ihnen eine lange Korrekturrunde.
Der andere häufige Frust ist die Form des Ergebnisses: ein einziger Textblock ohne Namen, ohne Absätze und ohne Zusammenfassung. Die Sprecherkennzeichnung (Diarisierung) lassen Gratis-Tarife oft als Erstes weg; prüfen Sie sie also, bevor Sie sich an ein Tool gewöhnen.
Wenn Sie Sprecher, Zeitstempel und eine Zusammenfassung lieber in einem Durchgang bekommen möchten, testen Sie Laxis kostenlos. Schon der Gratis-Tarif kennzeichnet die Sprecher, und neue Konten erhalten eine 14-tägige Premium-Testphase, ohne Kreditkarte.
5. Von Hand transkribieren
Die manuelle Transkription hat nach wie vor ihren Platz: ein zweiminütiger Ausschnitt, ein Zitat, das Sie veröffentlichen wollen, oder Ton, der so schlecht ist, dass die Maschinen aufgeben. Ein paar Gewohnheiten machen es erträglich.
- Verlangsamen Sie die Wiedergabe. Die meisten Player lassen sich auf 0,75-fach oder langsamer stellen, dann müssen Sie seltener anhalten.
- Nutzen Sie Tastenkürzel, um anzuhalten und ein paar Sekunden zurückzuspringen, ohne Ihr Dokument zu verlassen. Wenn Sie das oft machen, hält Ihnen ein Fußpedal die Hände ganz frei.
- Erst tippen, dann formatieren. Bringen Sie zuerst die Wörter aufs Papier und ergänzen Sie Sprecher, Absätze und Zeitstempel in einem zweiten Durchgang.
- Starten Sie mit einem Entwurf. Bei allem, was länger als ein paar Minuten ist, lassen Sie zuerst ein KI-Transkript erstellen und korrigieren es an der Aufnahme. Prüfen geht viel schneller als Tippen.
Wenn sich die Datei nicht hochladen lässt: erst konvertieren
Oft ist gar nicht die Transkription das Hindernis, sondern die Datei. Jeder Audiokonverter erledigt die üblichen Fälle, und ffmpeg ebenso, wenn Sie mit der Kommandozeile vertraut sind.
- M4A vom iPhone. Die Sprachmemos-App speichert .m4a-Dateien. Akzeptiert ein Tool oder ein Formular nur MP3, wandeln Sie die Datei zuerst in MP3 um.
- Riesige WAV-Dateien. WAV ist unkomprimiert und belegt bei Stereo in CD-Qualität rund 10 MB pro Minute, sodass eine 20-minütige Aufnahme schon das Upload-Limit von 200 MB bei Laxis erreicht. Als MP3 mit 192 kbit/s braucht dieselbe Minute etwa 1,4 MB.
- Videodateien. Laxis nimmt beim Upload nur Audio an, ziehen Sie also zuerst die Tonspur heraus: Exportieren Sie den Ton aus Ihrem Schnittprogramm oder nutzen Sie einen Konverter oder ffmpeg. Unsere Anleitung, wie Sie ein Video in Text umwandeln, enthält einen einzeiligen ffmpeg-Befehl und alles Weitere zum Thema Video.
Bei Meetings: den Upload-Schritt sparen
Wenn Sie vor allem eigene Meetings, Verkaufsgespräche oder Interviews transkribieren, wird es schnell lästig, sie einzeln hochzuladen. Ein KI-Meeting-Assistent nimmt das Gespräch auf und transkribiert es, während es läuft. Laxis zeichnet Ihren Teams-, Zoom- oder Google-Meet-Anruf über den Ton Ihres eigenen Computers auf, standardmäßig tritt also nichts dem Meeting bei; wenn Sie möchten, können Sie einen sichtbaren Assistenten-Bot einschalten, der beitritt. Die Handy-App übernimmt Telefonate und persönliche Gespräche. Jede Aufnahme kommt als Transkript mit Sprecherkennzeichnung zurück, mit der Zusammenfassung und den Aufgaben ganz oben.
Was Sie wissen sollten, bevor Sie sich darauf verlassen:
- Die Verarbeitung läuft in der Cloud, Sie brauchen also eine Internetverbindung.
- Basic ist kostenlos: 300 Minuten im Monat, für Meetings und Diktate mit Voice Keyboard zusammengerechnet. Eine einzelne Aufnahme endet bei 45 Minuten und wird automatisch gespeichert, und der Verlauf zeigt 30 Tage; ältere Einträge wandern ins Archiv, statt gelöscht zu werden.
- Premium kostet 9,99 $ im Monat bei jährlicher Zahlung (15,99 $ bei monatlicher) und hebt die Grenzen auf 2.000 Minuten im Monat und Aufnahmen von bis zu 2 Stunden an. CRM-Synchronisierung (HubSpot, Salesforce) gibt es mit dem Business-Tarif.
- Laxis erfüllt das US-Gesetz HIPAA nicht und unterzeichnet kein BAA; Patientendaten gehören also nicht hinein.
Wer andere aufnimmt, muss ihnen das sagen, ob mit oder ohne Bot, und Laxis erinnert Sie daran, die Teilnehmenden zu informieren. Holen Sie die Einwilligung ein, wo das Gesetz sie verlangt. Die Regeln unterscheiden sich von Ort zu Ort, und nichts hier ist eine Rechtsberatung; Ist es illegal, ein Gespräch aufzunehmen? stellt sie zusammen.
Fazit
Die Transkription ist nicht mehr der schwierige Teil. Die Engines sind so gut, dass sich der Engpass auf die wenigen Sekunden vor der Aufnahme und die Wahl des Tools danach verlagert hat. Eine einzelne Datei laden Sie bei einem Dienst mit Gratis-Kontingent hoch. Was schon in Word oder auf Ihrem iPhone liegt, transkribieren Sie mit den Bordmitteln. Gespräche, die Sie jede Woche führen, nehmen Sie dort auf, wo Transkript, Sprecher und Zusammenfassung gemeinsam ankommen.
Laxis herunterladen: 14-tägige Premium-Testphase, ohne Kreditkarte.
Häufig gestellte Fragen
Wie kann ich Audio kostenlos in Text umwandeln?
Am einfachsten transkribieren Sie Audio kostenlos, indem Sie die Datei bei einem Online-Transkriptionsdienst mit Gratis-Tarif hochladen. Laxis transkribiert Uploads in seiner Web-App, mit 300 Minuten im Monat in einem kostenlosen Konto, und TurboScribe erlaubt drei 30-minütige Dateien pro Tag. Wenn Ihr Handy es unterstützt, transkribiert die Sprachmemos-App auf einem iPhone 12 oder neuer ihre eigenen Aufnahmen ohne Kosten.
Kann Microsoft Word Audio transkribieren?
Ja, Microsoft Word kann Audiodateien transkribieren, wenn Sie ein Microsoft-365-Abo haben. Öffnen Sie auf der Registerkarte „Start“ das Dropdown-Menü „Diktieren“, wählen Sie „Transkribieren“ und dann „Audio hochladen“. Word akzeptiert .wav-, .mp4-, .m4a- und .mp3-Dateien, trennt die Sprecher und setzt Zeitstempel, und ein Abo deckt bis zu 300 hochgeladene Minuten pro Monat ab.
Kann ChatGPT Audio transkribieren?
ChatGPT kann laut dem Hilfe-Center von OpenAI Audiodateien in den kostenpflichtigen Tarifen transkribieren, nicht aber im Free-Tarif, und es gelten Grenzen für Dateigröße und Länge. Am nützlichsten ist es, um ein vorhandenes Transkript aufzuräumen oder zusammenzufassen. Prüfen Sie Namen, Zitate und Zahlen danach an der Aufnahme, denn beim Aufräumen kann sich der Wortlaut ändern.
Wie transkribiere ich eine Aufnahme mit mehreren Sprechern?
Für eine Aufnahme mit mehreren Sprechern brauchen Sie ein Tool mit Sprecherkennzeichnung, auch Diarisierung genannt, das jede Zeile der Person zuordnet, die sie gesagt hat. Viele Gratis-Tarife lassen sie weg, prüfen Sie das also vor dem Upload. Rechnen Sie damit, dass die Kennzeichnung verrutscht, wenn Menschen durcheinanderreden, und prüfen Sie das Transkript stichprobenartig an jeder Stelle, an der der Sprecher wechselt.
Welche Audioformate kann ich transkribieren?
Die meisten Transkriptions-Tools akzeptieren MP3, M4A und WAV, viele auch FLAC. Laxis nimmt beim Upload nur Audio an: m4a-, mp3-, wav- oder flac-Dateien mit bis zu 200 MB. Ist eine Datei zu groß oder im falschen Format, konvertieren Sie sie mit einem beliebigen Audiokonverter oder mit ffmpeg. Eine MP3-Kopie einer großen WAV-Datei ist viel kleiner, und eine MP3 funktioniert dort, wo ein Formular oder ein Tool M4A ablehnt.
Wie lange dauert es, Audio zu transkribieren?
Die KI-Transkription einer typischen Aufnahme dauert meist ein paar Minuten und selten länger als die Aufnahme selbst. Menschliche Dienste brauchen länger: Rev liefert menschliche Transkripte in höchstens 12 Stunden. Selbst abzutippen ist mit Abstand die langsamste Option; bei allem, was länger als ein kurzer Ausschnitt ist, sollten Sie daher mit einem KI-Entwurf beginnen und ihn korrigieren.
Passendes Produkt
Laxis-Meeting-Assistent
Automatisieren Sie Ihre Notizen noch heute.
- Notizen ohne Bot für Zoom, Google Meet, Teams und Vor-Ort-Meetings
- KI-Zusammenfassungen, Aufgaben und Follow-ups in über 60 Sprachen
- Mac, Windows, iPhone und Android, mit kostenlosem Tarif
Kostenlos starten, keine Kreditkarte erforderlich.
Mehr erfahren ▷