Video und Audio in 99 Sprachen in Text umwandeln
Whisper large-v3 mit automatischer Spracherkennung und Zeitmarken pro Wort. Du bekommst den Text in Absätzen, sauber gesetzte SRT- und VTT-Untertitel und auf Wunsch die englische Übersetzung. Bis 3 Stunden und 1 GB.
Whisper large-v3 mit automatischer Spracherkennung und Zeitmarken pro Wort.
[0:27] Sure. [0:27] We've learned so much. [0:29] It turns out one of the best places to study the Earth is not actually from the ground, but using the vantage point from space. [0:38] And as you mentioned, NASA has 25 Earth-observing satellites. [0:41] And we can look at and examine and study and better understand so many different things about the Earth's water, energy, and carbon cycles. …
1 00:00:27,288 --> 00:00:29,076 Sure. We've learned so much. 2 00:00:29,076 --> 00:00:35,155 It turns out one of the best places to study the Earth is not actually from the 3 00:00:35,155 --> 00:00:38,160 ground, but using the vantage point from space. 4 00:00:38,160 --> 00:00:41,378 And as you mentioned, NASA has 25 Earth-observing satellites. …Text + SRT · 24 s · Airpic
So funktioniert's
Video oder Audio hochladen
MP4, MOV, WebM, MKV, MP3, WAV, M4A… bis 1 GB. Sprache wählen oder auf Automatik lassen.
Whisper transkribiert mit Zeitmarken
Das large-v3-Modell mit Stimmerkennung: Stille und Musik werden übersprungen, jedes Wort bekommt eine Zeitmarke.
Text und Untertitel herunterladen
TXT in Absätzen, SRT und VTT fertig für YouTube oder den Schnitt, JSON mit den Wörtern. Nach 1 Stunde gelöscht.
✓ Funktioniert am besten mit
- Nahe Stimmen, wenig Hall, leise Musik
- Sauber aufgenommenes Audio ohne Störgeräusche
- Eine Person spricht nach der anderen
✗ Kann nicht wiederherstellen
- Stimmen, die durcheinanderreden
- Wind im Mikro und stark komprimierte Anrufe
- Fachjargon und Eigennamen: immer gegenlesen
Von uns gemessen
- 17 Minuten Video in etwa 50 Sekunden transkribiert, mit Zeitmarken pro Abschnitt. (03-09-2026)
- Ein 3-minütiges Interview mit „Sprecher unterscheiden“ wurde in 100 Sekunden transkribiert und nach Stimmen getrennt. (19-09-2026)
Gemessen auf airpic.app bei bereits laufender GPU. Wurde sie eine Weile nicht genutzt, braucht der erste Auftrag 40 bis 90 Sekunden länger zum Starten.
Häufige Fragen
Welche Sprachen?
Alle 99 Whisper-Sprachen: Spanisch, Englisch, Französisch, Deutsch, Portugiesisch, Italienisch, Japanisch, Chinesisch, Arabisch, Russisch, Hindi… Automatisch erkannt; bei gemischtem Audio kannst du die Sprache festlegen.
Wie gut ist die Qualität?
Wir nutzen das große Whisper-Modell (large-v3) mit Stimmfilter, damit in Pausen kein Text erfunden wird. Bei sauberem Ton bleiben Fehler vor allem bei Eigennamen, Zahlen und Fachbegriffen: die immer prüfen.
Wie sind die Untertitel gesetzt?
Nach den Regeln des Fachs: höchstens 2 Zeilen à 42 Zeichen, bis 7 Sekunden pro Untertitel, Schnitte an Pausen und Satzzeichen. Direkt in YouTube, Premiere oder DaVinci laden.
Kann ich übersetzen?
Ja: „englische Übersetzung hinzufügen“ anhaken, dann bekommst du TXT, SRT und VTT zusätzlich auf Englisch (Whispers eigene Übersetzung).
Wie lange dauert es?
Etwa 1 Minute je 20-30 Minuten Audio im warmen Zustand, plus 1-2 Minuten bei Kaltstart. Der Balken zeigt eine Schätzung.
Speichert ihr meine Videos?
Nein. Das Video wird verarbeitet und gelöscht: 1 Stunde nach dem Download, spätestens nach 24 h. Keine Kopien.
Unterscheidet es, wer spricht?
Ja: Hak „Sprecher unterscheiden“ an, dann tragen Text und Untertitel „Sprecher 1“, „Sprecher 2“ …, sobald mehr als eine Stimme zu hören ist. Am besten klappt es bei klaren Sprecherwechseln; überlappen sich die Stimmen stark, können sie zusammengelegt werden.
Kann ich die Transkription vor dem Download korrigieren?
Ja: Das Ergebnis öffnet sich in einem Editor neben dem Video; ein Klick auf einen Satz springt zu dieser Stelle, und du kannst den Text korrigieren. Danach lädst du SRT oder TXT schon korrigiert herunter.
Ist Video transkribieren kostenlos?
Verarbeiten und die Transkription ansehen ist kostenlos und ohne Konto. Jeden Monat hast du 1 vollständigen Download gratis; danach zahlst du mit Credits, die nicht verfallen, ohne Abo.
Artikel zu Video in Text transkribieren
Prüfe deine Untertitel vor dem Veröffentlichen
Füge eine SRT- oder VTT-Datei ein oder lade sie hoch und prüfe lange Zeilen, zu kurze oder zu lange Untertitel…
Untertitel zum Video hinzufügen
Untertitel zum Video hinzufügen: SRT oder VTT, eingebrannt für Instagram und TikTok, 42 Zeichen pro Zeile, Korrektur und Ablauf mit automatischer Erkennung.
Weitere Tools der Suite
320×240 px×4 · 1280×960 pxGedrückt halten, um das Vorher zu sehen
Originalohne Hintergrund · 5 sGedrückt halten, um das Vorher zu sehen
1,2 MB208 KB · −83 %Gedrückt halten, um das Vorher zu sehen
Schwarz-WeißKI-Farbe · 3 sGedrückt halten, um das Vorher zu sehen
verrauschtsauber · 5 sGedrückt halten, um das Vorher zu sehen
unscharf · 29 pxscharf · 7 sGedrückt halten, um das Vorher zu sehen
Scan · 1863restauriert · 9 sGedrückt halten, um das Vorher zu sehen
mit Objektsauber · 3 sGedrückt halten, um das Vorher zu sehen
Video · 6:38Dokument · 169 sGedrückt halten, um das Vorher zu sehen
langes Video · 4:009:16-Shorts · 2 × 31-33 sGedrückt halten, um das Vorher zu sehen
FotoVideo 5 sGedrückt halten, um das Vorher zu sehen
TextVideo 16:9 · 5 sGedrückt halten, um das Vorher zu sehen
Video · 480p4K · 2160pGedrückt halten, um das Vorher zu sehen
Clips · FotosReel 9:16Gedrückt halten, um das Vorher zu sehen
320×240 px×4 · 1280×960 pxGedrückt halten, um das Vorher zu sehen