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.
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.
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 Modell (large-v3), das auch hinter den bezahlten Referenz-Tools steckt, mit Stimmfilter, damit in Pausen nichts erfunden wird. Bei sauberem Ton nah an einer menschlichen Abschrift.
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.
