MP3, WAV oder eine Notiz in Text, ohne die Aufnahme zu senden
Dieselbe Whisper-Rechnung wie beim Video, hier mit Audiodateien. MP3, WAV, M4A/AAC, OGG/Opus, FLAC und der Ton in den meisten Videos. Bis 30 Minuten. Sprecher werden noch nicht getrennt. TXT, SRT, VTT und DOCX.
Zeitstempel, um an die Stelle zurückzuspringen
„Zeitstempel einschließen“ steht am Text. Interviews, Vorlesungen und Notizen lassen sich so zitieren, ohne die ganze Aufnahme noch einmal zu hören.
Vertraulich, weil das Modell lokal läuft
Es gibt nichts, das auf einem Server liegen, leaken oder gelöscht werden müsste. Geladen werden die Modelldateien. „Text kopieren“ gibt den Wortlaut zurück, „Transkript herunterladen“ die Datei.
Audio in Text umsetzen, die Aufnahme bleibt hier
-
MP3, WAV, M4A oder eine Notiz. Nichts wird hochgeladen.
-
„Automatisch erkennen“ oder die Sprache. Schnell oder Besser, wie beim Video.
-
Drücken Sie „In Text transkribieren“. Der Ton bleibt auf dem Gerät.
-
TXT, SRT, VTT oder DOCX. SRT und VTT, wenn der Ton zu einem Video gehört, das Sie untertiteln.
Durchsuchbarer Text aus der Aufnahme, lokal gerechnet
-
SRT und VTT dabei
Wenn der Ton später unter einem Bild liegen soll.
-
TXT und DOCX
DOCX zum Weiterarbeiten, TXT zum Kopieren des Wortlauts.
-
Viele Audioarten
MP3, WAV, M4A/AAC, OGG/Opus, FLAC, und Ton in den meisten Videos.
-
Zeiten optional
Der Haken ist zu Beginn an.
-
Kein Server für die Aufnahme
Interviews und Notizen bleiben im Tab.
-
Noch keine Sprechernamen
Das steht nicht auf dieser Seite.
Fragen zu Audio in Text
Welche Audioformate kann ich transkribieren?
MP3, WAV, M4A/AAC, OGG/Opus, FLAC und den Ton in den meisten Videodateien.
Trennt die Seite, wer spricht?
Noch nicht. Namen neben den Stimmen gibt es hier nicht.
Wie lang darf die Aufnahme sein?
Bis 30 Minuten, dieselbe Grenze wie beim Video, weil Whisper auf dem Gerät rechnet.
Kann ich den Text in Word öffnen?
Ja. DOCX unter „Transkript herunterladen“. „Text kopieren“ legt den Wortlaut in die Zwischenablage.
Geht eine vertrauliche Aufnahme an GustKit?
Nein. Das Modell läuft lokal. Auf einem Server liegt die Aufnahme nicht.
Ist das ein anderes Modell als bei Video in Text?
Nein. Dieselben Whisper-Stufen, tiny und base. Der Unterschied ist die Quelle: hier Audio.