Startseite › Audio zu Text umwandeln

Anleitung · Dateien transkribieren

Audio zu Text umwandeln — lokal auf dem Mac

Sie haben eine Aufnahme und brauchen den Text: eine MP3 aus dem Interview, eine Sprachnachricht, den Mitschnitt einer Besprechung, die Tonspur eines Videos. Diese Seite zeigt, wie Sie daraus auf dem Mac ein Transkript machen, ohne die Datei irgendwo hochzuladen.

In drei Schritten von der Datei zum Text

Der Weg ist bei Lesskeys immer derselbe, unabhängig davon, wie lang die Aufnahme ist:

• 1. Datei hineinziehen. Audio- oder Videodatei in das Fenster ziehen. Bei einem Video wird die Tonspur ausgelesen, das Bild bleibt unangetastet.
• 2. Verarbeiten lassen. Das lokale Sprachmodell erkennt den Text auf der GPU Ihres Macs. Die Sprache wird dabei automatisch bestimmt; erkannt werden 99 Sprachen. Gleichzeitig wird die Aufnahme in Sprecherabschnitte zerlegt.
• 3. Prüfen und exportieren. Das Transkript erscheint mit Zeitmarken und Sprecherabschnitten. Sie können Sprechernamen vergeben, Stellen korrigieren, im Text suchen und anschließend exportieren.

Die Datei verlässt Ihren Mac dabei zu keinem Zeitpunkt. Es gibt keinen Upload, kein Benutzerkonto und keine Abrechnung nach Minuten. Die App laden Sie kostenlos; alle Funktionen schalten Sie mit einem einmaligen In-App-Kauf frei (49,99 $, kein Abo).

Welche Aufnahmen sich verarbeiten lassen

Lesskeys nutzt die Medienbibliotheken von macOS, verarbeitet also die gängigen Formate, die auch QuickTime abspielt — von der MP3 aus dem Aufnahmegerät über M4A-Sprachnachrichten und WAV-Mitschnitte bis zu MOV- und MP4-Videos. Wenn eine Datei sich auf Ihrem Mac abspielen lässt, lässt sich in aller Regel auch die Tonspur transkribieren.

Für die Qualität des Ergebnisses zählt weniger das Format als die Aufnahmesituation. Eine mit dem Handy in der Hosentasche mitgeschnittene Besprechung bleibt schwierig, egal in welchem Container sie gespeichert ist.

Export: Text oder Untertitel

Fertige Transkripte lassen sich in mehreren Formaten weiterverwenden:

Für Untertitel gilt die übliche Handarbeit: Die automatischen Blöcke sind ein sehr guter Ausgangspunkt, aber Zeilenumbrüche und Standzeiten wollen Sie am Ende selbst festlegen.

Wer hat was gesagt

Bei Aufnahmen mit mehreren Personen ist der reine Wortlaut oft die kleinere Hälfte der Arbeit. Lesskeys trennt die Aufnahme automatisch in Sprecherabschnitte (fachlich: Diarisierung), sodass Sie im Transkript sehen, wo eine andere Person übernimmt. Die Abschnitte lassen sich benennen, und die Namen bleiben im Transkript erhalten. Ausführlich beschrieben ist das auf der Seite Transkript mit Sprechern.

Sprachnachrichten und Sprachnotizen verschriftlichen

Ein häufiger, kleiner Anwendungsfall: eine lange Sprachnachricht oder eine eigene Sprachnotiz, die Sie lieber lesen als anhören. Sichern Sie die Datei aus der jeweiligen App auf den Mac, ziehen Sie sie hinein, und Sie haben den Text — praktisch, wenn Sie eine Nachricht später durchsuchen, zitieren oder weiterleiten möchten.

Auch hier gilt der Hinweis: Die Nachricht einer anderen Person zu verschriftlichen ist etwas anderes, als sie weiterzugeben. Die Verarbeitung bleibt zwar auf Ihrem Gerät, aber der Umgang mit fremden Inhalten liegt in Ihrer Verantwortung.

Aus Aufnahmen wird ein durchsuchbares Archiv

Der eigentliche Gewinn stellt sich nach der zehnten Datei ein. Transkribierte Aufnahmen bleiben in einer lokalen Bibliothek und sind dort im Volltext durchsuchbar — Sie finden also die Stelle, an der ein bestimmter Begriff gefallen ist, ohne sich durch Stunden Material zu hören. Die Suche lässt sich auf einen Sprecher, einen Zeitraum oder eine bestimmte Aufnahme eingrenzen, und ein Treffer springt direkt an die zugehörige Zeitmarke. Für Interviewreihen, Projektbesprechungen oder eine Folge von Kundengesprächen ersetzt das die Notizen, die man ohnehin nie wiederfindet.

Warum lokal statt Transkriptionsdienst

Der übliche Weg zu einem Transkript ist ein Online-Dienst: Datei hochladen, warten, Text herunterladen, pro Minute bezahlen. Das ist bequem und für unkritisches Material völlig in Ordnung. Es hat aber drei Eigenschaften, die für vertrauliches Material stören.

• Es entsteht eine Kopie außerhalb Ihrer Kontrolle. Wie lange sie dort liegt, regelt der Vertrag des Anbieters, nicht Sie.
• Sie brauchen ein Konto und eine Verbindung. Ohne Netz kein Transkript.
• Die Kosten wachsen mit dem Material. Wer regelmäßig Stunden zu transkribieren hat, zahlt dauerhaft.

Bei lokaler Verarbeitung entfällt das: Die Audiodatei verlässt Ihren Mac nicht, es gibt keinen Dienstleister, der die Daten überhaupt erhält, und die Rechenzeit kostet nichts außer Zeit. Was daraus nicht folgt, ist eine rechtliche Einschätzung Ihres Vorhabens — ob Sie ein bestimmtes Gespräch aufnehmen und auswerten dürfen, klären Sie mit Ihrer Rechtsabteilung beziehungsweise Ihrem Datenschutzbeauftragten. Wir beschreiben hier die Architektur, nicht Ihre Rechtslage. Der Hintergrund dazu steht unter Transkription ohne Cloud.

Wenn die Aufnahme andere Personen enthält

Sobald in der Datei jemand anders spricht, gilt: Das heimliche Aufzeichnen des nichtöffentlich gesprochenen Wortes ist in Deutschland nach § 201 StGB strafbar, und zwar auch dann, wenn Sie selbst am Gespräch teilgenommen haben. Praktisch heißt das für den Transkriptionsalltag: vor der Aufnahme fragen, die Zustimmung dokumentieren, bei Ablehnung nicht aufnehmen. Für Material aus dem beruflichen Umfeld kommt hinzu, dass eine solche Aufzeichnung als technische Einrichtung im Sinne von § 87 Abs. 1 Nr. 6 BetrVG der Mitbestimmung des Betriebsrats unterliegt. Dies ist ein Hinweis, keine Rechtsberatung.

Was Sie realistisch erwarten können

Ein maschinelles Transkript ist ein Rohtranskript. Es nimmt Ihnen den größten Teil der Tipparbeit ab und macht die Aufnahme durchsuchbar. Es ersetzt aber nicht das Korrekturlesen, und zwar besonders an diesen Stellen:

• Eigennamen, Firmen, Fachbegriffe werden lautlich plausibel, aber oft falsch geschrieben.
• Zahlen und Einheiten sollten Sie immer gegenprüfen, bevor Sie sie übernehmen.
• Überlappende Rede geht teilweise verloren oder wird dem falschen Abschnitt zugeordnet.
• Zeichensetzung ist eine Interpretation des Modells, kein Diktat Ihrer Absicht.

Wer das Transkript zitieren will — in einer Arbeit, einem Artikel, einem Protokoll — hört die zitierten Stellen noch einmal nach. Für die Verwendung als Nachweis gibt es keine Garantie.

Voraussetzungen

Lesskeys setzt ab macOS 13 (Ventura) und einen Mac mit Apple Silicon (M1 oder neuer) voraus. Apple Silicon ist zwingend erforderlich, weil das Sprachmodell den gemeinsamen Speicher von Prozessor und GPU benötigt; Intel-Macs werden nicht unterstützt. Der Download ist kostenlos; die Vollversion schalten Sie mit einem einmaligen In-App-Kauf von 49,99 $ frei — ohne Abo. In der kostenlosen Version sind 5 Minuten Diktat pro Tag sowie 5 Audio- und 5 Videotranskriptionen enthalten; Aufnehmen und erneutes Transkribieren sind unbegrenzt.

Häufige Fragen

Passend dazu