Ein fertiges Transkript in eine SRT-Datei mit echten Zeitstempeln umwandeln
Liegt Ihr Interview, Podcast oder Vortrag bereits als Text vor – von Hand getippt oder durch einen Dienst –, fehlt oft nur das Timing. Laden Sie die Aufnahme zusammen mit dem Transkript hoch: Sie erhalten für jede Zeile fertige SRT- und VTT-Cues mit exakten Zeitstempeln in Ihrem Original-Wortlaut, Sprecherbezeichnungen inklusive. Aufnahmen bis zu 10 Minuten sind komplett kostenlos; längere kosten einmalig $5 für bis zu 6 Stunden.
- Transkript als TXT, DOCX oder per Textfeld; selbst abgetippt oder von einem Transkriptionsdienst
- Rechtschreibung, Zeichensetzung und Sprecherbezeichnungen wie „Moderator:“ bleiben exakt erhalten
- Jede Zeile wird genau ab dem Moment getimt, in dem sie in der Aufnahme gesprochen wird
- Lange Absätze werden an Satzenden und Kommas in gut lesbare Cues aufgeteilt
- SRT und VTT in UTF-8 mit Byte-Order-Mark (BOM) für Player, die dies erfordern
Den Text haben Sie bereits
Ein sorgfältig Korrektur gelesenes Transkript ist viel zu wertvoll, um es zu verwerfen. Die Audiodatei einfach neu zu transkribieren, nur um ein SRT zu erhalten, macht die ganze Arbeit zunichte: Namen werden wieder falsch geschrieben, Ihre Korrekturen gehen verloren und Sie müssen alles ein zweites Mal prüfen. Dieses Tool übernimmt Ihren Text unverändert und fügt lediglich die Zeitstempel ein. Die Spracherkennung ermittelt, wann jedes Wort gesprochen wird, und verknüpft Ihr Transkript präzise damit.
Mit einem reinen Fließtext kann kein Player etwas anfangen. Selbst gelegentliche Zeitstempel alle paar Minuten reichen nicht aus, da Untertitel für jeden kurzen Sprachabschnitt eine genaue Start- und Endzeit benötigen.
Transkript vorbereiten
- Ein Absatz oder Sprecherwechsel pro Zeile; Ihre Zeilenumbrüche bestimmen die Cue-Grenzen
- Sprecherbezeichnungen bleiben im Cue-Text erhalten; „Dr. Patel:“ erscheint also im Bild – löschen Sie sie vorab, wenn nur das gesprochene Wort zu sehen sein soll
- Bestehende Zeitstempel im Text wie [00:14:02] werden als Wörter interpretiert – entfernen Sie diese bitte, damit sie nicht in den Untertiteln landen
- Hinweise wie [unverständlich] oder [durcheinander] bleiben genau dort im Cue stehen, wo Sie sie eingefügt haben
- Textpassagen, die im Audio später herausgeschnitten wurden, sollten entfernt werden, da ihnen keine Tonspur zugeordnet werden kann
Wenn Sprache und Text voneinander abweichen
Bereinigte Transkripte lassen Füllwörter wie „äh“, Satzabbrüche und Wiederholungen aus. Das ist kein Problem: Gehörte Wörter ohne Entsprechung im Text werden einfach übersprungen, und Ihre Zeile behält ihren Platz. Erkennt das Modell „fünfundzwanzig“ und Sie haben „25“ geschrieben, oder wird ein genuscheltes Wort überhört, orientiert sich der Zeitstempel an den umliegenden Wörtern.
Sprechen zwei Personen durcheinander oder ist ein Gast zu weit vom Mikrofon entfernt, kann ein Cue minimal zu früh oder zu spät ansetzen. Für Amharisch, Tigrinya, Somali, Dari, Kurdisch, Birmanisch und Paschtu erfolgt das Timing über ein allgemeines KI-Modell und fällt etwas ungenauer aus.
Wofür sich ein getimtes Transkript eignet
- Untertitel für die Videoversion einer Podcast-Folge
- Untertitel für Vorlesungen oder Webinare auf Kursplattformen
- Interviewmaterial im Schnittprogramm mit jeder Antwort direkt auf der Timeline
- Barrierefreie Untertitel für einen Vortrag, den Sie schon vor Monaten transkribiert haben
Wie das Tool funktioniert, was es kostet und wie mit Ihren Dateien umgegangen wird, steht auf der Seite Transkript mit Audio synchronisieren; die Preise für alle Tools finden Sie auf der Seite Preise.
Zuletzt aktualisiert:
Fragen und Antworten
Kann ChatGPT meinem Transkript Zeitstempel hinzufügen?
ChatGPT kann Transkripte als SRT formatieren und auf Anfrage Zeiten einfügen. Ohne die Aufnahme zu hören, werden diese Zeiten jedoch nur gleichmäßig verteilt oder geschätzt – bei einem einstündigen Interview laufen sie mit jeder Minute weiter auseinander. Bei langen Texten kürzt oder verschmilzt es zudem gerne Zeilen. Hier stammen die Zeiten direkt aus der Audiodatei, und Ihr Text bleibt unberührt.
Erscheinen Sprechernamen in den Untertiteln?
Ja, sofern sie in Ihrem Text stehen, da Bezeichnungen exakt übernommen werden. Löschen Sie diese vor dem Upload, wenn nur das gesprochene Wort im Bild erscheinen soll.
Mein Transkript enthält keine Füllwörter und Satzabbrüche. Ist das ein Problem?
Nein. Laute in der Aufnahme, die im Text fehlen, werden übersprungen. Ihre bereinigten Zeilen werden anhand der umstehenden Wörter zuverlässig getimt.
Welche Formate werden für das Transkript unterstützt?
Fügen Sie den Text direkt ein oder laden Sie eine TXT- oder DOCX-Datei hoch. Liegt bereits eine Untertitel-Datei vor, werden auch SRT, VTT, ASS, SBV und LRC unterstützt – deren Cue-Aufteilung bleibt dabei erhalten.
Was kostet ein getimtes Transkript?
Bis zu 10 Minuten Aufnahmezeit sind komplett kostenlos. Für längere Aufnahmen zahlen Sie einmalig $5 für bis zu 6 Stunden. Unlimited für $19 pro Woche deckt bis zu 12 Stunden pro Auftrag ab.
Wer kann mein Transkript sehen?
Nur Sie. Ihre Dateien werden ausschließlich zur Verarbeitung an einen KI-Modell-Anbieter übermittelt und nicht zum Trainieren von Modellen verwendet. Aufträge ohne Registrierung werden nach 7 Tagen gelöscht; Sie können jeden Auftrag auch jederzeit selbst löschen.