Audiodatei transkribieren — welche Formate & Dateigrößen funktionieren

Welche Formate werden unterstützt?

Offiziell unterstützt werden MP3, WAV, M4A, MP4, MOV, OGG, FLAC, WEBM, MPEG, AAC, MKV und AVI. Bei Videos wird die Tonspur automatisch extrahiert. Für die meisten Formate gibt es eine eigene Anleitung mit typischen Quellen und Tipps — gesammelt unter Tools:

Wie groß darf eine Audiodatei sein?

Für Sprache ist die Dateigröße meist kein Problem: Eine MP3 mit 128 kbps braucht rund 1 MB pro Minute, eine unkomprimierte WAV rund 10 MB pro Minute. Eine 30-minütige WAV kommt also auf etwa 300 MB und passt noch in den kostenlosen Plan — lange WAV-Aufnahmen lohnt es sich aber, vorher in MP3 zu komprimieren. Die Transkriptionsqualität ändert sich dadurch kaum, der Upload geht deutlich schneller.

Zu lang für deinen Plan? Teile die Datei z. B. in Audacity und lade die Teile nacheinander hoch, oder nutze Pro. Für ein einmaliges Projekt gibt es den 7-Tage-Pass (7,99 €, kein Abo) mit den Pro-Limits.

So bereitest du deine Audiodatei optimal vor

1. Kontrolliere die Audio-Qualität — Spiele die Datei kurz ab. Hörst du klare Sprache mit wenig Hintergrundgeräusch? Dann wird das Transkript bei klaren Aufnahmen sehr genau. Bei sehr leisen oder stark verrauschten Aufnahmen musst du mit mehr Korrekturen rechnen.
2. Prüfe Format, Dauer und Größe — Ist das Format in der Liste oben? Liegt die Datei unter dem Limit deines Plans? Falls nicht, vorher umwandeln bzw. teilen.
3. Wähle die richtige Sprache — Die Sprache wird automatisch erkannt, du kannst sie aber auch manuell festlegen. Die manuelle Auswahl verbessert das Ergebnis gerade bei Fachbegriffen, Eigennamen oder kurzen Aufnahmen.
4. Hochladen und Ergebnis prüfen — Bei 30–60 Minuten Audio ist das Transkript typischerweise nach wenigen Minuten fertig. Danach korrigierst du den Text im Browser und exportierst ihn (kostenlos als TXT).

Häufige Fehlerquellen und wie du sie behebst

• Datei wird abgelehnt — Format prüfen (siehe Tabelle) und Größe checken; bei OPUS, WMA, AMR oder DSS vorher in MP3 umwandeln.
• Upload bricht ab oder Transkript bleibt leer — die Datei ist evtl. beschädigt: in Audacity öffnen, neu als MP3 oder WAV exportieren, erneut hochladen.
• Falsch erkannte Wörter — Sprache manuell auswählen statt automatischer Erkennung.
• Hintergrundgeräusche überlagern Sprache — vorher mit Audacity rauschunterdrücken oder ein Tool wie Adobe Podcast Enhance nutzen.
• Mehrere Sprecher — Ab Pro ordnet Scriptivo die Absätze automatisch den Sprechenden zu; gib beim Hochladen die Anzahl der Personen an.
• Lange Pausen oder Stille — kein Problem für die Transkription.

Welche Datei-Quellen funktionieren?

• iPhone-Sprachmemos — als M4A direkt aus der Sprachmemos-App, siehe Sprachmemo vom iPhone in Text.
• WhatsApp-Sprachnachrichten — auf Android oft .opus, vorher umwandeln; Anleitung: WhatsApp-Sprachnachricht in Text.
• Diktiergeräte — MP3 direkt; WMA oder DSS vorher in MP3 umwandeln. Mehr unter Diktat in Text.
• Zoom-Aufnahmen — als MP4 (Video) oder M4A (nur Audio), siehe Zoom-Aufnahme transkribieren.
• Microsoft Teams — die Audio-Spur wird aus dem MP4 automatisch extrahiert.
• Audacity, GarageBand, OBS, Loom — als WAV, M4A, MP3, MP4 oder WebM exportieren, dann hochladen.