Lange Audiodatei transkribieren: 2, 4 oder 10 Stunden in Text

Eine lange Audiodatei transkribierst du am einfachsten mit einem Online-Tool, dessen Limit pro Datei länger ist als deine Aufnahme. Bei Scriptivo sind das kostenlos 30 Minuten, mit Pro oder dem 7-Tage-Pass 4 Stunden und mit Business 10 Stunden pro Datei. Ist die Aufnahme länger oder die Datei zu groß, teilst du sie in Abschnitte oder verkleinerst sie vorher, ohne dass die Erkennung darunter leidet.

In diesem Artikel erfährst du, welche Limits es gibt, wie du große Dateien vorbereitest, was bei Videos passiert und wie du ein mehrstündiges Transkript effizient korrigierst.

Welche Limits gelten pro Datei?

Bei langen Aufnahmen zählen zwei Grenzen: die Dauer und die Dateigröße. Beide müssen passen.

Plan	Max. Dauer pro Datei	Max. Dateigröße	Transkriptionen	Gleichzeitige Dateien
Kostenlos	30 Minuten	500 MB	1 pro Tag	1
7-Tage-Pass (7,99 € einmalig)	4 Stunden	2 GB	unbegrenzt	10
Pro (14,99 € / Monat)	4 Stunden	2 GB	unbegrenzt	10
Business (39,99 € / Monat)	10 Stunden	5 GB	unbegrenzt	50

Der 7-Tage-Pass schaltet für sieben Tage alle Pro-Funktionen frei, ohne Abo. Das passt gut, wenn du einmalig einen Stapel langer Aufnahmen hast, etwa die Interviews für eine Abschlussarbeit oder eine Konferenz-Aufzeichnung. Alle Details stehen auf der Preisseite.

Faustregel für die Größe: Bei komprimierten Formaten wie MP3 oder M4A sprengt eine mehrstündige Sprachaufnahme die 2 GB in der Regel nicht. Kritisch wird es bei unkomprimiertem WAV und bei Videos. Wie groß deine Datei ist, siehst du in den Dateieigenschaften.

Sonderfall Video: Nur die Tonspur wird hochgeladen

Lange Aufnahmen liegen oft als Video vor: Vorlesungs-Mitschnitte, Webinar-Aufzeichnungen, Zoom-Meetings oder Handyvideos. Ein Video ist schnell mehrere Gigabyte groß, obwohl für die Transkription nur der Ton zählt.

Scriptivo löst deshalb bei MP4- und MOV-Dateien die Tonspur schon in deinem Browser heraus, ohne sie neu zu kodieren, und lädt dann nur diesen Ton hoch. Das Bild bleibt in diesem Fall auf deinem Gerät. Die Upload-Menge sinkt dadurch deutlich und der Upload geht schneller. Klappt das Herauslösen bei einer Datei nicht, wird automatisch das Original hochgeladen. Laut Preisübersicht sind MP4- und MOV-Videos im kostenlosen Plan daher auch dann möglich, wenn das Video selbst größer als 500 MB ist. Das Limit für die Dauer gilt trotzdem.

Andere Videoformate wie MKV, AVI oder WEBM werden als ganze Datei hochgeladen. Wenn so eine Datei zu groß ist, hilft es, vorher nur den Ton zu exportieren (siehe unten). Mehr zu einzelnen Formaten: MP4 in Text umwandeln, MKV in Text umwandeln.

Schritt für Schritt: Lange Aufnahme transkribieren

1. Dauer und Größe prüfen

Schau nach, wie lang die Aufnahme ist und wie groß die Datei. Liegt beides innerhalb deines Plans, kannst du direkt hochladen. Wenn nicht, geh zu Schritt 2.

2. Bei Bedarf verkleinern oder teilen

Siehe die beiden Abschnitte unten. Für die meisten langen Sprachaufnahmen reicht es, ein WAV in MP3 oder M4A umzuwandeln.

3. Stabil hochladen

Nutze möglichst WLAN oder LAN statt mobiler Daten.
Öffne scriptivo.de und zieh die Datei in den Upload-Bereich.
Lass den Tab geöffnet, bis der Upload abgeschlossen ist.

Große Dateien ab 50 MB lädt Scriptivo in Abschnitten hoch. Bricht die Verbindung kurz ab, setzt der Upload am letzten fertigen Abschnitt fort, statt wieder bei null zu beginnen.

4. Transkription abwarten

Nach dem Upload läuft die Transkription auf dem Server. Wie lange das dauert, hängt vor allem von der Länge der Aufnahme ab. Mit Pro kannst du bis zu zehn Dateien gleichzeitig verarbeiten lassen, mit Business bis zu 50. Das spart Zeit, wenn du eine ganze Interview-Reihe oder ein Semester an Vorlesungen hast.

5. Korrigieren und exportieren

Mehr dazu weiter unten im Abschnitt zur Korrektur.

Große Dateien verkleinern, ohne Qualität zu verlieren

Spracherkennung braucht keine Studioqualität. Für gesprochene Sprache reicht eine moderat komprimierte Datei, und die ist um ein Vielfaches kleiner als ein WAV.

Ausgangslage	Empfehlung	Effekt
WAV-Datei vom Rekorder	In MP3 oder M4A umwandeln	Datei wird deutlich kleiner
Stereo-Aufnahme mit nur einer Sprecherquelle	Auf Mono umstellen	Halbiert grob die Datenmenge
Video in MKV, AVI oder WEBM	Nur die Tonspur exportieren	Video-Daten fallen weg
Hohe Abtastrate (z. B. 96 kHz)	Auf eine gängige Abtastrate wie 44,1 oder 48 kHz senken	Kleinere Datei, kein Nachteil für Sprache

Das geht mit kostenlosen Programmen wie Audacity (Datei öffnen → Exportieren als MP3) oder per Kommandozeile mit ffmpeg:

ffmpeg -i aufnahme.wav -ac 1 -b:a 96k aufnahme.mp3

Für Videos, bei denen nur der Ton gebraucht wird (-vn lässt das Bild weg):

ffmpeg -i vortrag.mkv -vn -ac 1 -b:a 96k vortrag.mp3

Wichtig: Komprimiere nicht übertrieben stark. Sehr niedrige Bitraten können Zischlaute verwaschen und die Erkennung bei leisen Sprechern verschlechtern. Im Zweifel lieber eine Stufe höher bleiben.

Aufnahmen teilen, die länger als das Limit sind

Ist deine Aufnahme länger als 4 Stunden (Pro) oder 10 Stunden (Business), teilst du sie in Abschnitte. Das ist auch im kostenlosen Plan eine Option, wenn du z. B. eine 50-minütige Datei in zwei Teile unter 30 Minuten zerlegst und an zwei Tagen hochlädst.

So teilst du sinnvoll:

Schneide an natürlichen Pausen, etwa zwischen zwei Vorträgen, nach einer Fragerunde oder in einer Kaffeepause. Ein Schnitt mitten im Satz verschlechtert das Ergebnis an der Schnittstelle.
Nummeriere die Teile eindeutig, z. B. konferenz-teil-01.mp3, konferenz-teil-02.mp3.
Lade die Teile hoch, mit Pro auch gleichzeitig.
Füge die Transkripte nach dem Export in der richtigen Reihenfolge zusammen.

Mit ffmpeg schneidest du ohne Neukodierung, hier die erste und die zweite Stunde:

ffmpeg -i lang.mp3 -ss 00:00:00 -t 01:00:00 -c copy teil-01.mp3

ffmpeg -i lang.mp3 -ss 01:00:00 -t 01:00:00 -c copy teil-02.mp3

Beachte: Die Zeitstempel im zweiten Transkript beginnen wieder bei null. Wenn du für ein wissenschaftliches Transkript durchgehende Zeitmarken brauchst, rechne den Startpunkt des Abschnitts dazu oder notiere ihn im Kopf des Dokuments.

Ein mehrstündiges Transkript effizient korrigieren

Bei einer Stunde Aufnahme entsteht schnell ein Text mit vielen Seiten. Komplett Wort für Wort gegenzuhören ist selten nötig. Effizienter ist ein gezielter Durchgang:

Überfliegen statt Abhören. Lies den Text in normalem Tempo. Stellen, die inhaltlich keinen Sinn ergeben, markierst du.
Gezielt nachhören. Klick im Editor auf die markierte Stelle und hör nur dort nach.
Suchen und ersetzen. Wiederkehrende Fehler, etwa ein falsch erkannter Name oder Fachbegriff, korrigierst du nach dem DOCX-Export in Word mit „Suchen und Ersetzen“ einmal für das ganze Dokument.
Sprecher prüfen. Mit Pro oder dem 7-Tage-Pass erkennt Scriptivo die Sprecher automatisch. Bei langen Aufnahmen mit vielen Personen lohnt ein Blick, ob die Zuordnung an Übergängen stimmt.
Zusammenfassen lassen. Mit der KI-Zusammenfassung bekommst du die Kernaussagen einer langen Aufnahme als kompakten Überblick, bevor du ins Detail gehst.

Wie stark die Modelle sich bei deutschen Aufnahmen unterscheiden, haben wir in unserem Benchmark Whisper turbo vs. large-v3 gemessen. Im kostenlosen Plan arbeitet Whisper Turbo, in Pro und Business Whisper large-v3.

Typische lange Aufnahmen und der passende Plan

Aufnahme	Typische Länge	Passt in
Vorlesung, Seminar	90 Minuten	Pro / 7-Tage-Pass, siehe Vorlesung transkribieren
Experteninterview	45 bis 90 Minuten	Pro / 7-Tage-Pass, siehe Interview transkribieren
Podcast-Folge	30 Minuten bis mehrere Stunden	Pro, siehe Podcast transkribieren
Workshop, Tagung, Gemeinderatssitzung	halber bis ganzer Tag	Business oder in Abschnitte teilen
Kurzes Diktat, Sprachmemo	wenige Minuten	Kostenlos

Wie viel Zeit du dir mit einer KI-Transkription gegenüber dem Abtippen sparst, kannst du mit dem Kosten-Rechner für deine eigene Aufnahmelänge durchrechnen.

Häufige Fragen

Wie lang darf eine Audiodatei für die Transkription sein?

Bei Scriptivo kostenlos bis zu 30 Minuten pro Datei, mit Pro oder dem 7-Tage-Pass bis zu 4 Stunden und mit Business bis zu 10 Stunden. Längere Aufnahmen teilst du in mehrere Dateien auf.

Meine Datei ist zu groß, was kann ich tun?

Wandle WAV-Dateien in MP3 oder M4A um, stelle bei Bedarf auf Mono um und exportiere bei Videos nur die Tonspur. Bei MP4- und MOV-Videos übernimmt Scriptivo das automatisch im Browser. Für gesprochene Sprache verlierst du dabei praktisch keine Erkennungsqualität, solange du nicht extrem stark komprimierst.

Was passiert, wenn der Upload abbricht?

Dateien ab 50 MB werden in Abschnitten hochgeladen. Bei kurzen Netzwerkabbrüchen setzt der Upload am letzten fertigen Abschnitt fort. Schließt du den Browser-Tab während des Uploads, musst du neu starten. Lass ihn deshalb offen, bis der Upload fertig ist.

Muss ich bei einer langen Aufnahme die ganze Zeit warten?

Nein. Sobald der Upload abgeschlossen ist, läuft die Transkription auf dem Server. Das fertige Transkript findest du danach in deiner Übersicht.

Lohnt sich der 7-Tage-Pass für ein einmaliges Projekt?

Wenn du nur in einem kurzen Zeitraum lange Aufnahmen hast, etwa die Interviews für eine Abschlussarbeit, ist der 7-Tage-Pass für 7,99 € gedacht. Er schaltet sieben Tage lang alle Pro-Funktionen frei, also 4 Stunden pro Datei, unbegrenzte Transkriptionen, alle Exportformate und KI-Funktionen, und läuft danach ohne Kündigung aus.

Wird die Qualität bei langen Dateien schlechter?

Die Länge allein ist nicht entscheidend. Was zählt, ist die Tonqualität über die gesamte Aufnahme: Wenn sich Mikrofonabstand, Lautstärke oder Hintergrundgeräusche im Laufe der Zeit ändern, schwankt auch die Erkennung. Prüfe deshalb bei sehr langen Aufnahmen vor allem die Passagen mit schlechtem Ton.