VOICE2TEXT AI

Benutzerhandbuch

Voice2Text

Von der Stimme zum Text, in jeder Sprache.

Audio- und Videodateien mit künstlicher Intelligenz transkribieren, den Text korrigieren und speichern, wo Sie möchten.

Offline-Whisper12 FormateCloud9 Sprachen

Willkommen bei Voice2Text

Voice2Text verwandelt Audio- und Videoaufnahmen in geschriebenen Text. Interviews, Besprechungen, Vorlesungen, Podcasts, Sprachnachrichten: Datei ins Fenster ziehen, KI-Dienst wählen, und nach wenigen Minuten liegt der Text vor – bereit zum Korrigieren und Speichern.

Was Sie tun können

Systemvoraussetzungen

macOS 11 oder neuer (Mac mit Apple- oder Intel-Chip), Windows 10/11 64 Bit oder Linux 64 Bit (Ubuntu, Debian, Fedora und Derivate). Für Offline-Whisper sind mindestens 8 GB Arbeitsspeicher empfehlenswert; Online-Dienste brauchen nur eine Verbindung.

Installation

Laden Sie die Datei für Ihr System herunter und installieren Sie sie wie jedes andere Programm.

macOS

Öffnen Sie Voice2Text_1.1.1_universal.dmg und ziehen Sie das Voice2Text-Symbol in den Ordner Programme. Beim ersten Start meldet macOS eventuell, dass der Entwickler nicht verifiziert ist: Öffnen Sie Systemeinstellungen → Datenschutz & Sicherheit und wählen Sie Dennoch öffnen, oder klicken Sie mit der rechten Maustaste auf die App und wählen Sie Öffnen. Das ist nur einmal nötig.

Windows

Starten Sie Voice2Text_1.1.1_x64-setup.exe. Erscheint das blaue Fenster von Windows SmartScreen, klicken Sie auf Weitere Informationen und dann auf Trotzdem ausführen. Für die Installation sind keine Administratorrechte nötig.

Linux

Unter Ubuntu und Debian installieren Sie das Paket .deb (Doppelklick oder sudo apt install ./Voice2Text_1.1.1_amd64.deb), unter Fedora das Paket .rpm. Alternativ machen Sie die .AppImage ausführbar (chmod +x) und starten sie.

Optional: ffmpeg. Voice2Text liest die gängigen Formate selbst. Für seltene Formate (OPUS, WMA, AMR, AVI…) installieren Sie ffmpeg: brew install ffmpeg auf dem Mac, winget install ffmpeg unter Windows, sudo apt install ffmpeg unter Linux. Es wird automatisch gefunden.

Das Hauptfenster

Die ganze Arbeit findet in einem einzigen Fenster statt: links die Dateiliste, in der Mitte die ausgewählte Datei.

Abbildung 1. Der Startbildschirm: Datei in den Rahmen ziehen oder „Dateien auswählen“ verwenden.

Dateien hinzufügen

Ziehen Sie eine oder mehrere Audio- oder Videodateien auf das Fenster oder verwenden Sie Dateien hinzufügen (⌘O / Strg+O). Sie können beliebig viele hinzufügen: Sie werden nacheinander transkribiert. Eine hineingezogene .v2t-Datei öffnet ein gespeichertes Transkript.

Dienst und Sprache wählen

Wählen Sie vor dem Transkribieren, wer die Arbeit erledigt: Whisper auf Ihrem Computer oder ein Online-Dienst.

Abbildung 2. Auswahl von Dienst und Sprache für die gewählte Datei.
DienstKostenEigenschaften
Whisper (offline)kostenlosFunktioniert ohne Internet; das Modell wird einmal geladen (45 bis 600 MB). Langsamer als Online-Dienste.
Groq Whisperkostenlos mit SchlüsselSehr schnell; lange Aufnahmen werden automatisch aufgeteilt.
AssemblyAIGratisguthabenErkennt, wer spricht. Ideal für Interviews und Besprechungen.
DeepgramGratisguthabenErkennt, wer spricht, und ist sehr schnell.
Whisper serverkostenlosEin Whisper-Server auf Ihrem Computer oder im Netzwerk (whisper.cpp, faster-whisper-server, LocalAI).
OpenAIkostenpflichtigOpenAI Whisper.

Die Sprache der Aufnahme

Mit Automatisch erkennen ermittelt Voice2Text die gesprochene Sprache selbst. Wenn Sie sie kennen, wählen Sie sie aus: Das Ergebnis wird genauer, besonders in den ersten Sekunden.

Schlüssel für Online-Dienste

Groq, AssemblyAI, Deepgram und OpenAI benötigen einen persönlichen Schlüssel: Unter Einstellungen → Dienste finden Sie für jeden ein Feld und den Link „Schlüssel holen“. Die Anmeldung bei Groq ist kostenlos; AssemblyAI und Deepgram schenken bei der Anmeldung Guthaben.

Abbildung 3. Einstellungen → Dienste: Whisper-Modell und Schlüssel der Dienste.

Drücken Sie Transkribieren, um zu beginnen. Warten mehrere Dateien, erscheint in der Seitenleiste auch Alle transkribieren.

Online-Dienste: Ihr Audio verlässt den Computer

Wenn Sie einen Online-KI-Dienst nutzen, wird die Audiodatei über das Internet hochgeladen. Voice2Text sagt Ihnen das deutlich und bittet um Ihre Bestätigung.

Abbildung 4. Der verpflichtende Hinweis vor dem ersten Hochladen zu einem Online-Dienst.

Wenn Sie Groq, AssemblyAI, Deepgram oder OpenAI zum ersten Mal verwenden, erscheint dieser Hinweis. Um fortzufahren, müssen Sie „Ich habe gelesen und verstanden“ ankreuzen; alternativ können Sie direkt zu Offline-Whisper wechseln.

Die Audiodatei wird auf die Server des externen Dienstes hochgeladen, der sie nach seinen eigenen Bedingungen und Datenschutzrichtlinien verarbeitet: Er kann sie eine Zeit lang speichern und auch in anderen Ländern verarbeiten.

Laden Sie keine Aufnahmen mit vertraulichen Informationen hoch, keine privaten oder geheimen Inhalte und keine personenbezogenen, Gesundheits- oder Drittdaten, ohne dazu berechtigt zu sein und ohne die Zustimmung der aufgenommenen Personen.

Voice2Text und seine Autoren übernehmen keinerlei Haftung für den Inhalt hochgeladener Dateien, deren Vertraulichkeit oder deren Verwendung durch die externen Dienste. Die Verantwortung liegt vollständig bei der Person, die die Datei hochlädt.

Die Zustimmung gilt jeweils für einen Dienst und wird mit Datum gespeichert. Solange ein Online-Dienst gewählt ist, erinnert ein orangefarbener Kasten daran. Unter Einstellungen → Über können Sie den Hinweis erneut lesen und wieder anzeigen lassen.

Vertrauliche Aufnahme? Verwenden Sie Whisper (offline): Die Transkription erfolgt vollständig auf Ihrem Computer.

Während der Transkription

Voice2Text zeigt jederzeit, wie weit die Arbeit ist.

Abbildung 5. Eine laufende Transkription mit Groq: Fortschritt und bearbeiteter Teil.

Sie können jederzeit mit Abbrechen abbrechen, an anderen Dateien weiterarbeiten und die Transkription laufen lassen: Ist der Text fertig, erhalten Sie eine Benachrichtigung.

Das Transkript korrigieren

Der Text ist in Sätze unterteilt, jeder mit seiner Zeit und – falls erkannt – der sprechenden Person.

Abbildung 6. Der Editor: oben der Audioplayer, darunter bearbeitbare Sätze; der gerade abgespielte Satz ist hervorgehoben.

Anhören

Der Player oben spielt das Originalaudio ab: Leertaste startet und pausiert (wenn Sie nicht schreiben), die Tasten springen 5 Sekunden, und die Geschwindigkeit ist von 0,75× bis 2× wählbar. Klicken Sie auf die Zeit eines Satzes, um ihn zu hören; mit Audio folgen bleibt der abgespielte Satz immer sichtbar.

Bearbeiten

Abbildung 7. Suchen und Ersetzen sowie die Namen der Sprecher.

Suchen und Ersetzen

Suchen (⌘F / Strg+F) hebt die Sätze hervor, die das Wort enthalten; Alle ersetzen korrigiert einen falsch geschriebenen Namen im ganzen Transkript auf einmal.

Sprecher

Mit AssemblyAI und Deepgram hat jeder Satz eine Kennzeichnung (Sprecher A, Sprecher B…). Tragen Sie im Bereich Sprecher den echten Namen ein: Er erscheint überall, auch in exportierten Dateien. Den Sprecher eines Satzes ändern Sie im Menü neben der Zeit; Sie können weitere hinzufügen oder sie manuell zuordnen, auch wenn der Dienst sie nicht erkennt.

Speichern und exportieren

Speichern Sie das Projekt, um später weiterzukorrigieren, und exportieren Sie den Text im benötigten Format.

Das .v2t-Projekt

Speichern (⌘S / Strg+S) erstellt eine .v2t-Datei mit dem Transkript, den Korrekturen und den Sprechernamen. Mit Transkript öffnen (⇧⌘O / Strg+Umschalt+O) oder durch Hineinziehen öffnen Sie es wieder. ⇧⌘S speichert unter anderem Namen.

Exportieren

Abbildung 8. Das Fenster Exportieren: Format, Optionen und Speicherort.

Drücken Sie Exportieren (⌘E / Strg+E), geben Sie den Dokumenttitel ein und wählen Sie das Format:

FormatIdeal für
.docx Word · .odt LibreOffice · .rtfbearbeitbare Dokumente mit Titel und Angaben zur Aufnahme
.pdfDokumente zum Drucken oder Versenden; entsteht über den Druckdialog des Systems („Als PDF sichern“)
.txt · .md · .htmlreiner Text, Markdown, Webseite
.srt · .vttUntertitel für Videos (YouTube, Premiere, DaVinci, VLC…)
.csv · .jsonTabellen (Excel, Numbers) und Daten für andere Programme
.v2tdas wieder öffnbare Projekt, auch zum Speichern in der Cloud

Die Optionen legen fest, ob Zeitstempel und Sprechernamen enthalten sind und ob die Sätze zu Absätzen zusammengefasst werden. Arabisch und andere rechts-nach-links-Sprachen werden korrekt gesetzt.

In der Cloud speichern

Voice2Text speichert Dateien direkt in Ihrer Cloud – über die Ordner, die die Apps der Dienste auf dem Computer anlegen. Sie müssen keine Konten verbinden und keine Passwörter eingeben.

So funktioniert es

Wenn Sie die App von Google Drive, OneDrive, Dropbox, Box, Proton Drive, iCloud Drive, pCloud, MEGA, Nextcloud oder Sync.com installieren, entsteht auf dem Computer ein synchronisierter Ordner. Voice2Text findet ihn selbst: Wählen Sie im Fenster Exportieren unter Speicherort die Cloud und drücken Sie die Schaltfläche. Die Datei wird im Unterordner Voice2Text abgelegt, und die App des Dienstes lädt sie sofort hoch.

Abbildung 9. Einstellungen → Cloud: die auf dem Computer gefundenen Ordner und die WebDAV-Verbindung.

Einstellungen → Cloud

Proton Drive erlaubt anderen Apps keinen direkten Zugriff auf das Konto: Deshalb nutzt Voice2Text den synchronisierten Ordner, der dieselbe Ende-zu-Ende-Verschlüsselung bietet.

Einstellungen und Sprachen

Das Zahnrad oben rechts (⌘, / Strg+,) öffnet die Einstellungen.

Abbildung 10. Einstellungen → Allgemein.

Sprachen sind XML-Dateien

Abbildung 11. Einstellungen → Sprachen: verfügbare Sprachen, Vollständigkeit und Werkzeuge für XML-Dateien.

Jede Sprache der Oberfläche ist eine XML-Datei. So korrigieren Sie eine Übersetzung oder fügen eine neue hinzu:

  1. Exportieren Sie die Sprachdatei (Pfeil in der Zeile) oder laden Sie die Vorlage für eine neue Sprache herunter.
  2. Öffnen Sie sie in einem Texteditor und übersetzen Sie nur den Text zwischen den Tags; lassen Sie die key-Attribute und Platzhalter in geschweiften Klammern wie {n} unverändert.
  3. Drücken Sie XML-Datei laden…: Die Sprache erscheint sofort in der Liste und im Sprachmenü.
<language code="pt" name="Português" english="Portuguese" dir="ltr" version="1.0">
  <string key="app.addFiles">Adicionar ficheiros</string>
  <string key="progress.piece">parte {i} de {n}</string>
</language>

Eine Datei mit dem Code einer integrierten Sprache ersetzt diese (für Korrekturen); Sie können jederzeit zum Original zurückkehren. Fehlende Sätze erscheinen auf Englisch; die Spalte Vollständig zeigt, wie viele übersetzt sind. Für rechts-nach-links-Sprachen verwenden Sie dir="rtl".

Tastenkürzel

Unter Windows und Linux verwenden Sie Strg statt ⌘.

TastenAktion
⌘OAudio- oder Videodateien hinzufügen
⇧⌘OGespeichertes Transkript öffnen (.v2t)
⌘S · ⇧⌘SSpeichern · Speichern unter
⌘EExportieren
⌘FSuchen und Ersetzen
⌘,Einstellungen
LeertasteAbspielen / Pause (außerhalb des Textes)
Eingabe · Umschalt+EingabeSatz teilen · Zeilenumbruch im Satz
Rücktaste am SatzanfangMit dem vorherigen Satz verbinden
EscText verlassen · offenes Fenster schließen

Häufige Fragen

Antworten auf die häufigsten Fragen.

Das Format meiner Datei wird nicht gelesen.

Installieren Sie ffmpeg (Kapitel Installation) oder verwenden Sie AssemblyAI bzw. Deepgram, die jedes Format akzeptieren, weil sie die Originaldatei erhalten.

Offline-Whisper ist langsam.

Wählen Sie unter Einstellungen → Dienste das Modell Basis oder Winzig. „Groß Turbo“ ist am genauesten, braucht aber ohne Grafikkarte Zeit. Für lange Dateien ist Groq viel schneller.

Der Text ist in einer anderen Sprache oder übersetzt.

Geben Sie statt der automatischen Erkennung die Sprache der Aufnahme an und verwenden Sie Neu transkribieren.

„Ungültiger Dienstschlüssel“.

Prüfen Sie den Schlüssel unter Einstellungen → Dienste: Kopieren Sie ihn erneut von der Website des Dienstes, ohne Leerzeichen.

Meine Cloud erscheint nicht.

Stellen Sie sicher, dass die App des Dienstes installiert ist und synchronisiert, und drücken Sie unter Einstellungen → Cloud auf Erneut suchen. Alternativ fügen Sie den Ordner manuell hinzu.

Der Player meldet „Audio nicht verfügbar“.

Die Originaldatei wurde nach dem Speichern des Projekts verschoben oder umbenannt. Der Text bleibt erhalten; zum Anhören legen Sie die Datei wieder an ihren Platz.

Wo sind meine Schlüssel und Einstellungen?

Nur auf Ihrem Computer, in der Einstellungsdatei der App, die nur Ihr Benutzer lesen kann. Sie werden nie an Voice2Text gesendet.

VOICE2TEXT

Von der Stimme zum Text, in jeder Sprache.