Alle Formate · MP3, M4A, WAV, MP4 & Diktiergeräte (.DS2)
Audio in Text umwandeln: Sprachaufnahmen & Videos bis 10 Stunden präzise als Word-Dokument
Ob Apple Sprachmemo (M4A), mehrstündiger Kongress-Mitschnitt (MP4/WAV) oder verschlüsseltes Kanzlei-Diktiergerät (.DS2/.DSS): Wandeln Sie Audioaufnahmen ohne Dateigrößen-Stress in sauber gegliederte deutsche Fachtexte um.
Das Wichtigste in Kürze
- Direkter Upload von MP3, M4A, WAV, FLAC, OGG, OPUS, MP4, MOV sowie .DS2 / .DSS bis 10 GB und 10 Stunden Dauer.
- Automatische 2-Pass-Sprechererkennung + optionales Eingabefeld für Eigennamen & Fachkürzel (bis 400 Zeichen).
- Sofort-Export als bearbeitbares Word (.docx), PDF, RTF sowie Video-Untertitel (.SRT / .VTT).
- AES-256-Speicherung in Frankreich bei OVHcloud & Inferenz über Google Cloud Vertex AI (Region Europa, Zero Data Retention).
1. Unterstützte Eingabe- und Exportformate im Überblick
| Geräteklasse / Quelle | Dateiendungen | Maximale Länge |
|---|---|---|
| Smartphones & Sprachmemos | .m4a, .mp3, .aac, .opus, .ogg | Bis 10 Stunden / 10 GB am Stück |
| Profi-Recorder (Zoom, Tascam, Sony) | .wav (PCM), .flac, .aiff | Bis 10 Stunden / 10 GB am Stück |
| Kanzlei- & Klinik-Diktiergeräte | .ds2, .dss (Olympus / OM System, Philips) | Nativ integriert ohne Zusatzsoftware |
| Videokonferenzen & Vorlesungen | .mp4, .mov, .mkv, .webm | Audio-Extraktion + .SRT / .VTT Untertitel |
2. Warum Microsoft Word 365 bei langen Aufnahmen oft an Grenzen stößt
Die integrierte Diktier- und Transkriptionsfunktion in Word für das Web ist im Alltag häufig durch Monatskontingente (300 Minuten) und Dateigrößenlimits (200 MB) begrenzt – ein einstündiges Video im .mp4-Format oder eine unkomprimierte .wav-Konferenzaufnahme lässt sich dort oft gar nicht erst hochladen.
Le Scribe Audio verarbeitet große Mediendateien direkt per Streaming-Upload, erkennt Sprecherwechsel über volle 10 Stunden konsistent und liefert ein lokalisiertes deutsches Word-Dokument (Aufnahme, Dauer, optional Zusammenfassung und Transkription).
Häufig gestellte Fragen (FAQ)
Welche Audio- und Videoformate kann ich direkt in Text umwandeln?
Le Scribe Audio unterstützt alle gängigen Formate ohne vorherige Konvertierung: MP3, M4A (Apple Sprachmemos), WAV, AAC, FLAC, OGG, OPUS, WEBM, MP4, MOV, MKV sowie proprietäre Kanzlei- und Arzt-Diktierformate (.DS2 und .DSS von Olympus / OM System, Philips SpeechLive und Grundig).
Muss ich lange Aufnahmen vor dem Upload in kleinere Teile schneiden?
Nein. Sie können Dateien bis zu 10 GB Größe und 10 Stunden durchgehender Laufzeit (bis zu 4 Stunden während der 60-minütigen Gratis-Testphase) in einem Stück hochladen. Unsere 2-Pass-Pipeline zerlegt und verbindet mehrstündige Aufnahmen nahtlos ohne Wortverlust an den Schnittkanten.
Welche Exportformate stehen nach der Umwandlung bereit?
Sie können Ihr Transkript sofort als 100 % bearbeitbares Microsoft-Word-Dokument (.docx mit deutscher Rechtschreibprüfung de-DE), als druckfertiges PDF, als RTF oder als exakt synchronisierte Untertiteldateien (.SRT und .VTT) herunterladen.
Wie schnell ist eine einstündige Audiodatei fertig transkribiert?
Die automatische 2-Pass-KI-Verarbeitung inklusive akustischem Zeitmarken-Alignment dauert durchschnittlich rund 10 Minuten pro Stunde Audiomaterial. Für eine anschließende vollständige menschliche Gegenkontrolle mit Komplett-Anhören im interaktiven Player sollten Sie realistisch 2 bis 3 Stunden pro Audiostunde einplanen (statt 4 bis 7 Stunden beim manuellen Abtippen).
Bereit, Ihre Protokoll- und Transkriptionszeit zu halbieren?
Starten Sie sofort mit 60 kostenlosen Transkriptionsminuten – ohne Kreditkarte, ohne Abofalle und mit 100 % bearbeitbarem Word-Export (.docx).