Sprachmemos und Sprachnachrichten in Text umwandeln (iPhone, Android, Computer)

Sprachmemos und Sprachnachrichten sind der schnellste Weg, eine Idee festzuhalten – und der langsamste, sie später wiederzufinden. Eine Transkription liest man in Sekunden; erneutes Anhören dauert Minuten. Diese Anleitung zeigt, wie Sie die Audiodatei aus Smartphone oder Messenger holen und kostenlos in Text umwandeln, ohne eine private Aufnahme an einen Server zu schicken.

Kurzfassung

1. Sprachmemo oder Sprachnachricht als Datei speichern (Schritte pro App siehe unten).
2. Sprachnachricht in Text umwandeln auf Smartphone oder Computer öffnen.
3. Datei ablegen, gesprochene Sprache wählen und ein paar Sekunden warten.
4. Text kopieren oder als TXT bzw. SRT herunterladen.

Die Transkription läuft im Browser mit dem Open-Source-Sprachmodell Whisper. Beim ersten Mal wird das Modell geladen (je nach Größe etwa 40–250 MB); danach liegt es im Cache und startet fast sofort.

Schritt 1: Die Audiodatei holen

Sprachmemos auf dem iPhone

1. Sprachmemos öffnen und auf die Aufnahme tippen.
2. Auf ••• tippen, dann Teilen.
3. In Dateien sichern wählen (oder per AirDrop an den Mac senden).

Die Datei wird als .m4a gespeichert. Auf dem Mac können Sie eine Aufnahme auch direkt aus der Sprachmemos-App auf den Schreibtisch ziehen.

Rekorder-Apps unter Android

Fast jede Rekorder-App hat bei jeder Aufnahme eine Teilen-Option. Teilen Sie die Datei an Dateien oder Drive, oder öffnen Sie den Aufnahmeordner im Dateimanager. Üblich sind .m4a, .mp3 oder .wav.

Sprachnachrichten in Messengern

In WhatsApp, Telegram, Signal und ähnlichen Apps die Sprachnachricht lange drücken, Teilen oder Weiterleiten wählen und in Dateien (iPhone) bzw. Downloads (Android) speichern. In Desktop-Apps per Rechtsklick Speichern unter wählen. Diese Dateien sind meist .opus oder .ogg – eine Umwandlung ist nicht nötig.

Schritt 2: Transkribieren

Öffnen Sie Sprachnachricht in Text umwandeln und legen Sie die Datei im Upload-Bereich ab (mobil antippen, um eine Datei zu wählen). Vor dem Start:

• Gesprochene Sprache wählen, statt die automatische Erkennung zu nutzen, wenn Sie sie kennen. Kurze Clips bieten dem Erkenner wenig Anhaltspunkte – die Vorauswahl vermeidet Fehler.
• Modellgröße wählen. Schnell genügt für klare Sprache. Ausgewogen ist ein guter Standard. Genau kommt besser mit Akzenten, Geräuschen und selteneren Sprachen zurecht, ist aber größer und langsamer, besonders auf dem Smartphone.

Der Text erscheint fortlaufend. Danach mit Kopieren in Notizen oder eine Nachricht einfügen oder als TXT speichern.

Tipps für bessere Ergebnisse

• Nah am Mikrofon und fern von Lüftern, Verkehr oder Musik aufnehmen.
• Wirkt ein langes Memo wirr, zuerst das Modell „Genau“ testen, bevor Sie neu aufnehmen.
• Für viele Memos ist ein Desktop-Browser (Chrome oder Edge) deutlich schneller, weil er die Grafikkarte nutzt.
• Namen und Fachbegriffe sind die häufigsten Fehler – kurzes Gegenlesen genügt.

Kann mein Smartphone das nicht schon?

Manche Smartphones und Apps zeigen inzwischen Transkripte für bestimmte Sprachen an. Das ist praktisch, wenn es verfügbar ist, hängt aber von Gerät, App-Version und Sprache ab, und meist lässt sich das Ergebnis nicht mit Zeitstempeln exportieren. Ein Browser-Tool funktioniert auf jedem Gerät gleich, in allen von Whisper unterstützten Sprachen, mit Export als TXT oder SRT.

Ist das privat?

Ja. Die Audiodatei wird auf Ihrem eigenen Gerät dekodiert und transkribiert und nie hochgeladen. Aus dem Internet werden nur die Modelldateien geladen. Mehr dazu in unserer Datenschutzerklärung (auf Englisch).