Vocova

Vocova transkribiert Audio und Video in über 100 Sprachen, darunter Englisch, Spanisch, Französisch, Deutsch, Japanisch, Arabisch, Hindi und Koreanisch. Es arbeitet als Sprache zu Text und als Transkript-Generator in einem Durchgang, erkennt selbst, was gesprochen wird, oder Sie legen die Sprache fest, wenn Sie sie kennen. Sowohl Mediendateien als auch eingefügte URLs laufen durch denselben Ablauf, deshalb verhalten sich ein YouTube-Clip und eine lokale Aufnahme gleich.

Die Sprecherdiarisierung kennzeichnet jede Stimme in einer Aufnahme, was bei Interviews, Podiumsrunden und Meetings mit mehreren Sprechenden zählt. Sie richten nichts ein; das Tool sortiert die Sprecher während der Arbeit, und danach können Sie die Kennzeichnungen umbenennen. Diese Funktion bleibt auf bezahlte Tarife beschränkt, kostenlose Nutzer bekommen also ein Transkript ohne Kennzeichnung.

Sobald ein Transkript vorliegt, übersetzt Vocova es in über 140 Sprachen und lässt die Struktur intakt. Das hilft, wenn Sie in mehr als einem Markt veröffentlichen oder eine schnelle Lesefassung einer fremdsprachigen Aufnahme brauchen. Die Übersetzung gibt es ab dem Plus-Tarif.

Fertige Transkripte gehen als TXT, SRT, VTT, DOCX, PDF oder CSV heraus. Die Optionen SRT und VTT dienen zugleich als Untertitel-Generator für Video-Uploads, während DOCX und PDF zu schriftlichen Berichten passen. Kostenlose Konten bekommen nur TXT. Die anderen Formate kommen mit den bezahlten Tarifen.

Jedes Transkript öffnet sich in einem Editor, in dem Sie Formulierungen korrigieren, Zeitstempel anpassen und Sprecherernamen ändern. Änderungen werden laufend gespeichert, und die Endfassung können Sie über einen eigenen Link teilen. Der Editor ist der Unterschied zwischen einem rohen Maschinenauswurf und etwas, das Sie tatsächlich an einen Kunden schicken würden.

Neben direkten Uploads nimmt Vocova Medien-URLs von über 1.000 Plattformen an, etwa YouTube, Instagram, Facebook, Vimeo, Bilibili, SoundCloud, X und Apple Podcasts. Der Zugriff hängt von den Rechten der jeweiligen Plattform ab, deshalb funktionieren manche Links nicht, aber wenn doch, sparen sie den Schritt des Herunterladens und erneuten Hochladens.

Jedes Transkript kommt mit einer KI-Zusammenfassung, praktisch zum Überfliegen einer langen Aufnahme. Außerdem wählen Sie zwischen den Qualitäten Standard und High: Standard ist schneller fertig, High neigt bei schwierigem Audio zur Genauigkeit. Eine 60-Minuten-Datei ist meist in 3 bis 5 Minuten durch.