MP4 in Text umwandeln, ohne Umweg über MP3
MP4 ablegen, Worte herausholen. Die Tonspur wird für Sie aus dem Container gelöst — kein Zwischenschritt über einen MP3-Export und keine Qualität, die einer zweiten Kompression zum Opfer fällt.
MP4 hier ablegen
MP4, MOV, AVI, MKV, WebM — bis zu 120 Minuten
MP4 ist die Datei, mit der Sie fast immer dastehen
Smartphones, Bildschirmrekorder, Konferenzsoftware, spiegellose Kameras: Lassen Sie praktisch irgendein Gerät ein Video aufnehmen, und auf Ihrer Festplatte landet eine MP4. Diese Stellung hat sie sich verdient, weil sie der eine Container ist, der überall abspielt, ohne dass jemand darüber nachdenken muss.
Genau diese Allgegenwart ist auch der Grund, warum so viele Menschen irgendwann eine MP4 transkribieren müssen. Die Aufnahme entstand nie mit Blick auf ein Transkript — sie war schlicht die Standardausgabe dessen, was den Moment festgehalten hat.
Daraus folgt das Wichtigste, das man wissen sollte, bevor man MP4 in Text umwandelt: Eine MP4 ist ein Container, kein Codec. Darin liegen zwei getrennte Ströme — für das Bild meist H.264 oder H.265, für den Ton AAC. Alles Weitere ergibt sich aus dieser einen Tatsache.
95 % der Bytes sind Bild
In einer typischen MP4 erdrückt der Videostrom den Tonstrom. Alles, was Sie von einem Transkript wollen, steckt in den wenigen Prozent, die den Ton tragen.
Gelesen wird nur der Ton
Der Videostrom wird verworfen, bevor die Erkennung startet. Eine 4K-Datei und eine 480p-Datei gleicher Länge liefern dasselbe Transkript zum selben Preis.
Das Format haben Sie selten gewählt
MP4 war das, was das Gerät ausgegeben hat. Das heißt auch: Der Ton darin wurde zum Anschauen aufgenommen, nicht zum Lesen — und daran hängt die Genauigkeit.
Die eigentliche Grenze ist die Größe
Selten sind zuerst die Minuten das Problem. Bei Handyaufnahmen erreicht die Datei die Größengrenze lange vor der Längengrenze.
Was beim Umwandeln von MP4 in Text tatsächlich passiert
MP4 in Text umwandeln heißt, die Datei zu demuxen — ihren Tonstrom vom Videostrom zu trennen — und die Spracherkennung allein auf den Ton anzuwenden. Das Bild wird verworfen, bevor die Transkription beginnt; deshalb ändert die Auflösung weder den Preis noch das Ergebnis.
Aus dieser Definition folgen vier Dinge, die zusammen fast alles beantworten, was vor dem ersten Upload gefragt wird.
- Demuxen statt konvertieren Beim Einlesen wird nichts neu kodiert. Der vorhandene Tonstrom wird unverändert aus dem Container gehoben, an dieser Stelle geht also keine Qualität verloren.
- Kein MP3-Export nötig Ältere Anleitungen raten, zuerst eine MP3 zu ziehen, weil frühe Werkzeuge nur Audio annahmen. Dieser Schritt ist heute überflüssig, und eine erneute Kompression zu MP3 kann den Ton nur verschlechtern.
- Die Zeitstempel stammen aus dem Ton Jede Zeile trägt den Moment, in dem sie gesprochen wurde. Genau das macht aus demselben Transkript ohne Zusatzarbeit eine SRT-Untertiteldatei.
- Schon nur Audio da? Liegt Ihre Datei als MP3, WAV oder M4A statt als Video vor, verarbeiten die Audiowerkzeuge sie direkt: gleiche Engine, gleiche Credits, ein Schritt weniger.
MP4 in vier Schritten transkribieren
Alles läuft im Browser. Nichts zu installieren, und die Datei muss vorher nicht vorbereitet werden.
MP4 unverändert hochladen
Ziehen Sie die Datei direkt von der Festplatte hinein. Sie geht aus dem Browser in den Speicher, sodass eine große Aufnahme unterwegs an keiner Zwischengrenze für die Dateigröße hängen bleibt.
Die Tonspur wird herausgelöst
Der Container wird geöffnet, der Ton vom Bild getrennt, und nur der Ton läuft weiter. Das passiert automatisch — es ist kein Schritt, den Sie ausführen.
Die Spracherkennung läuft
Die gesprochene Sprache wird unter über 100 Sprachen erkannt, und das Transkript kommt in Segmente mit Zeitstempel unterteilt zurück, die Sie lesen und korrigieren können.
Exportieren, was Sie brauchen
Reiner Text für Dokumente, oder SRT und VTT, wenn die Worte als Untertitel zurück ins Video sollen. Ein Durchlauf, so viele Formate wie Sie möchten.
Eine zehnminütige MP4 kommt meist in unter einer Minute zurück. Lange Dateien werden intern geteilt und wieder zusammengesetzt, sodass sich eine Zweistundenaufnahme genauso verhält wie eine Zweiminutendatei.
Die Aufnahmen, die wirklich transkribiert werden müssen
Fast keine davon wurde mit einem Transkript im Sinn gefilmt. Das ist der Normalfall, nicht die Ausnahme.
Meeting-Aufzeichnungen
Von der Konferenzsoftware als MP4 exportiert. Meist der sauberste Ton, den Sie bekommen, weil er über den Kanal kam und nicht durch die Luft.
Bildschirmaufnahmen
Tutorials, Durchläufe, Fehlerberichte. Systemton plus Mikrofon — und lang genug, dass das Zurückspulen zur Qual wird.
Vorlesungen und Schulungen
Eine Stunde oder mehr, in der eine Person spricht: das Format, bei dem ein durchsuchbares Transkript pro Datei die meiste Zeit spart.
Interviews mit dem Handy
Aufgenommen mit dem, was gerade in einer Tasche steckte. Hohe Bitrate, große Datei, und der Ton aus größerer Entfernung als beabsichtigt.
Video-Podcasts
Die Folge ist fertig, die Shownotes sind es nicht. Ein Transkript macht aus dieser zweiten Aufgabe eine Redaktion statt eines erneuten Durchhörens.
Event- und Konferenzmitschnitte
Zitierfähige Vorträge, begraben in Dateien, die niemand durchspulen wird. Erst der Text macht sie zitierbar.
45-Minuten-Webinar Kommt als rund 6.000 Wörter zurück — genug Rohmaterial für einen Artikel, einen Newsletter und eine Handvoll Clips.
Zweistündige Vorlesung Etwa 200 MB in 480p, damit bleibt sie bequem unter beiden Grenzen. Intern geteilt, als ein Transkript zurückgegeben.
10-Minuten-Interview Kann in 1080p60 leicht 1,2 GB groß sein. Gut innerhalb der Größengrenze, aber eine Erinnerung daran, dass Minuten und Megabyte nicht dasselbe Maß sind.
30-Sekunden-Clip Kostet 250 Credits — abgerechnet wird nach Länge der Aufnahme, kurze Dateien bleiben also unabhängig von der Auflösung günstig.
Was hineingeht und was herauskommt
MP4 und Verwandte
MOV, AVI, MKV und WebM funktionieren genauso — auch sie sind Container, und der Ton wird aus jedem von ihnen identisch herausgelöst.
TXT zum Lesen
Reiner Text, mit oder ohne Timecodes. Das ist die Wahl für Notizen, Suche, Zitate oder zum Einfügen in einen Entwurf.
SRT und VTT für Untertitel
Getimte Dateien, die in YouTube, Premiere, Final Cut oder jeden Player passen. Geben Sie der SRT denselben Namen wie der MP4, laden die meisten Player sie automatisch.
Über 100 Sprachen
Automatisch erkannt. Eine Aufnahme, die mittendrin die Sprache wechselt, wird abschnittsweise in der jeweils gesprochenen Sprache transkribiert.
Untertitel werden nicht ins Bild gebrannt — die SRT bleibt eine eigene Datei, Sie können also einen Namen oder Fachbegriff korrigieren, ohne das Video neu zu rendern.
Ein sauberes Transkript aus einer MP4 holen
Der Ton in einer MP4 wurde fast immer aufgenommen, bevor jemand an eine Transkription dachte. Neu aufnehmen können Sie ihn nicht, aber zu wissen, was der Genauigkeit schadet, sagt Ihnen, was sich beheben lässt und was Sie hinnehmen müssen.
- Abstand zum Kameramikrofon Handy- und Kameramikrofone sitzen meterweit von der sprechenden Person entfernt und nehmen den Raum mit der Stimme auf. Das ist der wichtigste Grund, warum mit dem Handy gefilmte MP4s schlechter transkribieren als Bildschirmaufnahmen.
- Bildschirmaufnahmen gewinnen Kommt der Ton aus dem System statt durch die Luft, gibt es keinen Raum, keine Distanz und kein Griffgeräusch. Diese Dateien liefern durchweg die besten Ergebnisse.
- Hintergrundmusik Musik unter dem Dialog stört die Erkennung weit mehr als ein gleichmäßiges Geräusch wie eine Klimaanlage. Entfernen Sie sie vor der Transkription, nicht danach.
- Mehrere Personen gleichzeitig Übersprechen ist die häufigste Ursache für unbrauchbare Passagen. Nachträglich lässt sich daran nichts ändern, rechnen Sie also damit, diese Stellen von Hand zu säubern.
- Namen und Fachjargon Produktnamen und Fachbegriffe sind die Stellen, an denen selbst ein 97-Prozent-Transkript Nähte zeigt. Ein Durchgang mit Suchen und Ersetzen im exportierten Text erledigt das in unter einer Minute.
Wie lang darf Ihre MP4 tatsächlich sein?
Bezahltarife erlauben 120 Minuten oder 2 GB pro Datei — je nachdem, was zuerst erreicht ist. Welche der beiden Grenzen greift, hängt vollständig davon ab, wie aufgenommen wurde. Entschieden wird es von der Bitrate, nicht von der Dauer. Die Werte sind Schätzungen aus typischen Bitraten; Ihre Datei kann abweichen.
| Quelle | Typische Bitrate | 2 GB reichen für | 120 Min. wiegen | Zuerst erreichte Grenze |
|---|---|---|---|---|
| Handy, 4K | 45 Mbit/s | ~6 Minuten | ~40 GB | Größe |
| Handy, 1080p60 | 25 Mbit/s | ~11 Minuten | ~22 GB | Größe |
| Handy, 1080p30 | 17 Mbit/s | ~16 Minuten | ~15 GB | Größe |
| Bildschirmaufnahme, 1080p | 8 Mbit/s | ~33 Minuten | ~7 GB | Größe |
| Meeting-Export, 720p | 2 Mbit/s | ~2,2 Stunden | ~1,8 GB | Dauer |
| Vorlesung, 480p | 1 Mbit/s | ~4,4 Stunden | ~0,9 GB | Dauer |
Wenn Ihre Datei zu groß ist: kodieren Sie sie vor dem Upload mit niedrigerer Bitrate neu. Handyaufnahmen von 1080p60 auf 720p zu bringen schrumpft die Datei um etwa das Zehnfache und ändert am Transkript nicht das Geringste, denn eine Neukodierung des Bildes rührt die Tonspur nicht an. Die Datei zu teilen funktioniert ebenfalls, allerdings fügen Sie danach zwei Transkripte von Hand zusammen. Was nicht hilft: vorher in MP3 umzuwandeln — derselbe Ton, ein Schritt mehr und eine weitere Runde Kompression.
Was der Text möglich macht
Alle Werkzeuge unten laufen über dasselbe Guthaben wie Ihre Transkription — keines verlangt ein zweites Abo.
Text zu Sprache
Das überarbeitete Transkript als Sprachausgabe mit einer anderen Stimme.
Zum MP4-in-Text-KonverterVoice Cloning
In Ihrer eigenen Stimme vertonen, trainiert aus einer kurzen Probe.
Zum MP4-in-Text-KonverterVoice Isolator
Raumgeräusche und Hintergrundmusik entfernen — vor der Transkription einsetzen, nicht danach.
Zum MP4-in-Text-KonverterKI-Podcast-Generator
Aus einem langen Transkript eine Folge mit mehreren Stimmen machen.
Zum MP4-in-Text-KonverterFragen zur MP4-Transkription
Wandeln Sie Ihre erste MP4 gratis in Text um
Neue Konten enthalten rund zehn Minuten Transkription. Genug, um eine echte Aufnahme durchlaufen zu lassen und das Ergebnis an eigenem Material zu beurteilen statt an einem Democlip.
MP4 in Text umwandeln