ScribeToAny

MP3 in SRT-Untertitel umwandeln

Sie brauchen Untertitel, haben aber nur die Tonspur? Laden Sie die MP3 hoch und ScribeToAny erzeugt eine korrekt getimte SRT-Datei — jede Untertitelzeile segmentiert und mit Zeitstempel — bereit für Ihr Video oder Ihren Podcast-Player.

  • KI-Transkription
  • 98 Sprachen
  • Verschlüsselt, wir trainieren KI nie mit Ihren Dateien

Mit Ihrer Aufnahme starten

Audio- oder Videodatei hier ablegen oder zum Auswählen klicken.

Das Ergebnis: Ein echtes Transkript

Unbearbeitete Ausgabe eines 64-sekündigen Interviews mit zwei Sprechern (synthetische Stimmen), transkribiert mit aktiver Sprechererkennung. Es werden nur die ersten Zeilen angezeigt.

Transkript (TXT)
SPEAKER_00 (0:00) Welcome back to Small Shop Stories.
SPEAKER_00 (0:02) Today I'm talking to Maya, who runs a tiny bakery on the
SPEAKER_00 (0:05) corner of Mill Street.
SPEAKER_01 (0:07) Thanks for having me.
SPEAKER_01 (0:08) It's really small, just two ovens and a counter.
SPEAKER_00 (0:12) So how does a normal day start for you?
Untertitel (SRT)
1
00:00:00,000 --> 00:00:01,680
[SPEAKER_00] Welcome back to Small Shop Stories.

2
00:00:02,160 --> 00:00:05,320
[SPEAKER_00] Today I'm talking to Maya, who runs a tiny bakery on the

3
00:00:05,320 --> 00:00:06,320
[SPEAKER_00] corner of Mill Street.

Im Abgleich mit dem Skript wichen nur 4 von 189 Wörtern ab – eine Wortfehlerrate von 2,1 %, wobei „80“ statt „eighty“ als Fehler gewertet wurde –, und alle 14 Sprecherwechsel wurden korrekt zugeordnet. Dies war eine saubere Sprachaufnahme; Aufnahmen mit Störgeräuschen und durcheinanderredenden Stimmen schneiden schlechter ab. Vollständiges Transkript und Auswertung ansehen

So funktioniert's

  1. 1

    Hochladen

    Ziehen Sie eine Audio- oder Videodatei hinein oder fügen Sie einen Link ein. Alle gängigen Formate werden akzeptiert.

  2. 2

    Transkribieren

    Die KI transkribiert mit Zeitstempeln und optionalen Sprecher-Labels, meist in wenigen Minuten.

  3. 3

    Exportieren

    Exportieren Sie gebrauchsfertige SRT- oder VTT-Untertitel, oder TXT, PDF und DOCX.

Warum ScribeToAny

  • Wandelt reine MP3-Dateien in synchrone SRT-Untertitel um: Perfekt für Podcast-Audiogramme und Musikvideos.
  • Kombinierbar mit statischen Bildern und Audio-Wellenformen, um Audiosendungen in ansprechende Social-Clips zu verwandeln.
  • Das Cue-Timing stammt direkt aus der Sprache selbst, sodass Untertitel synchron zum Audio bleiben, wenn sie mit einem Video oder Audiogramm kombiniert werden.

Häufig gestellte Fragen

Wie präzise sind die Untertitel-Zeitstempel?

Die Zeitstempel werden auf Segmentebene mit Genauigkeit unterhalb einer Sekunde erzeugt, ausgerichtet an der tatsächlichen Sprache.

Kann ich Untertitel vor dem Export bearbeiten?

Ja — korrigieren Sie Formulierungen oder löschen Sie Segmente im Editor und exportieren Sie dann; die SRT übernimmt Ihre Änderungen.

SRT oder VTT — was soll ich nehmen?

SRT ist der universelle Standard für Editoren und Player; VTT ist für Webvideo (HTML5). Wir exportieren beides — nehmen Sie, was Ihre Plattform braucht.

Kann ich Untertitel für ein Lied oder ein Lyric-Video erstellen?

Sie können es versuchen, aber Gesang ist viel schwieriger als gesprochene Sprache: Liedtexte bei lauter Musik werden oft falsch verstanden oder übersprungen, und das Cue-Timing folgt dem Gesang nur ungefähr. Gesprochenes Audio – Podcasts, Begleitkommentare, Interviews – liefert weitaus bessere SRT-Dateien. Rechnen Sie bei Songs damit, den Text im Editor nachzubessern.

Wie werden die Untertitel aufgeteilt?

Zuerst an natürlichen Sprechpausen, dann nach Länge: Jeder Untertitel ist auf etwa 7 Sekunden und 84 Zeichen begrenzt (zwei Zeilen von etwa 42 Zeichen), beziehungsweise rund 32 Zeichen für Chinesisch, Japanisch und Koreanisch, möglichst mit Umbrüchen an Satz- oder Teilsatzzeichen.

Verwandte Tools