Chinesisches Audio transkribieren
Mandarin gehört zu den stärksten Sprachen in Whisper-Klasse-Modellen. Laden Sie chinesische Meetings, Kurse oder Interviews hoch und erhalten Sie präzise Transkripte mit korrekter Interpunktion — in Kurz- oder Langzeichen.
- 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.
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?
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
Hochladen
Ziehen Sie eine Audio- oder Videodatei hinein oder fügen Sie einen Link ein. Alle gängigen Formate werden akzeptiert.
- 2
Transkribieren
Die KI transkribiert mit Zeitstempeln und optionalen Sprecher-Labels, meist in wenigen Minuten.
- 3
Exportieren
Bearbeiten Sie Segmente online und exportieren Sie dann TXT, SRT, VTT, TSV, CSV, JSON, PDF oder DOCX.
Warum ScribeToAny
- Mandarin & Akzente: Am stärksten bei Standard-Putonghua; taiwanesisches Mandarin und regionale Akzente funktionieren gut, sehr starke Akzente weniger verlässlich.
- Chinesische Schriftzeichen: Werden standardmäßig in vereinfachten Zeichen ausgegeben; da es noch keinen Schalter gibt, bei Bedarf für traditionelle Schriftzeichen Werkzeuge wie OpenCC nutzen.
- Gemischtes Chinesisch & Englisch: Code-Switching-Sprache wird direkt transkribiert, mit englischen Begriffen in lateinischen Buchstaben; ungewöhnliche Markennamen sollten überprüft werden.
- Für Chinesisch optimierte Untertitel: Segmente sind auf etwa 32 Zeichen begrenzt und brechen an 。，、 um — abgestimmt auf chinesische Lesegewohnheiten statt englische Zeilenlängen.
Häufig gestellte Fragen
Kommt es mit Chinesisch-Englisch-Mischsprache zurecht?
Ja — gemischtes Mandarin/Englisch, in Tech- und Business-Kontexten üblich, wird direkt so transkribiert.
Vereinfachte oder traditionelle Schriftzeichen?
Transkripte werden in der Regel in vereinfachten Schriftzeichen ausgegeben; es gibt derzeit noch keinen Schalter für vereinfacht/traditionell, und vereinzelt kann ein Clip in traditionellen Zeichen zurückgegeben werden. Wenn Sie ein bestimmtes Schriftsystem benötigen, konvertieren Sie den fertigen Text vor der Veröffentlichung mit einem Werkzeug wie OpenCC.
Kann es chinesische Videos untertiteln?
Ja, exportieren Sie SRT/VTT mit sprachsynchronem Timing für jedes chinesische Video.
Welche Sprachoption sollte ich für Mandarin wählen?
Wählen Sie 简体中文 unter „Sprache des Audios“, wenn Sie wissen, dass die Aufnahme auf Mandarin ist; für taiwanesisches Mandarin gilt dieselbe Option. Die automatische Erkennung entscheidet anhand der ersten ~30 Sekunden; ein Clip, der mit Musik oder Englisch beginnt, kann daher als andere Sprache interpretiert werden — die manuelle Auswahl überspringt diese Schätzung.
Wie werden chinesische Untertitel in Zeilen aufgeteilt?
Chinesische Untertitel sind auf etwa 32 Zeichen begrenzt — ungefähr zwei Zeilen von 16 Zeichen — statt der 84 Zeichen im Englischen. Umbrüche erfolgen bevorzugt an 。，、, damit Untertitel nicht mitten im Satzteil abbrechen. Whisper-Modelle fügen üblicherweise chinesische Satzzeichen ein; fehlen diese, werden Segmente stattdessen nach Zeichenlänge geteilt. Segmente, die sich dennoch unpassend lesen, können im Editor geteilt werden.