Einsteiger 13 minAudio

Audio in Text transkribieren: kostenlos, ohne Limit

Ein aufgeklappter Laptop taucht einen dunklen Schreibtisch in grünes Licht.
Direkte Antwort

Für eine kostenlose und unbegrenzte Transkription von Audio in Text installieren Sie eine lokale Software auf Basis von Whisper, dem unter MIT-Lizenz veröffentlichten Spracherkennungsmodell von OpenAI: Buzz oder Vibe (Windows, macOS, Linux). Die Datei bleibt auf Ihrem Computer, ohne Konto und ohne Kontingent. Kostenlose Online-Tools sind begrenzt: 30 Minuten pro Monat bei Wave, 300 Minuten pro Monat in Word mit einem Microsoft-365-Abonnement (offizielle Seiten vom 18. November 2026).

Online-Transkriptionsdienste sind für eine kurze Datei praktisch, haben aber ein Kontingent und erhalten Ihre Aufnahme. Eine auf Ihrem Rechner installierte Software transkribiert so viele Stunden auf Französisch, wie Sie möchten, ohne etwas zu versenden. Dieser Leitfaden hilft Ihnen, das passende Tool für Ihren Einsatzzweck zu wählen, eine erste Transkription zu starten und das Ergebnis zu überprüfen.

Von Mohamed Meguedmi·Aktualisierung 2026-11-18·Unter Windows, macOS und Linux getestet

#Wie transkribiert man Audio kostenlos und unbegrenzt in Text?

Eine wirklich kostenlose und unbegrenzte Transkription von Audio in Text gelingt mit einer auf Ihrem Computer installierten Software, die ein Spracherkennungsmodell lokal ausführt. Die einzige Grenze ist dann die Rechenzeit Ihres Geräts: keine gezählten Minuten, keine Registrierung, kein Hochladen der Datei.

Die automatische Transkription (oder Spracherkennung, englisch speech-to-text) ist die Umwandlung aufgezeichneter Sprache in geschriebenen Text durch ein KI-Modell. Die hier vorgestellten kostenlosen Programme basieren auf Whisper (Vibe bietet auch andere Modelle an). Laut seinem offiziellen Repository ist Whisper ein universelles, mehrsprachiges Spracherkennungsmodell, das auch ins Englische übersetzen und die gesprochene Sprache erkennen kann. OpenAI veröffentlicht Code und Gewichte unter der MIT-Lizenz, die sowohl private als auch berufliche Nutzung erlaubt.

Das Repository von Whisper nennt keine maximale Dateilänge. Laut Dokumentation liest die Transkriptionsfunktion die gesamte Datei ein und verarbeitet sie in gleitenden 30-Sekunden-Fenstern. Ein zweistündiges Interview wird also genauso transkribiert wie eine zweiminütige Sprachnotiz, es dauert nur länger.

Welcher Fall, welche kostenlose Transkriptionsoption (offizielle Seiten, abgerufen am 18. November 2026)
Ihr AnwendungsfallEmpfohlene OptionWarum
Eine kurze Datei ohne sensible InhalteKostenloses Online-ToolKeine Installation nötig, aber monatliches Kontingent und Datei wird an den Dienst gesendet
Interviews, Besprechungen, vertrauliche BeratungsgesprächeBuzz oder Vibe lokalOffline-Transkription, kein Kontingent, kein Konto
Untertitel eines VideosBuzz (SRT, VTT) oder Vibe (SRT, VTT, DOCX …)Direkter Export im Untertitelformat
Mehrere sprechende PersonenBuzz oder Vibe (Sprechererkennung)Beide Anwendungen geben eine Sprechertrennung an
Dutzende Stunden, automatisierte VerarbeitungWhisper oder faster-whisper über die KommandozeileSkriptfähig, Stapelverarbeitung
Live-Diktat über das MikrofonBuzz (Echtzeit) oder Vibe (Mikrofon)Transkription des Mikrofons ohne Internetverbindung

#Kostenlose Online-Transkription von Audio zu Text: Welche Einschränkungen gibt es?

Das komplette Kit, um deinen eigenen KI-Assistenten zu erstellen.

Profitiere von unserer Erfahrung und einem geführten Lernpfad, um deinen lokalen Assistenten zu erstellen und deine KI im Alltag zu nutzen.

  • Lebenslanger Online-Zugang
  • PDF + Dateien
  • Erstattung binnen 30 Tagen

Kostenlose Online-Tools zur Audiotranskription begrenzen fast alle das Volumen, und alle erhalten Ihre Datei auf ihren Servern. Für eine kurze, nicht vertrauliche Aufnahme helfen sie aus; darüber hinaus werden das Kontingent oder die Datenfrage zum Hindernis.

Wave
Laut der am 18. November 2026 abgerufenen Preisseite von Wave umfasst der kostenlose Tarif 30 Minuten Aufnahme pro Monat. Der unbegrenzte Pro-Tarif kostet im Web 15 $ pro Monat oder 80 $ pro Jahr.
Microsoft Word
Laut der am 18. November 2026 abgerufenen Microsoft-Hilfe kann ein Microsoft-365-Abonnent höchstens 300 Minuten hochgeladenes Audio pro Monat transkribieren. Ein Hinweis auf derselben Seite gibt an, dass die Funktion derzeit in Word für Microsoft 365 unter Windows für „Commercial Tenants“ verfügbar ist, im Gegensatz zu Behördenumgebungen, die auf Word für das Web beschränkt sind; den Fall eines Personal- oder Family-Abonnements erläutert die Seite nicht. Die Aufnahmen werden auf OneDrive gespeichert.
Google Docs
Die Spracheingabe von Google Docs dient zum Diktieren über das Mikrofon in Chrome, Edge oder Safari. Die Google-Hilfe stellt klar, dass der Browser den Spracherkennungsdienst steuert; die Seite beschreibt das Diktieren, nicht die import d einer Audiodatei.
Weitere kostenlose Dienste
Die kostenlosen Kontingente spezialisierter Dienste ändern sich häufig, und ihre Preisseiten blockieren das automatisierte Auslesen: Prüfen Sie die maximale Dauer pro Datei, die Anzahl der Dateien pro Tag und die Aufbewahrung der Aufnahmen, bevor Sie ein Dokument hochladen.

#Welche kostenlose Software zur Umwandlung von Audio in Text sollten Sie installieren?

Für die Nutzung ohne Kommandozeile sind Buzz und Vibe die beiden unkompliziertesten kostenlosen Open-Source-Programme zur Audiotranskription: ein Fenster, eine Datei zum Hineinziehen, ein Text zum Exportieren. Whisper, whisper.cpp und faster-whisper eignen sich für Nutzer, die mit dem Terminal vertraut sind.

Kostenlose, lokale Transkriptionssoftware laut ihren offiziellen Repositories, Stand 18. November 2026
SoftwareVersion und DatumSystemeLizenzStärken
Buzz1.4.5, 23. August 2026Windows, macOS (Apple Silicon und Intel), LinuxMITDateien, YouTube-Links, Live-Mikrofon, Sprecher, überwachter Ordner, Export als TXT, SRT, VTT
Vibe3.3.5, 13. November 2026Windows, macOS, LinuxMITStapelverarbeitung von Dateien, Sprecher, Export als SRT, VTT, TXT, HTML, PDF, JSON, DOCX, Modelle Whisper, Nemotron 3.5 und Parakeet TDT v3
Whisper (OpenAI)PyPI-Paket 20250625Windows, macOS, Linux (Python)MITOffizielle Referenz, Kommandozeile und Python
whisper.cpp1.9.5, 6. Oktober 2026Windows, macOS, LinuxMITC/C++ ohne Abhängigkeiten, reiner CPU-Betrieb möglich, Metal auf dem Mac, Vulkan
faster-whisperPyPI-Paket 1.2.1Windows, macOS, Linux (Python)MITLaut seinen Entwicklern bis zu 4-mal schneller als Whisper

Buzz ist eine Desktop-Anwendung, die laut ihrem Repository Audio mithilfe von Whisper offline auf Ihrem Computer transkribiert und übersetzt. Version 1.4.5, die zum 18. November 2026 zuletzt veröffentlichte Version, ist für Mac mit Apple Silicon und Mac mit Intel verfügbar; das Repository weist darauf hin, dass es die letzte Version für Intel-Macs ist, da Buzz künftig einen Apple-Silicon-Chip voraussetzt. Unter Windows ist das Installationsprogramm nicht signiert, und Windows zeigt eine Warnung an; laut Repository klicken Sie auf More info und dann auf Run anyway (auf einem französischsprachigen Windows: Informations complémentaires und dann Exécuter quand même).

Vibe ist eine Open-Source-Transkriptionsanwendung, deren Repository eine vollständig offline erfolgende Transkription verspricht, ohne dass Daten das Gerät verlassen. Vibe bietet Installationsprogramme für Mac mit Apple Silicon und Intel-Mac, Windows und Linux an. Vibe ermöglicht außerdem Aufnahmen vom Smartphone per QR-Code, wobei die Berechnung weiterhin auf dem Computer erfolgt.

#Wie transkribieren Sie Audio mit Buzz oder Vibe in Text?

Die Transkription von Audio in Text mit Buzz oder Vibe erfolgt in fünf Schritten: die Anwendung von ihrer offiziellen Seite installieren, ein Modell auswählen, die Datei importieren, die Sprache angeben und anschließend den Text exportieren. Rechnen Sie mit einigen Minuten Vorbereitung, beim ersten Mal zuzüglich des Modell-Downloads.

  1. 01
    Die offizielle Anwendung installieren
    Laden Sie Buzz über den in seinem GitHub-Repository angegebenen SourceForge-Link herunter (oder unter Linux über Flatpak und Snap) bzw. Vibe von seiner offiziellen Download-Seite. Meiden Sie Mirror-Seiten, die von den Projekten nicht genannt werden.
  2. 02
    Ein für den Rechner geeignetes Modell wählen
    Wählen Sie in den Einstellungen der Anwendung ein Whisper-Modell aus. Das Modell small eignet sich für einen Laptop ohne Grafikkarte; turbo oder large benötigen mehr Speicher. Das Modell wird nur einmal heruntergeladen und danach offline wiederverwendet.
  3. 03
    Die Audio- oder Videodatei importieren
    Ziehen Sie die Datei in das Fenster von Buzz oder Vibe. Beide Anwendungen akzeptieren Audio und Video; Vibe nimmt außerdem mehrere Dateien auf einmal für eine Stapelverarbeitung an.
  4. 04
    Französisch als Sprache angeben
    Wählen Sie Französisch statt der automatischen Erkennung: Da die Sprache bekannt ist, vermeidet die Transkription so eine Fehlerkennung bei einem verrauschten oder mit Musik unterlegten Aufnahmebeginn.
  5. 05
    Exportieren und Korrektur lesen
    Exportieren Sie als TXT für reinen Text, als SRT oder VTT für Untertitel oder mit Vibe als DOCX. Prüfen Sie Eigennamen, Zahlen und Passagen, in denen mehrere Personen gleichzeitig sprechen.

Unter Linux gibt das Repository von Buzz den folgenden Flatpak-Installationsbefehl an. Für Whisper auf der Kommandozeile empfiehlt die offizielle Dokumentation, das Python-Paket und das Tool ffmpeg zu installieren und die Transkription anschließend mit dem Modell turbo zu starten.

Terminal (Linux): Buzz installieren
flatpak install flathub io.github.chidiwilliams.Buzz
Terminal: offizielles Whisper (macOS mit Homebrew)
pip install -U openai-whisper
brew install ffmpeg
whisper audio.flac audio.mp3 audio.wav --model turbo
→
Prüfen, ob alles funktioniert hat
Eine erfolgreiche Transkription liefert einen Text mit Zeitstempeln, der der Aufnahme von Anfang bis Ende folgt. Hören Sie sich drei zufällige Stellen an – am Anfang, in der Mitte und am Ende: Wenn der Text den Anschluss verliert oder einen Satz in einer Schleife wiederholt, starten Sie den Vorgang erneut mit einem größeren Modell oder mit fest eingestellter Sprache.

#Welcher Rechner für eine lokale Audiotranskription?

Eine lokale Audiotranskription funktioniert auf einem gewöhnlichen Computer, auch ohne Grafikkarte: whisper.cpp gibt an, dass Inferenz allein auf dem Prozessor möglich ist, und das Modell small benötigt dabei weniger als 1 GB Speicher. Eine Grafikkarte oder ein Mac mit Apple Silicon verkürzt die Wartezeit deutlich.

Benötigter Speicher pro Whisper-Modell laut den Repositorys openai/whisper (Grafikkarte) und whisper.cpp (Arbeitsspeicher); relative Geschwindigkeiten von OpenAI auf Englisch mit einer A100-Karte gemessen
ModellParameterVRAM mit openai/whisperSpeicherbedarf mit whisper.cppVeröffentlichte relative Geschwindigkeit
tiny39 Metwa 1 GBetwa 273 MBetwa das 10-Fache von large
base74 Metwa 1 GBetwa 388 MBetwa das 7-Fache von large
small244 Metwa 2 GBetwa 852 MBetwa 4-fach gegenüber large
medium769 Metwa 5 GBetwa 2,1 GBetwa 2-mal large
large1 550 Metwa 10 GBetwa 3,9 GBReferenz
turbo809 Metwa 6 GBnicht veröffentlichtetwa das 8-Fache von large

Zur Abschätzung der Dauer veröffentlicht das Repository von faster-whisper einen Benchmark mit 13 Minuten Audio. Mit dem Modell small auf einem Intel Core i7-12700K (8 Threads) benötigt openai/whisper 6 min 58 s, whisper.cpp 2 min 05 s und faster-whisper in int8 1 min 42 s. Mit dem Modell large-v2 auf einer NVIDIA RTX 3070 Ti 8 GB benötigt faster-whisper in fp16 1 min 03 s. Diese Zahlen stammen von den Autoren von faster-whisper, mit älteren Versionen der Tools (faster-whisper 1.1.0, whisper.cpp 1.7.2); Ihre Dauer hängt von Ihrem Rechner und der Aufnahme ab.

Auf Macs mit Apple Silicon rechnet whisper.cpp über Metal auf dem Grafikchip und kann mit einem Core-ML-Build einen Teil der Arbeit an die Neural Engine auslagern. Auf dem PC erfolgt die Beschleunigung über CUDA für NVIDIA-Karten; Buzz nennt außerdem Vulkan für die meisten anderen Karten, auch integrierte. Vermischen Sie die beiden Welten nicht: Eine CUDA-Einstellung gilt nicht für einen Mac.

#Ist die Transkription von Audio in Text auf Französisch zuverlässig?

Die Transkription von Audio in Text auf Französisch wird von den mehrsprachigen Whisper-Modellen unterstützt, ihre Qualität hängt jedoch von der Sprache, dem Modell und der Aufnahme ab. Das offizielle Repository sagt es selbst: Die Leistung von Whisper variiert je nach Sprache stark. Französisch steht in der offiziellen Liste der Sprachen des Modells.

Modell
Das Modell turbo ist laut OpenAI eine optimierte Version von large-v3, die schneller ist und nur minimal an Genauigkeit einbüßt. Es ist nicht für Übersetzungen trainiert: Um ins Englische zu übersetzen, verwenden Sie medium oder large.
Erzwungene Sprache
Die offizielle Dokumentation zeigt die Option --language mit dem Beispiel --language Japanese; geben Sie für eine Aufnahme auf Französisch French an, oder wählen Sie in Buzz oder Vibe Französisch aus.
Tonaufnahme
Ein Mikrofon nah an der sprechenden Person, ohne Hintergrundmusik, liefert dem Modell ein klareres Signal. Buzz bietet für verrauschte Aufnahmen eine Stimmtrennung vor der Transkription an.
Eigennamen und Abkürzungen
Personen- und Markennamen sowie Abkürzungen sind häufige Fehlerquellen: Planen Sie ein gezieltes Korrekturlesen ein, vor allem bei einem Protokoll, das verteilt werden soll.
i
Angekündigt, veröffentlicht, festgestellt
Die Geschwindigkeits- und Speicherangaben in diesem Leitfaden stammen von den Projekten selbst. Für diesen Leitfaden wurden keine Tests durchgeführt: Nur ein Kontrollhören Ihrer eigenen Dateien zeigt Ihnen, ob die Qualität für Ihren Zweck ausreicht.

#Was wird bei einer lokalen Transkriptionssoftware dennoch online übertragen?

Bei einer lokalen Transkriptionssoftware bleiben Audio und Text auf Ihrem Computer, einige Zusatzfunktionen verbinden sich jedoch mit dem Internet. Wenn Sie diese kennen, können Sie sensible Dateien wirklich offline verarbeiten.

Download der Modelle
Beim ersten Start wird das gewählte Modell heruntergeladen. Danach benötigt die Transkription keine Verbindung mehr.
Links von Videoportalen
Buzz und Vibe können ein YouTube-Video anhand seines Links transkribieren: Die Anwendung lädt das Video dann aus dem Internet herunter, bevor sie es lokal transkribiert.
Zusammenfassungen von Vibe
Vibe bietet Zusammenfassungen über die Claude-API an, einen Onlinedienst, der dann den Text der Transkription erhält. Die Option Ollama derselben Software führt die Analyse lokal durch.
Automatische Updates
Vibe kündigt automatische Updates an, die den Server des Herstellers kontaktieren. Sie betreffen nicht Ihre Dateien, aber ein vollständig vom Netzwerk isolierter Rechner erhält sie nicht.
Word und OneDrive
Die Transkription in Word hingegen speichert die Aufnahme auf OneDrive, und Microsoft weist darauf hin, dass ihre Dauer von der Geschwindigkeit Ihrer Internetverbindung abhängt: Für ein vertrauliches Gespräch ist das nicht zu empfehlen.
!
Jemanden aufnehmen
Ein lokales Tool schützt die Datei, nicht aber den rechtlichen Rahmen der Aufnahme: Informieren Sie die aufgezeichneten Personen vor einer Besprechung oder einem Gespräch, und bewahren Sie die Transkription ebenso sorgfältig auf wie das Audio.
Häufig gestellte Fragen
Gibt es eine kostenlose Audio-zu-Text-Transkription ohne Registrierung?+
Ja. Buzz und Vibe lassen sich ganz ohne Konto installieren und nutzen, und auch Whisper über die Kommandozeile benötigt keines. Die Transkription von Audio in Text erfolgt dann auf Ihrem Computer, kostenlos und ohne Kontingent. Online-Dienste ohne Registrierung begrenzen in der Regel die Dauer oder die Anzahl der transkribierten Dateien.
Ist eine lokale Audiotranskription wirklich unbegrenzt?+
Eine lokale Audiotranskription hat kein Minutenkontingent: Die einzige Grenze sind die Rechenzeit Ihres Geräts und der Speicherplatz auf der Festplatte. Whisper verarbeitet Audio in 30-Sekunden-Fenstern, daher lässt sich eine mehrstündige Aufnahme ohne manuelles Aufteilen transkribieren – es dauert lediglich länger.
Kann man Audio live in Text transkribieren?+
Ja. Buzz transkribiert das Mikrofon in Echtzeit und bietet ein Präsentationsfenster, um den Text während einer Veranstaltung anzuzeigen; Vibe transkribiert ebenfalls das Mikrofon sowie den Systemton. Für Live-Spracherkennung ist Vosk eine weitere Offline-Option, die in einem eigenen Ratgeber auf der Website vorgestellt wird.
Wie lange dauert die Transkription einer Stunde Audio?+
Die Dauer hängt vom Modell und vom Rechner ab. Der von faster-whisper veröffentlichte Benchmark nennt 1 Min. 42 s für 13 Minuten Audio mit dem Modell small in int8 auf einem Intel Core i7-12700K und 1 Min. 03 s mit large-v2 auf einer RTX 3070 Ti. Per einfachem Dreisatz (60 ÷ 13 ≈ 4,6) würde eine Stunde Audio auf vergleichbaren Rechnern etwa 8 bzw. 5 Minuten benötigen: Das ist eine Schätzung, kein veröffentlichter Messwert.
Kann man Whisper, Buzz oder Vibe beruflich nutzen?+
Ja. Whisper veröffentlicht seinen Code und seine Gewichte unter der MIT-Lizenz, und auch Buzz und Vibe stehen unter der MIT-Lizenz, was eine kommerzielle Nutzung erlaubt. Bei sensiblen Daten verhindert die lokale Transkription, dass die Aufnahme an einen Dienstleister gesendet wird, die Einwilligung der aufgenommenen Personen ist jedoch weiterhin erforderlich.
Braucht man eine Grafikkarte, um Audio in Text zu transkribieren?+
Nein. Laut whisper.cpp läuft das Whisper-Modell small allein auf dem Prozessor mit weniger als 1 GB Arbeitsspeicher. Eine NVIDIA-Grafikkarte oder ein Mac mit Apple Silicon beschleunigt die Transkription und ermöglicht die komfortable Nutzung von turbo, das mit openai/whisper etwa 6 GB Videospeicher benötigt.

#Quellen und Überprüfung vom 18. November 2026

Die genannten Versionen, Lizenzen, Funktionen, Speicheranforderungen und Kontingente wurden am 18. November 2026 in den offiziellen Repositorys der Projekte sowie auf den Hilfe- und Preisseiten der Anbieter erhoben; die Kontingente der Onlinedienste und die Softwareversionen können sich jederzeit ändern.

Hat Ihnen dieser Guide geholfen?

Haben Sie Feedback, einen Fehler entdeckt oder möchten Sie etwas präzisieren? Geben Sie uns Bescheid – so wird der Guide für alle besser.