Transkribiere Audio und Video in Text
Lade eine Aufnahme oder ein Video hoch, und das Modell Whisper macht aus der Sprache Text mit Zeitstempeln.
Die Datei geht an den Pixelift-Server in der EU, transkribiert wird sie vom Modell Whisper bei unserem Anbieter Replicate (USA), der auf der Liste der Auftragsverarbeiter steht.
Ein fehlgeschlagener Auftrag kostet nichts – Credits kommen automatisch zurück. Foto- und Videoergebnisse bewahren wir 30 Tage auf, Gastdateien löschen wir nach 14 Tagen.
Credit-Pakete ab 1,49 USD, einmalig. Credits verfallen nie, ein Abo ist nicht nötig.
KI-gestützte Transkription
Du lädst ihn als TXT oder als SRT-Untertitel herunter.
- 50 MB Audio oder Video
- TXT und SRT-Untertitel
- 0,5 Credits pro Datei
- Betriebsbereit
- 0.5 cr · Whisper
So funktioniert es
- Schritt 1
Datei hochladen
Wähle eine Audiodatei oder ein Video bis 50 MB. Für die Transkription brauchst du ein Konto.
- Schritt 2
Whisper transkribiert
Das Modell Whisper macht aus der Sprache Text und teilt ihn in Abschnitte mit Zeitstempeln.
- Schritt 3
Erhalte deinen Text
Kopiere die Transkription, lade sie als TXT herunter oder exportiere SRT-Untertitel.
Was ist Sprache zu Text?
Sprache zu Text ist ein KI-Tool von Pixelift, das ohne Installation im Browser läuft. Lade eine Aufnahme oder ein Video hoch, und das Modell Whisper macht aus der Sprache Text mit Zeitstempeln. Du lädst ihn als TXT oder als SRT-Untertitel herunter. Engine: Whisper. Kosten: 0,5 Credits pro Ergebnis; Credits werden einmalig in Paketen ab 1,49 $ gekauft, ohne Abo, und sie verfallen nie. Dateien landen auf unserem Server in der EU; nutzt das Tool ein KI-Modell, läuft es bei einem Anbieter aus unserer Liste der Unterauftragsverarbeiter. Wir trainieren nie Modelle damit.
Was du bekommst
Sprache erkannt oder gewählt
Whisper erkennt die Sprache der Aufnahme selbst. Du kannst auch eine von 20 Sprachen aus der Liste wählen, etwa Polnisch, Englisch, Deutsch, Ukrainisch oder Japanisch.
Audio und Video
Lade MP3, WAV, FLAC, OGG, M4A, AAC oder WebM hoch, oder ein Video als MP4, MOV, WebM, MKV oder AVI. Aus einem Video ziehen wir auf unserem Server nur die Tonspur.
SRT-Untertitel
Die Textabschnitte haben Zeitstempel, aus denen wir eine SRT-Datei für den Videoschnitt und die Veröffentlichung von Untertiteln bauen.
Anwendungsfälle
Transkription für jeden Workflow
Video-Untertitel
Erstelle SRT-Dateien für YouTube, TikTok und soziale Medien. Prüfe den Text vor dem Veröffentlichen, denn automatische Transkription kann sich irren.
Podcast-Notizen
Mach aus einer Podcast-Folge durchsuchbaren Text für Shownotes oder einen Artikel.
Besprechungsprotokolle
Lade die Aufnahme einer Besprechung hoch und erhalte Text für deine Notizen. Whisper unterscheidet keine Sprecher, wer was gesagt hat, ergänzt du selbst.
Content-Wiederverwertung
Nutze eine Aufnahme als Ausgangspunkt für einen Artikel, einen Social-Media-Beitrag oder eine Dokumentation.
Häufige Fragen
Wie genau ist die Transkription?
Am besten funktioniert klare Sprache ohne Störgeräusche und ohne sich überlagernde Stimmen. Prüfe Eigennamen und Fachbegriffe vor dem Veröffentlichen.
Welche Dateien werden unterstützt?
Audio: MP3, WAV, FLAC, OGG, M4A, AAC und WebM. Video: MP4, MOV, WebM, MKV und AVI. Bis 50 MB pro Datei.
Kann ich SRT-Untertitel herunterladen?
Ja. Wenn die Transkription Zeitstempel hat, erscheint neben Kopieren und TXT-Download ein Button zum Herunterladen der SRT-Untertitel.
Welche Sprachen werden unterstützt?
Whisper erkennt die Sprache selbst. Du kannst auch eine von 20 Sprachen aus der Liste wählen, das hilft, wenn die automatische Erkennung danebenliegt.
Was kostet die Transkription?
Einen festen Preis pro Datei, egal wie lang die Aufnahme ist (bis 50 MB). Der Preis steht auf dem Button, und wenn die Transkription fehlschlägt, bekommst du die Credits zurück.
Mehr Werkzeuge
Video & Audio
Text zu Sprache
12 Stimmen von ElevenLabs v3, Polnisch und 6 weitere Sprachen zur Auswahl.
1-6 kr
Gesang und Instrumente trennen
Teile einen Song in Gesang, Schlagzeug, Bass und den Rest.
1-10 kr
- Beliebt
AI-Bildgenerator
Beschreibe, was du sehen willst — und erhalte in Sekunden ein fertiges Bild.
0.5-7 kr
- Beliebt
KI-Upscaler
Kleines oder weiches Foto groß und scharf, bis 8×. Meist 17 Sekunden.
1-4 kr
Foto-Kolorierung
Schwarz-Weiß-Fotos bekommen natürliche Farben. Meist etwa 40 Sekunden.
1.5 kr
Bereit zum Transkribieren?
Lade eine Aufnahme oder ein Video hoch und erhalte Text mit Zeitstempeln. Ohne Installation: Die Datei wird auf unserem Server verarbeitet.
Aufruf aus dem Code
Ein Endpoint, Schlüssel im Header. Dasselbe Werkzeug wie auf dieser Seite — ohne Browser.
curl -X POST https://pixelift.pl/api/v1/generations \
-H "Authorization: Bearer pk_live_..." \
-H "Idempotency-Key: $(uuidgen)" \
-F "tool=speech-to-text" \
-F "audio=@nagranie.mp3" \
-F "language=polish"Antwort: { "id": "cmk8…", "tool": "speech-to-text", "status": "succeeded", "assets": [{ "kind": "output", "url": "/uploads/…" }], "result": { "text": "…", "creditsUsed": 0.5 } }
Ein erneuter Aufruf mit demselben Idempotency-Key-Header wird nie doppelt berechnet; Status und Ereignisstream liegen unter /api/v1/generations/{id}. Die direkte Route des Tools funktioniert weiterhin: POST /api/ai-audio/speech-to-text
Felder der Anfrage
tool | string | erforderlich | Narzedzie (v1) |
audio | file | erforderlich | Nagranie |
language | string | optional | Pelna nazwa jezyka po angielsku albo „None" dla autodetekcji |