Video transkribieren kostenlos: Video in Text umwandeln, ohne es hochzuladen

Um ein Video kostenlos zu transkribieren, lässt du OpenAIs Whisper auf deinem eigenen Rechner laufen. Es liest die Videodatei direkt, versteht rund 100 Sprachen, kennt kein Minutenlimit und exportiert reinen Text oder Untertiteldateien. Du steuerst es über die Kommandozeile, über eine kostenlose App wie Buzz oder Subtitle Edit oder über eine Desktop-App wie Sablate.

Die Onlineseiten für „Video zu Text kostenlos“ funktionieren ebenfalls, rationieren aber: drei Dateien pro Tag, je dreißig Minuten, dazu ein Konto und ein Upload. Unten findest du die drei lokalen Wege, was sie dich an Einrichtung kosten und wie du ein Transkript bekommst, das keine Stunde Nacharbeit braucht.

Warum kostenlose Online-Transkribierer an eine Grenze stoßen

Jede Minute Spracherkennung kostet jemanden GPU-Zeit. Wenn du ein Video auf eine Transkriptionsseite hochlädst, ist dieser Jemand die Seite selbst, und der kostenlose Tarif ist deshalb eine Probe mit Zähler.

Die Zähler sehen in der ganzen Kategorie ähnlich aus. TurboScribe, einer der großzügigsten Anbieter, erlaubt kostenlosen Nutzern drei Transkriptionen pro Tag, bis zu 30 Minuten pro Datei und einen Upload zur Zeit; längere Dateien und unbegrenzte Nutzung gibt es nur im Tarif Unlimited, für rund $10 im Monat bei jährlicher Abrechnung. Andere Dienste begrenzen den kostenlosen Tarif auf wenige Minuten Audio, versehen den Export mit einem Wasserzeichen oder halten SRT und DOCX zurück, bis du zahlst. Unfair ist das alles nicht. Es ist schlicht die Rechnung beim Vermieten von GPUs.

Lässt du dasselbe Modell auf deinem eigenen Rechner laufen, kippt die Rechnung. Dein Computer bezahlt die Rechenleistung, also muss niemand sie zählen. Der Preis dafür: Du stellst Hardware und Geduld. Ein Laptop ohne eigene GPU transkribiert langsam, und beim ersten Start wird ein Modell zwischen etwa 78 MB und 3 GB heruntergeladen.

Die Engine ist oft dieselbe. TurboScribe gibt an, auf Whisper aufzubauen, und viele Konkurrenten tun das auch. Eine kostenlose lokale und eine bezahlte Cloud-Transkription können aus demselben Modell kommen. Der eigentliche Unterschied ist, wem die GPU gehört und wohin die Datei geht.

Die drei lokalen Wege, ein Video kostenlos zu transkribieren

1. Die Whisper-Kommandozeile. Kostenlos, unbegrenzt, jedes Modell. Braucht Python und FFmpeg und liefert Dateien statt eines Editors.
2. Eine kostenlose Whisper-App: Buzz oder Subtitle Edit. Kostenlos, unbegrenzt, ein Fenster statt eines Terminals. Beim Bearbeiten eher schlicht.
3. Sablate. Eine Desktop-App, die darauf ausgelegt ist, das Transkript zu korrigieren und in mehreren Sprachen zu Untertiteln zu machen. Kostenlos mit Grenzen, $29 einmalig für die Vollversion.

Alle drei lassen das Video auf deiner Festplatte.

Methode 1: Whisper über die Kommandozeile

Die Referenzimplementierung ist das Paket openai-whisper von OpenAI. Es braucht Python 3 und FFmpeg, mit dem Whisper das Audio aus der Videodatei holt.

Installiere zuerst FFmpeg. Unter Windows:

winget install Gyan.FFmpeg

Unter macOS mit Homebrew:

brew install ffmpeg

Dann installierst du Whisper und transkribierst:

pip install -U openai-whisper
whisper "interview.mp4" --model turbo --language en --output_format txt

Das schreibt interview.txt in das Verzeichnis, in dem du den Befehl ausgeführt hast. Ersetze txt durch srt oder vtt, um die Zeitangaben zu behalten, oder nimm all, um alle Formate auf einmal zu erhalten. --model turbo ist large-v3-turbo; auf einem Rechner ohne GPU ist --model small in einem Bruchteil der Zeit fertig.

Die Einschränkungen sind real:

• Unter Windows installiert pip eine CPU-Version von PyTorch. Um eine NVIDIA-GPU zu nutzen, musst du PyTorch aus dem CUDA-Index auf pytorch.org neu installieren, und damit vergeht bei den meisten der erste Abend.
• Es gibt keinen Editor. Du bekommst eine Textdatei. Zum Korrigieren öffnest du sie in einem Texteditor und hörst dir das Video in einem anderen Fenster an.
• Stille und Musik können erfundenen Text erzeugen. Whisper wiederholt manchmal eine Zeile oder schreibt „Thanks for watching“ über eine ruhige Passage. Unser Leitfaden zu Whisper-Halluzinationen erklärt, warum das passiert und welche Einstellungen es verringern.

Wenn du dich im Terminal wohlfühlst, ist das die flexibelste kostenlose Option, die es gibt, und mit einer einzeiligen Schleife lässt sie sich auf einen ganzen Ordner voller Dateien ausweiten.

Methode 2: Eine kostenlose Whisper-App (Buzz oder Subtitle Edit)

Wenn du lieber klickst als tippst, packen zwei kostenlose Apps dieselben Modelle in ein Fenster.

Buzz ist eine quelloffene (MIT) Transkriptions-App für Windows, macOS und Linux. Du importierst ein Video, wählst Modell und Sprache, drückst auf Run und exportierst TXT, SRT oder VTT. Buzz kann mehrere Engines nutzen, darunter faster-whisper und whisper.cpp, unterstützt GPU-Beschleunigung und kann Sprecher kennzeichnen. Der Windows-Installer ist nicht codesigniert, deshalb zeigt Windows eine SmartScreen-Warnung, die du wegklicken musst.

Subtitle Edit ist der altbewährte kostenlose Untertitel-Editor für Windows, mit einem macOS-Build in der Beta. Im Menü „Video“ gibt es die Option Audio to text (Whisper), die Engine und Modell für dich herunterlädt, transkribiert und das Ergebnis in einem vollwertigen Timing-Editor öffnet. Das Programm liest und schreibt mehr Untertitelformate als jedes andere Werkzeug, und du kannst das Ergebnis als reinen Text speichern, wenn du nur die Worte willst.

Beide sind ausgezeichnet, beide kostenlos und ohne Limits. Der Aufwand steckt vor allem in der zweiten Hälfte der Arbeit: Buzz liefert einen Transkript-Viewer mit Wiedergabe und Suche, aber wenig für das Untertitel-Timing, und Subtitle Edit liefert einen mächtigen Editor, der voraussetzt, dass du schon weißt, was eine Untertitelzeile, eine Bildrate und ein Untertitelformat sind.

Methode 3: Eine Desktop-App wie Sablate

Sablate lässt faster-whisper lokal unter Windows und Mac laufen und ist auf das ausgelegt, was nach der Transkription kommt: sie korrigieren und zu Untertiteln machen.

1. Ziehe die Videodatei in die App und wähle die gesprochene Sprache und eine Modellstufe: Fast, Balanced, Accurate (large-v3-turbo) oder Best (large-v3).
2. Das Transkript öffnet sich in einem Editor, in dem jede Zeile an ihre Stelle im Video gekoppelt ist. Klicke auf eine Zeile, um sie anzuhören, und korrigiere sie direkt dort.
3. Trage Namen und Produktbegriffe vor dem Transkribieren ins Glossar ein und nutze Suchen und Ersetzen (Ctrl+H), um ein falsch verstandenes Wort überall auf einmal zu korrigieren.
4. Exportiere .txt oder kopiere den Text, oder exportiere .srt und .vtt. Braucht das Video Untertitel in weiteren Sprachen, fügst du demselben Transkript Übersetzungsebenen hinzu, statt noch einmal zu transkribieren.

Der kostenlose Tarif gilt dauerhaft und braucht kein Konto, ist aber die am stärksten begrenzte der lokalen Optionen hier: Videos bis zu 10 Minuten, drei Aufträge pro Monat und die Modelle Fast und Balanced. Dein erstes längeres Video läuft einmal in voller Länge durch. Wenn du immer nur ein einziges langes Transkript brauchst, erledigen Buzz oder die Kommandozeile das umsonst, und das ist die ehrliche Empfehlung.

Seinen einmaligen Pro-Preis von $29 verdient Sablate bei großen Mengen und mit dem Editor: unbegrenzte Länge, jedes Whisper-Modell, Stapeltranskription und der Export aller Sprachen eines Videos mit einem Klick.

Kostenlose Tools zur Videotranskription im Vergleich

Preise und Limits laut Veröffentlichung im Oktober 2026. Das Muster gilt für die ganze Kategorie: Kostenlose lokale Werkzeuge haben keinen Zähler, Onlinewerkzeuge brauchen keine Installation, und genau diese Bequemlichkeit bezahlst du in Minuten.

Ist kostenloses Whisper so genau wie bezahlte Transkription?

Bei klarer Sprache ist die Genauigkeit einer kostenlosen lokalen Transkription die Genauigkeit des gewählten Modells, nicht die des bezahlten Preises. Ein bezahlter Dienst mit large-v3 und dein Laptop mit large-v3 erzeugen aus demselben Audio nahezu identischen Text.

Die Modellwahl zählt weit mehr als das Werkzeug. large-v3-turbo ist large-v3 mit einem von 32 auf 4 Schichten gekürzten Decoder: etwa achtmal schneller, mit einem Unterschied im fertigen Transkript, der bei gewöhnlichem Material klein ausfällt. tiny und small sind schnell, lassen aber bei Akzenten, durcheinandersprechenden Stimmen und schnellem Sprechen Wörter aus. Unser Whisper-Modellvergleich nennt Größen und Geschwindigkeiten und dokumentiert einen Fall, in dem das größere Modell Sprache übersprang, die ein kleineres erfasst hatte.

Drei Dinge behebt keine Engine für dich, ob kostenlos oder bezahlt:

1. Eigennamen und Fachbegriffe. Whisper schreibt einen unbekannten Nachnamen lautmalerisch und jedes Mal anders. Ein Glossar hilft am meisten am Anfang einer Datei, wo das Modell es als Kontext liest; ein Durchlauf mit Suchen und Ersetzen fängt den Rest ab.
2. Stille und Musik. In langen ruhigen Passagen tauchen halluzinierte Zeilen auf. Schneide Leerlauf heraus oder prüfe diese Stellen zuerst.
3. Sich überlagernde Sprecher. Whisper schreibt einen einzigen Textstrom und kennzeichnet nicht, wer was gesagt hat. Buzz ergänzt einen Schritt zur Sprechererkennung, und bezahlte Dienste bieten Sprecherkennzeichnung; Sablate und die Whisper-Kommandozeile nicht.

Bezahlte Dienste gewinnen weiterhin bei zwei Dingen: Sie laufen auf dem Smartphone, und manche ergänzen Sprecherkennzeichnung und Zusammenfassungen. Brauchst du beides nicht, ist das Bezahlen optional.

Welche Methode passt zu dir?

„Ich brauche einmal ein Transkript und fühle mich im Terminal wohl.“ Nimm die Whisper-Kommandozeile mit --model turbo, wenn du eine GPU hast, und mit --model small, wenn nicht.

„Ich will eine kostenlose App und fasse nie ein Terminal an.“ Installiere Buzz. Es ist kostenlos, ohne Limits, und exportiert die Formate, die du brauchst.

„Ich brauche tatsächlich Untertitel, und das Timing muss stimmen.“ Nimm Subtitle Edit, wenn du dich mit Untertitelbearbeitung schon auskennst, oder Sablate, wenn du Transkript, Korrekturen und Untertitel an einem Ort willst. Unser Leitfaden zum Erstellen einer SRT-Datei erklärt in beiden Fällen die Formatregeln.

„Ich bin am Smartphone, oder das Video ist kurz und nicht vertraulich.“ Der kostenlose Tarif eines Onlinewerkzeugs ist der schnellste Weg. Drei Dateien pro Tag reichen für gelegentliche Nutzung völlig aus.

„Das Video liegt schon auf YouTube, und ich muss es nur lesen.“ Das Transkript-Fenster von YouTube („Transkript anzeigen“) ist für Videos mit Untertiteln kostenlos und sofort da. Du brauchst kein Werkzeug.

„Ich transkribiere jede Woche, oder das Video braucht danach Untertitel in weiteren Sprachen.“ Genau dafür ist Sablate gebaut: unbegrenzte Länge in Pro, ein echter Editor und Übersetzungsebenen auf demselben Transkript.

So bekommst du gleich beim ersten Mal ein sauberes Transkript

Der Großteil der Nacharbeit entsteht durch vier vermeidbare Fehler.

Lege die Sprache ausdrücklich fest. Die automatische Erkennung hört nur die ersten 30 Sekunden. Beginnt ein Video mit Musik oder einer Begrüßung in einer anderen Sprache, wird es in der falschen Sprache transkribiert oder kommt teilweise ins Englische übersetzt heraus, eine bekannte Eigenheit von Whisper.

Nimm das größte Modell, das dein Rechner komfortabel schafft. Der Wechsel von small auf large-v3-turbo beseitigt mehr Fehler als jede Nachbearbeitung, und auf einer GPU kostet er kaum Zeit.

Korrigiere zuerst die Namen. Korrigiere das Transkript, bevor du Untertitel exportierst oder übersetzt. Ein einmal an der Quelle behobener Name ist in jeder Datei behoben, die du daraus erzeugst.

Halte TXT und SRT auseinander. TXT ist zum Lesen, SRT fürs Timing. Falls du später vielleicht Untertitel brauchst, exportiere jetzt gleich auch SRT, denn die Zeitangaben aus einer reinen Textdatei neu aufzubauen, ist die langsamste Arbeit im ganzen Ablauf.

Fang mit einem Video und dem Werkzeug an, das oben zu deiner Situation passt. Wenn du Transkript, Korrekturen und Untertitel in einem Fenster willst, lade Sablate herunter, für Windows oder Mac; der kostenlose Tarif braucht kein Konto.

Häufig gestellte Fragen

Kann ich ein Video komplett kostenlos in Text umwandeln?

Ja. OpenAIs Whisper ist kostenlos, quelloffen und läuft auf einem normalen Windows- oder Mac-Rechner, es gibt also weder eine Gebühr pro Minute noch ein Tageslimit. Kostenlose Onlinedienste rationieren dagegen meist: Der kostenlose Tarif von TurboScribe erlaubt zum Beispiel drei Dateien pro Tag mit je bis zu 30 Minuten. Lokal ist die einzige Grenze, wie lange du warten willst.

Ist kostenloses Whisper genau genug, um bezahlte Transkription zu ersetzen?

Bei klarer Sprache meistens ja. Mehrere bezahlte Transkriptionsdienste setzen selbst Whisper ein, der Preis ändert also selten die Engine. Die Genauigkeit hängt an der Modellgröße: large-v3-turbo und large-v3 sind bei Akzenten, Störgeräuschen und schnellem Sprechen deutlich besser als tiny oder small. Namen und Fachbegriffe musst du bei jeder Engine korrigieren, ob kostenlos oder bezahlt.

Brauche ich eine GPU, um Videos mit Whisper zu transkribieren?

Nein. Whisper läuft auch auf der CPU, nur langsamer. Eine NVIDIA-GPU ist in der Regel fünf- bis zehnmal schneller als derselbe Rechner auf der CPU, und genau das macht die großen Modelle für lange Aufnahmen praktikabel. Ohne GPU ist das Modell small die realistische Alltagswahl, und turbo lässt du einfach nebenbei durchlaufen.

Kann ich ein Video transkribieren, ohne es irgendwo hochzuladen?

Ja. Ein lokales Whisper-Werkzeug liest die Videodatei von deiner eigenen Festplatte, extrahiert das Audio und transkribiert es auf deinem Rechner, die Datei verlässt ihn also nie. Das Modell selbst wird einmal heruntergeladen, danach brauchst du keine Internetverbindung mehr. Online-Transkriptionsdienste benötigen dagegen systembedingt zuerst den Upload der Datei auf ihre Server.

Soll ich mein Transkript als TXT oder als SRT exportieren?

Exportiere TXT, wenn du die Worte lesen, zitieren oder bearbeiten willst, und SRT oder VTT, wenn du die Zeitangaben brauchst, etwa für Untertitel oder um eine Stelle im Video wiederzufinden. Beide Formate stammen aus derselben Transkription, du musst dich also nicht vorab entscheiden. Die meisten Whisper-Werkzeuge exportieren beide Formate in einem einzigen Durchlauf.

Ist Sablate für die Transkription kostenlos?

Ja, dauerhaft und ohne Konto, aber mit Grenzen. Der kostenlose Tarif umfasst Videos bis zu zehn Minuten, drei Aufträge pro Monat, die Whisper-Modelle Fast und Balanced sowie den Export als TXT, SRT und VTT. Dein erstes längeres Video läuft in voller Länge durch. Pro kostet einmalig $29, hebt die Limits für Länge und Aufträge auf und ergänzt die Modelle Accurate und Best.