Video transkribieren: so wird aus jedem Video ein Text
Um ein Video zu transkribieren, lädst du die Datei in Klang hoch, etwa eine MP4 aus Teams oder Zoom, ein Webinar oder ein Video vom Smartphone. Klang wandelt die Tonspur in Text um, trennt die Sprecher und erstellt eine Zusammenfassung. Brauchst du Untertitel, wählst du das Untertitel-Format und exportierst SRT oder VTT. Hier stehen die Schritte, die Formate und die Einstellungen, die das Ergebnis besser machen.
01
Video in Text umwandeln: vier Schritte
Der Weg ist für jedes Video gleich, ob Schulungsaufzeichnung, Kundeninterview oder Vortrag. Du brauchst nur die Videodatei; ein Umwandeln in MP3 vorher ist nicht nötig.
- In Klang unten in der Seitenleiste auf „Neu hochladen“ klicken und „Datei-Upload“ wählen
- Das Video in den Upload-Bereich ziehen, gern mehrere Dateien auf einmal, und einen Zielordner wählen
- Optional unter „Erweitert“ die Sprache, die Zahl der Sprecher und das Format festlegen: Transkription oder Untertitel
- Auf „Hochladen“ klicken. Nach der Verarbeitung bekommst du eine Benachrichtigung und findest Transkript, Zusammenfassung und Kernpunkte im Ordner
02
Welche Videoformate funktionieren?
Klang nimmt Videos als MP4, MOV, WEBM, AVI und MKV an, bis 10 GB pro Datei. Damit sind die üblichen Quellen abgedeckt: Aufzeichnungen aus Microsoft Teams und Zoom liegen meist als MP4 vor, iPhone-Videos als MOV, Bildschirmaufnahmen je nach Programm als MP4 oder WEBM.
Transkribiert wird die Tonspur, also alles, was gesprochen wird. Text, der nur im Bild steht, etwa auf Folien, taucht im Transkript nicht auf. Liegt das Video öffentlich auf YouTube, musst du es nicht herunterladen: Dafür gibt es den Import per Link, den wir in der Anleitung zum YouTube-Video-Transkribieren beschreiben.
03
Transkript oder Untertitel: welches Format brauchst du?
Vor dem Upload entscheidest du, wie Klang den Text gliedert. „Transkription“ liefert den vollständigen Text mit Sprecherbezeichnungen und längeren Abschnitten, die bei jedem Sprecherwechsel getrennt werden. Das ist das richtige Format für Protokolle, Zitate und Auswertungen. „Untertitel“ liefert kürzere, zeitgesteuerte Abschnitte, gedacht für Präsentationen, Vorträge und Videos, die du untertiteln willst.
Beim Herunterladen wählst du das Dateiformat: Word mit Sprechern und Zeitmarken, Excel mit einer Zeile pro Abschnitt, SRT, VTT oder Avid-TXT für Untertitel, außerdem TXT, HTML, CSV und JSON. Die Untertiteldatei lädst du anschließend in deinem Schnittprogramm oder Videoportal hoch. Den Export als Word, Excel, SRT und VTT gibt es im Pro-Tarif.
04
Teams- und Zoom-Aufzeichnungen transkribieren
Eine Teams-Aufzeichnung liegt laut Microsoft meist im OneDrive der Person, die das Meeting organisiert hat, bei Kanalbesprechungen auf der SharePoint-Seite des Teams. Von dort lädst du die MP4 herunter und in Klang hoch. Bei Zoom findest du lokale Aufzeichnungen im Zoom-Ordner auf deinem Rechner oder Cloud-Aufzeichnungen in deinem Zoom-Konto.
Für künftige Meetings sparst du dir den Umweg: Der Klang-Assistent nimmt an Teams, Zoom und Google Meet teil, sichtbar für alle, und das Transkript entsteht direkt aus dem Meeting. Mit verbundenem Kalender tritt er Terminen automatisch bei. Der Assistent ist auch im kostenlosen Tarif enthalten.
05
So wird das Transkript genauer
Die Qualität des Transkripts hängt vor allem am Ton, nicht am Bild. Diese Einstellungen und Gewohnheiten machen den größten Unterschied:
- Sprache von Hand wählen, wenn das Video kurz ist oder mit starkem Akzent gesprochen wird. Bei mehrsprachigen Videos bleibt „Automatisch“ stehen, dann erkennt Klang die Sprache abschnittsweise
- Die Zahl der Sprecher festlegen (1 bis 10), wenn Stimmen ähnlich klingen oder viele Personen sprechen
- Namen und Fachbegriffe als Wortliste hinterlegen, damit Produktnamen und Abkürzungen richtig geschrieben werden (Pro-Tarif)
- Bei eigenen Aufnahmen ein Mikrofon nah an der sprechenden Person nutzen; Raumhall und Musik unter der Sprache kosten mehr Genauigkeit als eine schlechte Kamera
- Zweifelhafte Stellen im Editor prüfen: Jede Zeile ist mit ihrer Stelle in der Aufnahme verknüpft, du hörst den Satz mit einem Klick nach
06
Mehrere Videos auswerten, nicht nur abtippen
Ein Transkript ist oft nur der Zwischenschritt. In Klang stellst du Fragen an das Video, etwa „Welche Termine wurden genannt?“, und bekommst die Antwort mit Verweis auf die Stelle. Mit einer Analyse wertest du mehrere Dateien zusammen aus, zum Beispiel alle Aufzeichnungen einer Schulungsreihe oder zehn Kundeninterviews, und lässt dir wiederkehrende Themen und Widersprüche zeigen.
07
Darf ich das Video transkribieren?
Eigene Videos und Aufzeichnungen, an denen du mitgewirkt hast, kannst du transkribieren. Zeigt das Video ein internes Meeting, gelten dieselben Regeln wie für die Aufzeichnung selbst: Alle Beteiligten sollten Bescheid wissen und einverstanden sein. Teams benachrichtigt die Teilnehmenden automatisch, sobald jemand aufzeichnet. Was beim Aufzeichnen erlaubt ist, steht in unserem Ratgeber zum Meeting-Aufzeichnen.
Bei fremden Videos ist das Transkript für deine eigene Arbeit unproblematischer als seine Veröffentlichung: Reden und Vorträge sind nach § 2 UrhG als Sprachwerke geschützt. Wer ein vollständiges Transkript eines fremden Vortrags ins Netz stellen will, braucht dafür in der Regel die Zustimmung der Rechteinhaber. Diese Seite ist keine Rechtsberatung.
Drei Wege, ein Video in Text umzuwandeln
Welcher Weg passt, hängt davon ab, wo das Video liegt und was du mit dem Text vorhast:
| YouTube-Transkript | Lokales Modell (z. B. Whisper) | Klang | |
|---|---|---|---|
| Für welche Videos | Öffentliche YouTube-Videos mit Untertiteln | Jede Datei auf deinem Rechner | Jede Datei bis 10 GB, dazu YouTube-Links und Live-Meetings |
| Einrichtung | Keine | Installation, Kommandozeile oder Zusatzprogramm, ausreichend Rechenleistung | Keine, läuft im Browser |
| Sprecher getrennt | Nein | Nicht ohne Zusatzwerkzeuge | Ja |
| Untertiteldatei | Nicht als Download beschrieben | Je nach Programm | SRT, VTT, Avid-TXT (Pro) |
| Zusammenfassung und Fragen an den Inhalt | Nein | Nein | Ja |
| Wo die Daten verarbeitet werden | Bei YouTube | Auf deinem Gerät | In der EU, nie für KI-Training verwendet |
Stand November 2026. Funktionen von Drittanbietern ändern sich; prüfe den aktuellen Stand vor der Entscheidung.
Beispiel: aus einer Schulungsaufzeichnung wird ein Dokument
So sieht das Ergebnis für eine erfundene, 45-minütige Teams-Schulung zum neuen Reisekostenprozess aus:
- Datei und Einstellungen
- schulung-reisekosten.mp4, 1,2 GB. Sprache: Deutsch. Sprecher: automatisch. Format: Transkription.
- Transkript (Auszug)
- [00:12:41] Sabine Wolf: Ab dem 1. Januar reicht ihr Belege nur noch über das Portal ein, Papierbelege nehmen wir dann nicht mehr an. [00:12:55] Teilnehmer 3: Gilt das auch für Taxiquittungen? [00:12:58] Sabine Wolf: Ja, einfach fotografieren und hochladen.
- Zusammenfassung
- Ab 1. Januar läuft die Reisekostenabrechnung ausschließlich über das Portal. Belege werden fotografiert und hochgeladen, die Freigabe übernimmt die direkte Führungskraft.
- Untertitel (SRT, Auszug)
- 128 · 00:12:41,000 --> 00:12:44,500 · Ab dem 1. Januar reicht ihr Belege nur noch über das Portal ein,
- Frage an den Inhalt
- „Bis wann müssen Belege eingereicht werden?“ Antwort: innerhalb von 30 Tagen nach der Reise (bei 00:21:07).
Für Teams, Schulung und Forschung
Videos hochladen, Text und Untertitel bekommen
Klang ist eine europäische KI für Transkription und Protokolle, entwickelt in Schweden. Du lädst Videos hoch oder lässt den Assistenten an Meetings teilnehmen und bekommst Transkript, Zusammenfassung und Antworten auf deine Fragen. Die Daten werden in der EU verarbeitet und nie zum Training von KI-Modellen verwendet.
- MP4, MOV, WEBM, AVI und MKV bis 10 GB, mehrere Dateien auf einmal
- 19 Sprachen, auch gemischt in einem Video
- Export als Word, Excel, SRT oder VTT im Pro-Tarif
- ISO-27001-zertifiziert, gehostet in der EU
Häufige Fragen zum Video-Transkribieren
Wie kann ich ein Video in Text umwandeln?
Lade die Videodatei in Klang hoch, etwa als MP4 oder MOV. Klang transkribiert die Tonspur, trennt die Sprecher und erstellt eine Zusammenfassung. Das Transkript liest du im Browser oder lädst es als Datei herunter.
Kann ich ein Video kostenlos transkribieren?
Ja. Im kostenlosen Tarif von Klang lädst du Videos hoch und bekommst Transkript und Zusammenfassung; sichtbar bleibt dort der Verlauf der letzten 30 Tage. Der Pro-Tarif ergänzt unter anderem den Export als Word, Excel, SRT und VTT, Wortlisten und die Sprechererkennung über alle Gespräche.
Wie erstelle ich Untertitel aus einem Video?
Wähle beim Upload unter „Erweitert“ das Format „Untertitel“. Klang teilt den Text dann in kurze, zeitgesteuerte Abschnitte. Danach exportierst du eine SRT- oder VTT-Datei und lädst sie in dein Videoportal oder Schnittprogramm.
Wie lange dauert es, ein Video zu transkribieren?
Laut Klang-Hilfe dauert die Verarbeitung je nach Länge der Datei normalerweise 5 bis 15 Minuten. Bei sehr langen Dateien oder hoher Auslastung kann es länger dauern. Du bekommst eine Benachrichtigung, wenn das Transkript fertig ist.
Wie groß darf das Video sein?
Bis 10 GB pro Datei. Damit passen auch mehrstündige Aufzeichnungen in hoher Auflösung. Du kannst mehrere Videos gleichzeitig hochladen.
Kann Klang ein YouTube-Video transkribieren?
Ja, per Link, ohne Download. Das funktioniert mit öffentlichen Videos. Wie das geht und wann YouTubes eigenes Transkript reicht, steht in unserer Anleitung zum YouTube-Video-Transkribieren.
Wird auch Text erkannt, der im Video eingeblendet ist?
Nein. Klang transkribiert, was gesprochen wird. Text auf Folien oder Einblendungen erscheint nicht im Transkript.
Quellen
Abgerufen am 5. November 2026.