Video transkribieren: Anleitung & 6 Tools im Vergleich

Video in Text umwandeln: die Kurzanleitung

1. Ton prüfen: Je klarer die Aufnahme, desto weniger musst du später korrigieren.
2. Datei hochladen oder Link einfügen: Alle hier verglichenen Tools nehmen Dateien an, einige auch YouTube-Links.
3. Sprache wählen: Stell die Originalsprache aktiv ein, statt dich auf eine automatische Erkennung zu verlassen.
4. Transkript korrigieren: Namen, Fachbegriffe und Zahlen gegenlesen, Sprecher benennen.
5. Exportieren: DOCX oder TXT für Fließtext, SRT oder VTT für Untertitel.

Alle Preise und Limits stammen von den offiziellen Preisseiten der Anbieter, Stand 27.09.2026. Wir haben die Tools nicht selbst hands-on getestet, sondern nach Herstellerangaben verglichen.

Worauf es beim Video-Transkribieren ankommt

Gratis-Kontingent und Länge pro Aufnahme. Viele Gratis-Stufen wirken großzügig, begrenzen aber die Länge einer einzelnen Datei oder die Zahl der Uploads. Bei Otter.ai sind es 30 Minuten pro Aufnahme und drei Datei-Importe insgesamt, bei Notta 3 Minuten pro Aufnahme. Für ein 45-minütiges Interview taugen beide Gratis-Stufen damit nicht.

Sprechererkennung. Bei Interviews und Diskussionen willst du sehen, wer was gesagt hat. Alle sechs Tools erkennen laut Hersteller mehrere Sprecher automatisch, die Namen trägst du in der Regel selbst ein.

Export. Für Artikel, Protokolle oder Abschlussarbeiten brauchst du DOCX oder TXT, für Untertitel SRT oder VTT. Genau hier trennen viele Anbieter Gratis- und Bezahltarif.

Datenschutz. Sobald im Video Kunden, Patienten oder Interviewpartner zu hören sind, verarbeitest du personenbezogene Daten. Achte auf den Serverstandort und einen Auftragsverarbeitungsvertrag (AVV). Wie du die Angaben einordnest, erklärt DSGVO bei KI-Tools.

Genauigkeit. Prozentangaben der Hersteller sind Werbeaussagen und hängen stark von der Tonqualität ab. Eine eigene Genauigkeitsangabe speziell für Deutsch haben wir bei keinem der sechs Anbieter gefunden. Sonix nennt für alle Sprachen eine Spanne von 85 bis 99 % je nach Audioqualität.

Die 6 Tools zum Video-Transkribieren im Vergleich

Anleitung: Video transkribieren Schritt für Schritt

1. Ton vorbereiten

Die KI schreibt nur auf, was sie versteht. Wenn du selbst aufnimmst, nutze ein externes Mikrofon statt des Laptop-Mikrofons, einen ruhigen Raum und bitte alle, nicht gleichzeitig zu sprechen. Sehr große Videodateien kannst du auch nur als Tonspur exportieren, etwa als MP3: Der Upload geht schneller, und für das Transkript zählt ohnehin nur der Ton.

2. Hochladen oder Link einfügen

Alle sechs Tools nehmen Audio- und Videodateien an. Transkriptor, Notta und Happy Scribe akzeptieren laut Hersteller zusätzlich YouTube-Links. Happy Scribe unterstützt laut Hilfe-Center außerdem Vimeo, Google Drive, Dropbox und Box; eingefügte Links müssen öffentlich sein.

3. Sprache und Sprecher festlegen

Wähle die gesprochene Sprache immer aktiv aus. Happy Scribe warnt im Hilfe-Center ausdrücklich, dass eine falsche Sprachwahl zu fehlerhaften oder leeren Ergebnissen führt. Deutsch unterstützen alle sechs Tools laut ihren offiziellen Seiten. Otter.ai transkribiert laut Preisseite allerdings nur sechs Sprachen (Englisch, Spanisch, Französisch, Deutsch, Japanisch, Chinesisch), Descript 25.

4. Transkript korrigieren

Im Editor des Tools hörst du unsichere Stellen nach und korrigierst sie direkt im Text. Prüfe vor allem Eigennamen, Fachbegriffe, Zahlen und Passagen, in denen Personen durcheinanderreden. Benenne die erkannten Sprecher, also etwa „Sprecher 1“ in „Interviewerin“. Bei vielen Fachbegriffen lohnt ein eigenes Wörterbuch, das Transkriptor zum Beispiel im Team-Tarif anbietet.

5. Exportieren

Für Fließtext wählst du DOCX oder TXT, für Untertitel SRT oder VTT, denn diese Formate enthalten Zeitstempel für jede Zeile. Descript exportiert Transkripte laut Hilfe-Center als .docx, .txt, .rtf, .md oder .html und Untertitel als .srt oder .vtt. Happy Scribe kann Untertitel auch fest ins Video einbrennen (MP4), im Gratis-Tarif allerdings mit Wasserzeichen.

Interview transkribieren: Darauf solltest du achten

Ein Interview stellt höhere Ansprüche als ein Erklärvideo, weil du später oft wörtlich zitierst.

• Einverständnis klären: Sag deinen Gesprächspartnern vorab, dass du aufnimmst und die Datei von einem externen Dienst transkribieren lässt.
• Sprecher sauber trennen: Die automatische Sprechererkennung funktioniert am besten, wenn sich die Stimmen deutlich unterscheiden und niemand dazwischenredet.
• Zeitstempel behalten: So findest du jedes Zitat schnell in der Aufnahme wieder.
• Vertrauliches in der EU verarbeiten: Transkriptor betreibt laut Sicherheitsseite alle Produktivserver und Backups in der EU und lässt dich eine automatische Löschfrist zwischen einer Minute und einem Jahr wählen. Der Anbieter selbst sitzt allerdings in Dubai. Happy Scribe nutzt ein Rechenzentrum in der EU, setzt für KI-Funktionen laut Nutzungsbedingungen und Datenschutzerklärung aber auch Sprachmodell-Anbieter wie OpenAI und Anthropic ein; Übermittlungen an Dienstleister außerhalb des EWR sind dort vorgesehen.
• Wichtige Zitate von Menschen prüfen lassen: Happy Scribe bietet von Menschen erstellte oder korrigierte Transkripte ab 1,75 EUR pro Minute an.

YouTube-Video transkribieren

Weg 1: YouTube selbst. Hat ein Video Untertitel, klickst du in der Videobeschreibung auf „Transkript anzeigen“. Das Transkript scrollt beim Abspielen mit, ein Klick auf eine Zeile springt zur Stelle im Video. Automatische Untertitel entstehen laut YouTube-Hilfe per maschinellem Lernen, ihre Qualität schwankt, und bei Videos mit mehreren Tonspuren entstehen sie nur in der Standardsprache. Für einen schnellen Überblick reicht das, für ein sauberes Dokument meist nicht.

Weg 2: Link in ein Transkriptionstool. Transkriptor, Notta und Happy Scribe nehmen YouTube-Links direkt an. Dann bekommst du ein bearbeitbares Transkript mit Sprechern, Suchfunktion und Export. Beachte bei Notta die Gratis-Grenze von 3 Minuten pro Aufnahme.

Willst du das Transkript eines fremden Videos veröffentlichen, kläre vorher die Rechte: Der gesprochene Text kann urheberrechtlich geschützt sein.

Die Tools einzeln

Transkriptor

Transkriptor bietet laut Preisseite viele Minuten für wenig Geld: Der Pro-Tarif enthält 2.400 Minuten im Monat für 19,99 USD monatlich oder 99,99 USD im Jahr (8,33 USD/Monat). Lite kostet 9,99 USD für 300 Minuten. Ungenutzte Minuten verfallen nach einem Monat. Die Server stehen laut Hersteller ausschließlich in der EU, Inhalte werden nicht zum KI-Training genutzt. Unklar bleibt der Gratis-Zugang: Die Startseite nennt bis zu 30 Minuten pro Tag, die Preisseite eine Option „Free – 90 Minutes“.

Sonix

Sonix passt, wenn du nur ab und zu transkribierst: Ohne Abo zahlst du 10 USD pro Stunde, Core kostet 25 USD im Monat für 5 Stunden. Zum Start gibt es 30 Gratis-Minuten ohne Kreditkarte. Zum Funktionsumfang gehören laut Preisseite Sprecherkennzeichnung, Zeitstempel, Textexporte als DOCX, PDF und TXT sowie Untertitel als SRT und VTT. Alle Daten liegen laut Sicherheitsseite bei AWS in den USA; einen AVV und Standardvertragsklauseln stellt Sonix auf Anfrage bereit.

Notta

Notta hat einen dauerhaften Gratis-Tarif mit 120 Minuten im Monat, begrenzt ihn aber auf 3 Minuten pro Aufnahme und schaltet den Export erst ab Pro frei. Pro kostet 8,17 USD im Monat bei jährlicher Zahlung (97,99 USD im Jahr), auf der deutschen Preisseite 7 € im Monat (83,99 € im Jahr), und enthält 1.800 Minuten bei bis zu 5 Stunden pro Aufnahme. Business bietet für 16,67 USD im Monat bei jährlicher Zahlung unbegrenzte Transkription mit bis zu 200 Datei-Uploads im Monat. Notta hostet laut Sicherheitsseite bei AWS, eine EU-Region nennt die Seite nicht.

Happy Scribe

Happy Scribe ist der einzige EU-Anbieter im Feld, rechnet in Euro und betreibt sein Rechenzentrum in der EU. Basic kostet 8,50 EUR im Monat bei jährlicher Zahlung oder 17 EUR monatlich und enthält 120 Minuten, Pro 19 bzw. 29 EUR für 600 Minuten mit allen Exportformaten (laut Preisseite 15+). Gratis kannst du Dateien nur einmalig 10 Minuten lang testen. Zusätzlich gibt es von Menschen erstellte oder korrigierte Transkripte ab 1,75 EUR pro Minute.

Descript

Descript ist eigentlich ein Video- und Podcast-Editor, der über das Transkript schneidet: Löschst du ein Wort im Text, verschwindet die Stelle im Video. Gratis sind 60 Medienminuten im Monat enthalten – gezählt wird alles, was du hochlädst oder aufnimmst –, Videos exportierst du dann aber nur in 720p mit Wasserzeichen. Hobbyist kostet 16 USD im Monat bei jährlicher Zahlung (24 USD monatlich) für 10 Stunden. Laut Preisseite erkennt Descript acht und mehr Sprecher. Daten verarbeitet und speichert Descript laut Datenschutzerklärung in den USA, einen Auftragsverarbeitungsvertrag nennen die offiziellen Seiten nicht. Wie Descript als Schnittprogramm abschneidet, zeigt CapCut vs. Descript vs. VEED.io.

Otter.ai

Otter.ai ist vor allem für Live-Meetings gebaut. Gratis bekommst du 300 Minuten im Monat, aber maximal 30 Minuten pro Aufnahme und nur drei importierte Dateien insgesamt. Pro kostet 8,33 USD im Monat bei jährlicher Zahlung oder 16,99 USD monatlich und erlaubt 10 Datei-Importe im Monat, bis zu 90 Minuten pro Aufnahme sowie den Export als PDF, DOCX und SRT. Für Rechenleistung und Speicherung nutzt Otter.ai laut Datenschutzerklärung Amazon Web Services mit Sitz in den USA, Übermittlungen aus der EU stützt der Anbieter auf das EU-U.S. Data Privacy Framework. Mehr zu Meeting-Tools findest du im Vergleich Otter.ai vs. Fireflies.ai vs. tl;dv.

Welches Tool passt zu welchem Zweck?

• Einzelnes kurzes Video, kostenlos: Descript mit 60 Gratis-Medienminuten im Monat oder die 30 Testminuten von Sonix.
• Regelmäßig viele Stunden: Transkriptor Pro mit 2.400 Minuten im Monat und EU-Servern, alternativ Notta Business mit unbegrenzter Transkription.
• Interviews für Veröffentlichungen: Happy Scribe wegen EU-Rechenzentrum und optionaler Korrektur durch Menschen.
• Seltene Einzelaufträge ohne Abo: Sonix für 10 USD pro Stunde.
• Video transkribieren und gleich schneiden: Descript.
• Meetings statt fertiger Dateien: Otter.ai oder Notta; einen breiteren Überblick gibt Die besten KI-Meeting-Assistenten.

Den direkten Dreiervergleich der reinen Transkriptionsdienste findest du unter Transkriptor vs. Happy Scribe vs. Sonix.

Tipps für bessere Transkripte

• Mit einer typischen Aufnahme testen: Lade ein Video mit echten Fachbegriffen und Nebengeräuschen in zwei Gratis-Zugänge und vergleiche die Fehler pro Minute.
• Minutenbedarf ausrechnen: Acht Interviews à 45 Minuten ergeben 360 Minuten im Monat. Das sprengt Happy Scribe Basic (120 Minuten), passt aber in Transkriptor Pro (2.400 Minuten) oder Notta Pro (1.800 Minuten).
• Vor dem Downgrade exportieren: Notta zeigt im Gratis-Tarif laut Preisseite nur die ersten 3 Minuten eines Transkripts an, wenn du ein Abo kündigst.
• Nichts ungeprüft veröffentlichen: Keine KI-Transkription ist fehlerfrei. Plane bei Zitaten, Untertiteln und Protokollen immer einen Korrekturdurchgang ein.

Fazit

Ein Video zu transkribieren dauert mit KI nur wenige Minuten, die eigentliche Arbeit steckt in der Auswahl des passenden Tarifs und in der Korrektur. Für einzelne kurze Clips genügt ein Gratis-Zugang, vor allem Descript oder die Testminuten von Sonix. Wer regelmäßig lange Videos oder Interviews transkribiert, bekommt bei Transkriptor viele Minuten für wenig Geld und EU-Server, allerdings mit einem Vertragspartner in Dubai. Happy Scribe kostet pro Minute mehr, ist dafür ein EU-Anbieter und bietet menschliche Korrektur für Texte, die fehlerfrei sein müssen. Sonix, Otter.ai und Descript verarbeiten Daten laut eigenen Angaben in den USA, was bei vertraulichen Aufnahmen gegen sie spricht.