Transkriptions-App

Ausgangslage

Transkriptionsdienste gibt es viele, aber zu ihren Bedingungen: laufende Kosten, ein fester Funktionsumfang und die Abhängigkeit von einem Anbieter. Wer mit Content arbeitet, braucht mehr als Rohtext: Fachbegriffe, die richtig ankommen, eine Gliederung statt Fließtext und das Material selbst, um es weiterzuverarbeiten. Ich wollte ein Werkzeug, das meinem Workflow folgt und das ich erweitere, sobald mir etwas fehlt.

Entstehung

1. 01
   Unabhängig vom AnbieterStatt eines Transkriptionsabos sind die Modelle direkt per API angebunden. Bezahlt wird die Nutzung der Modelle, keine Plattform obendrauf, und kein Anbieter entscheidet, welche Funktionen es gibt.
2. 02
   Zwei Schritte, zwei ModelleEin Modell transkribiert, ein anderes bereitet auf. Für die Spracherkennung stehen ElevenLabs Scribe und OpenAI Whisper zur Wahl, die Aufbereitung übernimmt Claude. Jeder Schritt lässt sich austauschen, ohne den anderen anzufassen.
3. 03
   Präferenzen statt Spaghetti-TextFür die Aufbereitung sind Regeln hinterlegt: Satzzeichen und Absätze setzen, jede Zeitmarke als eigener Absatz, nichts weglassen, nichts übersetzen. So entsteht ein gegliedertes Transkript statt einer Textwand.
4. 04
   Fachbegriffe richtigSpracherkennung verhört sich gerade bei Fachbegriffen, Produktnamen und sprachlichen Eigenheiten. Weil die Aufbereitung in meiner Hand liegt, lässt sich das gezielt korrigieren, etwa mit einer Mapping-Liste für eine Branche. Bei fertigen Diensten ist so etwas meist nicht vorgesehen.
5. 05
   Mehr als TranskriptionFür Content-Arbeit entstehen Kapitel direkt im Format der YouTube-Videobeschreibung. Videos, Bilder und GIFs lassen sich herunterladen und weiterverarbeiten.
6. 06
   Erweitern, wenn nötigFehlt mir eine Funktion, baue ich sie ein. Für meine Inhalte sind die Ergebnisse deutlich besser als bei den Tools, die man kaufen oder mieten kann.

Was es kann

1. 1
   Mehrere QuellenYouTube-Links, X-Broadcasts, einzelne Mediendateien und ganze Ordner.
2. 2
   Untertitel zuerstVorhandene Untertitel werden genutzt, sonst übernimmt die Spracherkennung.
3. 3
   MultisprachigDie Sprache wird automatisch erkannt oder fest vorgegeben. Mehrere Sprachen im selben Satz bleiben erhalten, übersetzt wird nichts.
4. 4
   Aufbereitung mit ClaudeErgänzt nur Satzzeichen und Absätze, ohne zu übersetzen oder zusammenzufassen. Lange Aufnahmen werden in Teilen aufbereitet.
5. 5
   Kapitel im YouTube-FormatAus den Zeitmarken entstehen Kapitel, fertig zum Einfügen in die Videobeschreibung und jederzeit neu generierbar.
6. 6
   Medien herunterladenVideos in wählbarer Qualität, standardmäßig in einem Format, das QuickTime direkt abspielt. Fotos in Originalauflösung und GIFs aus X-Beiträgen.
7. 7
   Browser-OberflächeEine lokale Weboberfläche zeigt den Fortschritt live, listet alle Transkripte und exportiert sie als .txt oder .md.