Sprachmemo auf dem iPhone in Text umwandeln

Eine Sprachaufnahme ist nur eine Datei auf deinem Telefon. Sie in Text umzuwandeln heißt, Spracherkennung über das Audio laufen zu lassen und etwas zu bekommen, das du durchsuchen, einfügen und bearbeiten kannst. Auf einem iPhone kann das komplett auf dem Gerät passieren: Kaseta transkribiert 99 Sprachen ohne Konto und – sobald ihre Modelle geladen sind – mit abgeschaltetem Netz. Du nimmst auf oder importierst, tippst auf Stopp und liest den Text, wenn das Telefon fertig ist. Dass Deutsch dazugehört, sagt allerdings noch nichts darüber, wie gut Deutsch dabei herauskommt und wo nicht.

Eines vorweg, weil die Suchergebnisse voll davon sind: Fast jede Webseite zum Thema „Audio in Text umwandeln“ will, dass du die Datei hochlädst. Der Ton geht auf irgendjemandes Server, der Text kommt von dort zurück. Kaseta ist die Variante, in der die Datei liegen bleibt, wo sie ist – die Arbeit passiert auf dem Telefon, auf dem das Audio ohnehin schon liegt.

Woher deine Aufnahme kommt

Sprachmemos speichert jede Aufnahme als .m4a-Datei auf dem Telefon, und genau deshalb kann sie sofort an eine andere App weitergereicht werden, statt erst irgendwohin hochgeladen zu werden. Kam die Datei von außen – als Mail-Anhang, als Download, als Nachricht –, ist der Weg derselbe, und die .m4a-Anleitung geht ihn Schritt für Schritt durch. Für Audio aus dem Chat ist die WhatsApp-Anleitung der kürzere Weg.

Was es kostet

Der Gratis-Tarif nimmt unbegrenzt auf und transkribiert die ersten 5 Minuten jeder Aufnahme. Danach läuft die Aufnahme weiter und wird vollständig gespeichert; die Grenze sitzt auf dem Text, nie auf der Aufnahme. Pro – 19,99 $ im Jahr oder 39,99 $ einmalig und nie wieder – transkribiert die ganze Aufnahme und hebt das Monatskontingent des Qualitätsmodells auf. Der Export, in fünf Textformaten, ist in jedem Tarif dabei.

Wenn etwas anderes das bessere Werkzeug ist

• Apples eigene Transkripte. iOS 18 hat sie in Sprachmemos gebracht. Wenn deine Sprache eine der von Apple abgedeckten ist und du nur ab und zu ein kurzes Transkript brauchst, hast du das bereits, es ist kostenlos, und du brauchst keine weitere App.
• Otter, Notta und die anderen Cloud-Dienste. Sie schicken einen Bot in deinen Zoom-Call, greifen dessen Ton an der Quelle ab und führen ein durchsuchbares Archiv, das dein ganzes Team im Browser öffnet. Kaseta macht nichts davon – sie hört den Raum, in dem ihr Telefon liegt, und das Transkript bleibt auf diesem Telefon. Wenn das die Aufgabe ist, können sie es besser und ihr Abo ist es wert.
• Ein Rechner und ein großes Archiv. Wenn zweihundert Stunden Interviews auf einem Mac liegen, arbeitet ein lokales Whisper dort schneller durch als jedes Telefon. Das ist ebenfalls offline, und es ist kostenlos.
• Ein Mensch, der transkribiert. Für eine Gerichtsverhandlung oder alles, was wortgetreu und beglaubigt sein muss, ist kein automatisches Transkript die richtige Antwort.

Kaseta verdient sich seinen Platz in einem bestimmten Fall: Das Audio soll auf dem Gerät bleiben, und du willst den Zugang zu deinen eigenen Aufnahmen nicht pro Minute mieten. Wenn das auf dich zutrifft, fang auf der Startseite an oder öffne eine Aufnahme in der App.