---
title: "Audio in Text transkribieren — offline mit Whisper — MediaChef"
description: "Verwandeln Sie Aufnahmen auf dem eigenen Rechner mit Whisper in Text: TXT, SRT, VTT oder JSON. Ohne Upload, ohne Minutenpreis, ohne Längenbegrenzung. Kostenlose App für macOS, Windows und Linux."
url: https://mediachef.app/de/audio-in-text-umwandeln/
language: de
---

# Audio in Text transkribieren — offline, auf dem eigenen Rechner

MediaChef führt Whisper von OpenAI lokal über whisper.cpp aus. Ein Modell einmal laden, dann eine Aufnahme oder ein Video ablegen und wählen, was herauskommen soll: reiner Text, SRT- oder VTT-Untertitel mit Zeitmarken, oder JSON mit der Zeit jedes Abschnitts. Das Audio wird nie hochgeladen, und es gibt keinen Minutenpreis.

[Für macOS laden 66 MB · Apple Silicon](https://github.com/Kom1sh/mediachef/releases/download/v0.8.7/MediaChef_0.8.7_aarch64.dmg) [Windows 82 MB · 64 Bit](https://github.com/Kom1sh/mediachef/releases/download/v0.8.7/MediaChef_0.8.7_x64-setup.exe) [Linux 181 MB · x86\_64](https://github.com/Kom1sh/mediachef/releases/download/v0.8.7/MediaChef_0.8.7_amd64.AppImage)

Kostenlos und quelloffen — [Code auf GitHub ansehen](https://github.com/Kom1sh/mediachef)  [Alle Dateien und Versionshinweise](https://github.com/Kom1sh/mediachef/releases/latest)

Was dabei herauskommt

00:00:04 Hallo zusammen, wir fangen an… 00:00:11 Erster Punkt: die Pläne fürs Quartal. 00:00:19 Es gibt drei Szenarien, ich zeige die Tabelle.

TXT ohne Zeitmarken, SRT und VTT mit ihnen, JSON mit Anfang und Ende jedes Abschnitts.

## Eine Aufnahme transkribieren

1.  ### MediaChef herunterladen
    
    Eine Datei für macOS, Windows oder Linux. whisper.cpp v1.7.6 steckt bereits im Download; nur das Modell kommt separat.
    
2.  ### Whisper-Modell wählen
    
    Öffnen Sie „Modelle“ und laden Sie eines — small (488 MB) ist die ausgewogene Vorgabe. Einmal geladen, danach transkribiert die App mit abgeschaltetem Netz.
    
3.  ### Aufnahme oder Video ablegen
    
    Audio und Video gehen beide: MediaChef holt den Ton aus einem Video selbst heraus, ein Meeting-Mitschnitt und ein MP4 nehmen denselben Weg.
    
4.  ### Gewünschte Ausgabe wählen
    
    „Audio in Text transkribieren“ für TXT, „Audio in SRT-Untertitel transkribieren“ oder „Audio in WebVTT transkribieren“ für Untertitel mit Zeitmarken, „Audio in JSON mit Zeitmarken“ für eigene Werkzeuge.
    
5.  ### Start drücken und lesen
    
    Der Text landet neben der Datei als talk.transcript.txt. Die Warteschlange zeigt den Fortschritt; enthält die Datei keine Sprache, sagt MediaChef das, statt eine leere zu schreiben.
    

 ![MediaChef vor der Transkription: die Ablagefläche für eine Aufnahme, in der Seitenleiste „Modelle“, wo Whisper-Modelle geladen werden.](https://mediachef.app/_astro/app-main-de-light.DAwkrWgn.png)

Die Modelle sitzen in der Seitenleiste — einmal laden, danach offline transkribieren.

## Welches Whisper-Modell wählen

Vier Modelle stehen im Katalog und werden in der App geladen. Größer heißt besserer Text und längere Rechenzeit auf derselben Maschine — wählen Sie also je Aufgabe statt ein für alle Mal.

| Modell | Download | Wann es passt |
| --- | --- | --- |
| `tiny` | 78 MB | Ein erster Durchgang bei klarer Sprache, oder wenn Sie nur finden müssen, wo ein Thema beginnt. |
| `base` | 148 MB | Notizen für sich selbst: lesbarer Text, den Sie ohnehin überfliegen und nachbessern. |
| `small` | 488 MB | Die Vorgabe in allen Transkriptionsrezepten und das Modell, bei dem die meisten bleiben. Interviews, Meetings, Vorlesungen. |
| `large-v3-turbo` | 1,62 GB | Text, der an andere geht: veröffentlichte Untertitel, zitierte Passagen. Auf Apple Silicon optimiert. |

Die Sprache wird automatisch erkannt, lässt sich aber auch festlegen. Zwei zusätzliche Rezepte übersetzen jede Sprache ins Englische — als Text oder als Untertitel mit Zeitmarken — im selben Durchgang.

## Warum lokal transkribieren

**Vertrauliches Audio bleibt vertraulich.** Interviews, Therapienotizen, Anwaltsgespräche, alles unter Verschwiegenheitspflicht: Die Datei liest ein Prozess auf Ihrem eigenen Rechner und sonst nichts.

**Kein Minutenpreis.** Transkription in der Cloud rechnet pro Minute ab. Lokal kostet die zehnte Stunde Audio so viel wie die erste: nichts.

**Keine Längen- oder Größengrenze.** Eine vierstündige Aufnahme ist eine Aufgabe in der Warteschlange, kein Bezahltarif und kein Behelf, die Datei zu zerteilen.

**Funktioniert ganz ohne Netz.** Liegt das Modell auf der Platte, läuft die Transkription offline: im Flugzeug, im Labor, auf einer abgeschotteten Maschine.

**Untertitel und Text aus einem Durchgang.** SRT und VTT tragen die Zeitmarken für einen Player, TXT ist sauberer Fließtext, JSON enthält die Abschnittszeiten für eigene Skripte.

## Häufige Fragen

**Wie genau ist die Whisper-Transkription?**

Die Genauigkeit hängt am Modell: tiny ist ein Rohentwurf, small die ausgewogene Vorgabe, large-v3-turbo kommt bei klarer Sprache nah an menschliches Niveau. Sauberes Audio mit einer Stimme gelingt am besten; starke Akzente, Durcheinanderreden und Musik unter der Stimme kosten Genauigkeit — wie bei jeder Spracherkennung.

**Welche Sprachen kann es?**

Whisper deckt rund hundert Sprachen ab und erkennt die Sprache selbst; Sie können sie auch festlegen, wenn die Erkennung danebenliegt. Zwei Rezepte übersetzen Sprache aus jeder davon in einem Durchgang ins Englische, als Text oder als SRT-Untertitel.

**In welchen Formaten kommt der Text?**

TXT für reinen Text, SRT und VTT mit Zeitmarken für Player und Schnittprogramme, und JSON mit Anfang und Ende jedes Abschnitts für Skripte und Werkzeuge.

**Brauche ich Internet?**

Einmal, um im Bildschirm „Modelle“ ein Whisper-Modell zu laden — je nach Wahl 78 MB bis 1,62 GB. Danach läuft die Transkription vollständig offline.

**Was, wenn die Aufnahme keine Sprache enthält?**

MediaChef meldet „Keine Sprache erkannt“, statt eine leere Datei zu schreiben und die Aufgabe grün abzuhaken. Stille, Musik ohne Gesang und eine versehentlich gewählte Datei enden gleich ehrlich.

**Kann ich auch ein Video in Text umwandeln oder nur Audio?**

Video geht genauso. MediaChef holt den Ton direkt aus der Datei, eine MP4, MKV oder MOV geht also unmittelbar in die Transkription — es gibt sogar ein eigenes Rezept, „Text aus einem Video holen“. Vorher konvertieren müssen Sie nichts.

## Machen Sie Text aus dieser Aufnahme

MediaChef 0.8.7 — Whisper lokal, kostenlos und quelloffen.

[Für macOS laden 66 MB · Apple Silicon](https://github.com/Kom1sh/mediachef/releases/download/v0.8.7/MediaChef_0.8.7_aarch64.dmg) [Windows 82 MB · 64 Bit](https://github.com/Kom1sh/mediachef/releases/download/v0.8.7/MediaChef_0.8.7_x64-setup.exe) [Linux 181 MB · x86\_64](https://github.com/Kom1sh/mediachef/releases/download/v0.8.7/MediaChef_0.8.7_amd64.AppImage)

Kostenlos und quelloffen — [Code auf GitHub ansehen](https://github.com/Kom1sh/mediachef)  [Alle Dateien und Versionshinweise](https://github.com/Kom1sh/mediachef/releases/latest)

MediaChef ist jung: Die Builds sind noch nicht von Apple oder Microsoft signiert, der erste Start fragt deshalb nach — in jedem Download liegt eine Anleitung als reiner Text bei.

Etwas kaputt oder fehlt etwas? Schreiben Sie uns: [hello@mediachef.app](mailto:hello@mediachef.app)

Weiterlesen

-   [Der vollständige Rezeptkatalog, nach Kategorien](https://mediachef.app/de/rezepte/)
-   [MP4 in MP3 umwandeln — kostenlos und offline](https://mediachef.app/de/mp4-in-mp3-umwandeln/)
-   [Alle 19 Rezepte und wie MediaChef arbeitet](https://mediachef.app/de/)
