Mit Whisper eine Aufnahme lokal transkribieren.
Du lässt gesprochene Sprache auf deinem Rechner in Text umwandeln. Aus derselben Aufnahme entstehen ein Transkript und Untertitel.
Drei Lernstufen · in deinem Tempo · Stand: 10. Oktober 2026
Das kannst du danach
Du erzeugst mit Whisper eine TXT- und eine SRT-Datei, verbesserst schwierige Stellen und nutzt das geprüfte Transkript weiter.
Das übernimmt die KI
Whisper ist ein Spracherkennungsmodell. Es berechnet aus dem Audiosignal Wörter und Zeitabschnitte. Ein Gesprächsprotokoll erzeugt erst ein zusätzlicher Verarbeitungsschritt.
Dein Werkzeug: Whisper
Python, ffmpeg im Suchpfad und eine eigene kurze Aufnahme. Die offizielle Installationsanleitung nennt die Voraussetzungen für dein Betriebssystem. Modell und Pakete werden zunächst aus dem Netz geladen.
Werkzeug öffnen (neuer Tab) Offizielle Hilfe (neuer Tab)
Funktionen, Kontingente und Preise können sich ändern. Prüfe den Zugang direkt beim Anbieter.
Die Aufträge führst du im genannten Werkzeug aus. Die Klickübungen hier zeigen vorbereitete Beispiele und senden keine Daten an einen KI-Dienst.
KI-Funken
Dein erstes Ergebnis mit dem Werkzeug
Erzeuge Text und Untertitel
Starte mit einer Minute gut verständlicher Sprache und dem mehrsprachigen Modell small. Die Rechenzeit hängt von deinem Gerät ab.
- Installiere ffmpeg nach der verlinkten Anleitung und prüfe im Terminal „ffmpeg -version“.
- Richte eine Python-Umgebung ein und installiere dort mit „python -m pip install -U openai-whisper“ das Paket.
- Wechsle in den Ordner mit deiner Datei aufnahme.m4a und führe das Kommando unten aus.
- Öffne danach aufnahme.txt und aufnahme.srt im Ausgabeordner.
whisper "aufnahme.m4a" --model small --language German --task transcribe --output_format all --output_dir "transkripte"
Darauf arbeitest du hin: Text und zeitlich zugeordnete Untertitel. Nach dem Modelldownload kann diese lokale Verarbeitung ohne Upload laufen.
Welche Aufgabe übernimmt Whisper selbst?
KI-Werkstatt
Gezielt verbessern und weiterarbeiten
Prüfe Erkennungsfehler am Ton
Eigennamen, leise Passagen und Stille sind typische Stolperstellen. Whisper kann auch Wörter ausgeben, die gar nicht gesprochen wurden.
- Höre schwierige Stellen parallel zur SRT-Datei ab.
- Teste einen kurzen Ausschnitt mit einem größeren passenden Modell, wenn small unbrauchbar ist.
- Ein initial_prompt kann erwartete Fachwörter nennen. Er ersetzt keine Kontrolle und ist kein Gesprächsauftrag.
whisper "aufnahme.m4a" --model small --language German --initial_prompt "Thema: Vereinswerkstatt, Laubsäge, Schleifpapier." --output_dir "vergleich"
Darauf arbeitest du hin: Eine zweite Fassung, deren fragliche Wörter du mit der Aufnahme vergleichst.
Was verändert die gezielte Korrektur?
Whisper schreibt „Schleifpapier“ auch während einer unverständlichen Pause.
Nach dem Abhören steht dort „unverständlich“; der Wortlaut wird nicht geraten.
Vorbereiteter Vergleich, keine Live-Ausgabe des Werkzeugs.
KI-Regie
Den Ablauf erweitern und selbst nutzen
Vom geprüften Transkript zum Protokoll
Whisper weist Personen nicht zuverlässig als Sprecher aus. Ergänze Namen nur, wenn du sie aus der Aufnahme kennst.
- Korrigiere Namen, Zahlen und unverständliche Stellen im Transkript.
- Nutze für sensible Inhalte ein geeignetes lokales Sprachmodell. Ein Cloud-Chat würde den Text hochladen.
- Sende den Auftrag unten und prüfe jede Entscheidung am Transkript. Untertitel kannst du separat in ein Schnittprogramm importieren.
Erstelle aus diesem korrigierten Transkript ein Protokoll: Entscheidungen, Aufgaben mit ausdrücklich genannter Zuständigkeit, offene Fragen. Markiere fehlende Zuständigkeiten. Erfinde keine Sprecher und keine Termine. Transkript: [Text]
Darauf arbeitest du hin: Ein geprüftes Protokoll neben den ursprünglichen Text- und Untertiteldateien.
In einer stillen Passage stehen erfundene Wörter. Was hilft?
Was ist hängen geblieben?
Bleibt alles lokal, wenn du die TXT in einen Cloud-Chat kopierst?
Dein eigener Versuch
Wende den Ablauf jetzt auf eine kleine eigene Aufgabe an. Prüfe das tatsächliche Ergebnis im Werkzeug anhand der Kriterien dieser Anleitung. Die vier Klickübungen bestätigen deinen Lernstand auf dieser Seite, nicht die erfolgreiche Ausführung im externen Dienst.
Weitere Übungen zum Thema audio