Video in Text umwandeln

MP4, MOV, WebM, M4V, WMV und MPEG werden so gelesen, wie sie sind, dazu die Audiocontainer, die Videowerkzeuge oft exportieren. Ein Clip vom Telefon, von einer Bildschirmaufnahme und eine geschnittene Sequenz aus einem Rechnerprogramm werden mit hoher Wahrscheinlichkeit ohne Umwandlung angenommen.

Ein Extraktionsschritt ist weder sichtbar noch nötig. Die Videodatei wird als Ganzes verarbeitet, ihre Tonspur intern gelesen, es entsteht also keine Zwischendatei und kein zweiter Upload. Das bedeutet auch, dass das Originalvideo nie verändert wird und vorab nichts vorbereitet werden muss.

Aufgenommene Sprache ist im Allgemeinen die einfachste Eingabe, und sauberes Material mit einer klaren Stimme braucht wenig Korrektur. Wind, Verkehr und Entfernung zum Mikrofon senken die Genauigkeit. Namen, Orte und Fachwortschatz sind die Begriffe, die nach dem ersten Durchgang am ehesten von Hand korrigiert werden müssen.

Ja. Die Sprecherscheidung lässt sich vor der Verarbeitung zuschalten, und jeder Stimmwechsel beginnt dann einen gelabelten Beitrag. Ein Interview mit zwei Personen, eine Podiumsaufnahme und eine über eine Raumkamera mitgeschnittene Besprechung ergeben ein Transkript, in dem Bemerkungen bei der Person bleiben, die sie gemacht hat.

Die Datei wird als ein Auftrag verarbeitet, und das Transkript deckt die ganze Aufnahme ab. Die Verarbeitungszeit wächst mit der Dauer, ein einstündiges Video braucht also deutlich länger als ein kurzer Clip und belegt dabei einen der beiden Auftragsplätze. Für das Transkript selbst ist eine Teilung nicht nötig.

Große Dateien werden bis zur auf der Seite genannten Upload-Grenze angenommen, und das Originalvideo muss vorher nicht komprimiert werden. Eine hochauflösende Datei mittlerer Länge ist meist unproblematisch, weil nur die Tonspur ausgewertet wird. Sehr große Produktionen müssen möglicherweise gekürzt werden.

Ja. Der fertige Text lässt sich mit Zeitangaben als SRT oder VTT exportieren, was die meisten Programme und Player annehmen. Ein Durchgang dient damit zwei Zwecken: ein lesbares Transkript für Notizen und eine Untertitelspur für dasselbe Video, ohne das Audio durch ein zweites Werkzeug zu schicken.

Es wird nichts installiert. Die Datei geht über den Browser herein, wird im Dienst verarbeitet, und der Text kommt auf dieselbe Seite zurück. Der Ablauf bleibt damit auf einem Arbeitslaptop, einem geteilten Rechner oder einem Tablet nutzbar, auf dem Software nicht installiert werden darf.