Studio-Sessions, Podcast-Aufnahmen, Voiceover-Master, Hörbuch-Stems. Ziehen Sie die .wav-Datei in eine kostenlose Windows-App und erhalten Sie das Transkript lokal. Verarbeitet 96k, 48k, 24-Bit, mehrkanalig. Kein Upload, keine Minutenkosten.
Ziehen, warten, kopieren. Jede Abtastrate, jede Bittiefe, jede Dauer.
Laden Sie den kostenlosen Installer für Windows 10 oder 11 von der StarWhisper-Startseite herunter. Die Einrichtung dauert etwa zwei Minuten und umfasst einen einmaligen Download des Whisper-Modells, damit die App nach der Installation vollständig offline arbeiten kann. Keine Anmeldung, keine Kreditkarte.
Öffnen Sie StarWhisper. Ziehen Sie Ihre .wav-Datei aus dem Datei-Explorer auf das Fenster. StarWhisper liest WAV bei jeder Abtastrate (8k bis 96k), jeder Bittiefe (16, 24 oder 32-Bit Float), Mono oder Stereo. Es ist nicht nötig, vorher auf ein bestimmtes Format herunterzurechnen; die App verarbeitet alles, was Ihre DAW exportiert hat.
StarWhisper verarbeitet die Audio lokal auf Ihrer CPU oder GPU. Geschwindigkeit: etwa 10-mal schneller als Echtzeit auf einem modernen Laptop-CPU und 50-mal schneller auf einer NVIDIA-GPU mit CUDA. Eine einstündige WAV-Datei wird in etwa 6 bis 12 Minuten auf der CPU oder 1 bis 2 Minuten auf einer Mittelklasse-GPU transkribiert. Der Fortschritt wird in Echtzeit angezeigt.
Das Transkript erscheint im StarWhisper-Fenster, sobald die Verarbeitung abgeschlossen ist. Kopieren Sie den vollständigen Text in die Zwischenablage, speichern Sie ihn als .txt-Datei oder exportieren Sie ihn als SRT oder VTT mit Zeitstempeln für Untertitel-Workflows. Fügen Sie ihn in Ihre Shownotes, Episodenseite, Ihr Hörbuchskript oder dorthin ein, wo das Transkript benötigt wird.
Spezifische Vorteile für professionelle Audio-Workflows.
Cloud-Dienste kodieren große WAV-Uploads oft in ein verlustbehaftetes Zwischenformat um, um Bandbreite zu sparen. StarWhisper liest die originale 24-Bit-verlustfreie Datei direkt von der Festplatte.
Viele Cloud-Transkriptionsdienste lehnen WAVs über ein paar hundert Megabyte auf kostenlosen Tarifen ab oder verlangen Aufpreise ab einem Schwellenwert. StarWhisper verarbeitet Dateien bis zum 4-GB-Limit des WAV-Formats.
96k, 88.2k, 48k, 44.1k, 32k, 24k, 16k, 8k werden alle unterstützt. Das interne Resampling auf 16k ist hochwertig und die Transkriptionsgenauigkeit ist unabhängig von der Quellrate identisch.
Der Standard-Local-Modus führt Whisper auf Ihrer eigenen CPU oder GPU aus. Die WAV wird lokal dekodiert, lokal transkribiert und das Ergebnis auf Ihr Laufwerk geschrieben. Nützlich für NDA-Studio-Sessions. Datenschutzdetails.
Generieren Sie direkt aus der WAV Dateien, die für Captions bereit sind. Nützlich, um zugängliche Transkripte zu Podcast-Versionen als Video hinzuzufügen oder Untertitelspuren zu erstellen. Untertitel-Anleitung.
NVIDIA-GPU-Besitzer installieren das CUDA-Paket und die Transkriptionsgeschwindigkeit springt etwa um das 5-fache. Eine einstündige WAV wird zur Aufgabe von zwei Minuten. GPU-Details.
WAV (Waveform Audio File Format) ist der unkomprimierte, verlustfreie Container, den Audio-Profis seit den frühen 1990er Jahren verwenden. Jede DAW exportiert nach WAV. Jedes Studioarchiv speichert Master als WAV. Jede Voiceover-Liefer-spec fordert WAV. Jede Podcast-Produktionskette endet mit einem WAV-Master, bevor er für die Distribution zu MP3 oder AAC kodiert wird.
Der Grund ist einfach: WAV bewahrt die ursprüngliche Audio Bit für Bit. Es gibt keinen Codec, keine Kompressionsartefakte, keinen Qualitätsverlust. Wenn Sie eine Podcast-Episode, eine Voiceover-Session oder eine Hörbuch-Narration in Ihre DAW aufnehmen und eine 48 kHz 24-Bit-WAV exportieren, ist diese Datei die kanonische Referenz für jede zukünftige Entscheidung. Sie erstellen MP3s für die Distribution aus der WAV, niemals umgekehrt.
Das Problem beim Transkribieren von WAVs ist, dass die gleichen Eigenschaften, die sie ideal für professionelle Audio machen, sie für Online-Tools unhandlich machen. Dateien sind groß (eine einstündige 48k Stereo 24-Bit-WAV ist etwa 1,0 GB groß). Upload-Zeiten sind lang. Viele Cloud-Transkriptionsdienste begrenzen entweder die Dateigröße in kostenlosen Tarifen, verlangen Aufpreise für große Dateien oder kodieren den Upload im Hintergrund in ein verlustbehaftetes Zwischenformat um. StarWhisper verarbeitet WAV als erstklassiges Format auf Ihrem eigenen Rechner, kostenlos, offline, ohne Upload-Schritt.
Profi-Audio-Workflows obsessieren über Abtastrate, Bittiefe und Kanal-Layout aus gutem Grund: Diese Entscheidungen beeinflussen Mastering, Mixing und das finale Hörerlebnis. Für die Transkription specifically ist die Lage viel einfacher.
Whisper wurde mit 16-kHz-Audio trainiert. StarWhisper führt vor der Ausführung des Modells intern ein Downsampling Ihrer WAV auf 16 kHz durch, using einen hochwertigen Resampler. Eine 96-kHz-WAV erzeugt dasselbe Transkript wie eine 16-kHz-Version derselben Audio. Menschliche Sprache belegt einen Frequenzbereich von etwa 100 Hz bis 8 kHz; alles über 8 kHz sind Konsonantendetails und Raumluft, von denen Whisper nichts für die Worterkennung verwendet. Höhere Abtastraten sind für die Transkription verschwendet.
16-Bit, 24-Bit und 32-Bit-Float transkribieren alle identisch. Die Bittiefe steuert den Dynamikbereich, was für die Musikproduktion wichtig ist, aber nicht für die Worterkennung. Whisper arbeitet intern unabhängig von der Quell-Bittiefe mit 32-Bit-Float.
Whisper ist ein Mono-Modell. StarWhisper mischt Stereo- und mehrkanalige WAVs vor der Verarbeitung auf Mono herunter. Für die meisten Podcast- und Voiceover-Inhalte ist das in Ordnung. Bei Interviewaufnahmen, bei denen jeder Sprecher auf einem separaten Kanal liegt, ist der sauberste Ansatz, die WAV mit einem beliebigen Audio-Editor in Mono-Dateien pro Kanal aufzuteilen und dann jede separat zu transkribieren. Dies gibt Ihnen pro-Sprecher-Transkripte, die Sie in der Nachbearbeitung beschriften und kombinieren können.
Gängige Profi-Audio-Szenarien mit realistischem Timing:
Bouncen Sie eine 60-minütige Episode als 48k Stereo 24-Bit-WAV (ca. 1 GB auf der Festplatte). Auf StarWhisper ziehen. CPU-Verarbeitungszeit: 6 bis 12 Minuten. GPU-Verarbeitungszeit: 1 bis 2 Minuten. Ausgabe: ca. 8.000 Wörter Klartext-Transkript, geeignet für Shownotes. Leicht überarbeiten, veröffentlichen. Für mehr Details zum Podcast-spezifischen Workflow, siehe Sprache-zu-Text für Podcaster oder wie man Podcasts transkribiert.
Eingesprochenes Kapitel, exportiert als 48k Mono 24-Bit-WAV, Laufzeit 45 Minuten (ca. 500 MB). Auf StarWhisper ziehen. Ausgabe: ca. 6.500 Wörter Kapiteltext. Nützlich, um die Narration gegen das Originalskript abzugleichen, um Patzer oder verpasste Zeilen zu erwischen.
Drei-Host-Interview, jeder Host nach der Session auf einem separaten WAV-Kanal. Exportieren Sie jeden Kanal als Mono-WAV. Jeden einzeln auf StarWhisper ziehen. Ergebnis: drei pro-Sprecher-Transkripte, die Sie mit Timecode und Sprecher-Labels in der Post kombinieren können. Die gesamte Verarbeitungszeit skaliert linear: Drei 60-minütige Mono-WAVs dauern ca. 18 bis 36 Minuten auf der CPU oder 3 bis 6 Minuten auf der GPU.
Ein Sprecher nimmt 10 Takes eines 30-sekündigen Werbespots auf. Jeder Take wird als separate WAV exportiert. Den Ordner auf StarWhisper ziehen. Die App reiht alle Takes ein und erstellt für jeden eine beschriftete Transkriptdatei. Nützlich für den Agentur-Review-Durchgang, um den Wortlaut von Take zu Take zu vergleichen.
Viele Leute haben am Ende beides: einen WAV-Master und eine MP3-Vertriebskopie. Für die Transkription ist die Antwort fast immer die WAV.
Die WAV ist am nächsten an der Quelle, also hat sie das sauberste Signal, mit dem Whisper arbeiten kann. Die MP3 lief durch einen verlustbehafteten Codec, der hochfrequente Konsonantenkanten leicht eintrübt und in transienten Abschnitten Kompressionsartefakte hinzufügt. Whisper verarbeitet beide gut, aber bei grenzwertiger Audio (starke Akzente, schnelle Sprache, technisches Vokabular) liefert die WAV ein messbar besseres Transkript.
Die Ausnahme ist, wenn die WAV groß und unhandlich und die MP3 gut genug ist. Bei einer sauberen Studio-Podcast-Episode, bei der das Quellmikrofon solide und der Raum akustisch behandelt war, ist das MP3-Transkript funktional identisch mit dem WAV-Transkript. Verwenden Sie, was auch immer schneller zur Hand ist. Wenn Sie das Transkript für Archivierungs- oder Barrierefreiheitszwecke benötigen, verwenden Sie die WAV. Für einen verwandten Workflow ab MP3 siehe wie man MP3 in Text konvertiert. Wenn Ihre Quelle eine iPhone-Sprachmemos oder ein QuickTime-Export ist, siehe wie man M4A in Text konvertiert.
Studio-WAV-Dateien enthalten oft Inhalte, die nicht auf einem Server eines Drittanbieters liegen sollten:
Cloud-Transkriptionsdienste laden die WAV ungeachtet ihres Inhalts auf ihre Infrastruktur hoch. Ihre Datenschutzrichtlinien mögen stark sein, aber die Datei verlässt trotzdem Ihre Kontrolle. Für die oben genannten Kategorien ist dies oft aus vertraglichen, ethischen, regulatorischen oder rechtlichen Gründen inakzeptabel.
Der Local-Modus von StarWhisper behält alles auf Ihrem Gerät. Die WAV wird von der App dekodiert, das Whisper-Modell läuft auf Ihrer CPU oder GPU, das Transkript wird auf Ihre Festplatte geschrieben. Nichts verlässt den Rechner. Für tiefergehende Details siehe Datenschutz- und Offline-Architektur und wie man Audio offline transkribiert. Für spezifische regulierte Branchen siehe HIPAA-Compliance-FAQ oder Sprache-zu-Text für Anwälte.
Die kostenlose Stufe von StarWhisper bietet 500 Wörter pro Tag und 3.500 Wörter pro Woche an transkribierter Ausgabe. Eine typische 60-minütige WAV erzeugt etwa 8.000 Wörter. Das bedeutet, dass eine einzelne lange Episode das tägliche Freikontingent überschreitet. Sie können die Datei weiterhin verarbeiten (kein Limit für die Dateigröße oder -dauer an sich), aber nur die ersten ~500 Wörter werden auf die heutige Zuteilung angerechnet.
Für gelegentliche Studio-Arbeit (eine Episode alle paar Wochen, die seltene Voiceover-Session) reicht die kostenlose Stufe aus. Für Arbeiten im Produktionsvolumen (wöchentliche Podcast-Episoden, tägliche Hörbuch-Aufnahmesessions, regelmäßige Interview-Transkription) entfernt der Pro-Plan das Limit. Er kostet 10 Dollar pro Monat oder 80 Dollar pro Jahr. Vollständige Pro-Details und Preise. Der kostenlose Plan ist dauerhaft, sodass Sie den Workflow bei einer langen WAV verifizieren können, bevor Sie zahlen.
Kostenlos und Pro verwenden dasselbe Whisper-Modell und erzeugen identische Transkripte. Pro entfernt einfach die Wortbegrenzung und fügt Workflow-Funktionen wie benutzerdefiniertes Vokabular (nützlich für branchenspezifische Terminologie) und prioritären Cloud-Fallback (falls Sie sich dafür entscheiden) hinzu. Für reine WAV-Transkription ist der einzige praktische Unterschied die tägliche Ausgabeobergrenze.
Der gleiche Workflow für das weltweit am häufigsten komprimierte Audioformat.
Für iPhone-Sprachmemos, QuickTime-Audio und YouTube-Downloads.
Verwenden Sie den SRT/VTT-Export, um Captions für Podcast-Versionen als Video zu generieren.
Der komplette Studio-Podcast-Transkriptions-Workflow, von Anfang bis Ende.