So funktioniert memozero: von der Audiodatei zum geprüften Transkript

Karsten B. Kreh & Paul K. Jäckel Karsten B. Kreh & Paul K. Jäckel

Dieser Artikel verschafft Ihnen einen Überblick über Ihre App, von der Audiodatei bis zum Transkript. Die Transkription läuft vollständig auf Ihrem Endgerät, ohne dass Ihre Aufnahme oder das Transkript Ihr Gerät verlassen. Zu jedem Schritt gibt es einen weiteren, ausführlichen Artikel, ggf. auch ein Erklärvideo mit Demonstration.

Eine Transkription in fünf Schritten

Möchten Sie eine Transkription anfertigen und gegenhören, gehen Sie nach der Installation und Lizenzierung der App wie folgt vor:

  1. Datei aufgeben. Klicken Sie auf Neue Transkription und wählen Sie eine Datei aus, oder ziehen Sie sie in das Ablagefeld. Details dazu stehen in Transkription starten.
  2. Modell wählen. Unter KI-Modell entscheiden Sie zwischen Whisper 3 Turbo – Deutsch, Whisper 3 – Mehrsprachig und Whisper 3 Turbo – Mehrsprachig. Welche Modelle Ihr Gerät anbietet, erklärt Modelle und Rechenleistung.
  3. Sprecher einstellen. Unter Sprechererkennung tragen Sie die Anzahl der Sprecher ein, von 1 bis 10. Wie Sie Sprecher danach benennen und einfärben, steht in Sprecher benennen und färben.
  4. Gegenhören und korrigieren. Nach der Verarbeitung öffnet sich der Editor. Dort prüfen Sie den Text am Ton und ändern einzelne Wörter, siehe Transkripte korrigieren, Wiedergabe und Tastenkürzel und Suchen und Ersetzen.
  5. Ausgeben. Über Exportieren in der Fußleiste lassen Sie das Transkript z. B. als Word-Datei ausgeben, siehe Exportformate.

Zwischen Schritt 3 und Schritt 4 arbeitet die App allein. Sie zeigt eine Liste der Arbeitsschritte, darunter Audio-Datei vorbereiten, Transkription mit Whisper AI, Wort-Alignment und Sprechererkennung. Lassen Sie memozero geöffnet, bis die Transkription abgeschlossen ist. Beim Schließen bricht die laufende Verarbeitung ab.

Was memozero mitbringt und was nicht

Eine Sprachauswahl für die Aufnahme gibt es nicht. Die Erkennung bestimmt die Sprache selbst. Allerdings müssen Sie vorab ein deutsches oder mehrsprachiges Modell auswählen. Bei einem deutschen Gespräch nehmen Sie ein deutsches Modell, bei mehreren Sprachen oder einer Fremdsprache ein mehrsprachiges.

memozero akzeptiert die gängigen Audioformate sowie Videodateien im Format .mp4 und .mpeg. Die vollständige Liste finden Sie in Transkription starten.

Warum lokal

Die lokale Verarbeitung Ihrer Aufnahmen ist neben dem Editor zentraler Bestandteil von memozero. Sie schützt Ihre Daten und schont Ihre Ressourcen. Die konkreten Vorteile sind dreierlei:

  • Datenschutz. Ton und Text verbleiben auf Ihrem Gerät. Es gibt keinen Upload, keinen Freigabe-Link und keine Web-Ansicht des Transkripts.
  • Kein Kontingent. Es gibt keine Minutengrenze und keine Obergrenze für die Zahl der Transkriptionen. Sie können transkribieren, wann und wie viel Sie wollen.
  • Keine Upload- und Wartezeit. Eine große Datei muss nicht erst ins Internet geladen werden. Entsprechende Datenschutz- und Geheimhaltungserklärungen werden dadurch überflüssig.

Die Kehrseite: Die Rechenzeit hängt entscheidend von der Leistung Ihres Endgerätes ab. Ein Gerät mit unterstützter Grafikkarte oder mit Apple-Silicon-Chip arbeitet deutlich schneller als ein reines CPU-Gerät. Bei langen Aufnahmen kann die Verarbeitung entsprechend lange dauern, leistungsfähige Geräte z. T. in wenigen Minuten. Welche Hardware was leistet, steht in Systemvoraussetzungen und Installation.

Was memozero für Sie mitrechnet

Aus der Aufnahme entsteht mehr als ein einfacher Worttext. memozero ermöglicht Ihnen:

  • Wortgenaue Zeitstempel. Jedes Wort trägt eine Anfangs- und eine Endzeit. Darauf setzen der Player, der Sprung an eine Stelle und die Zeitangaben im Export auf. Weitere Analyseprogramme können daran anknüpfen. Mehr dazu in Wiedergabe und Tastenkürzel.
  • Sprechertrennung. Der Text ist in Abschnitte je Sprecher gegliedert. Im Editor können Sie jedem Sprecher mit einem Befehl einen Namen, eine Farbe oder eine Schreibart zuweisen, zum Beispiel alle Beiträge eines Sprechers in fett, siehe Sprecher benennen und färben.
  • Konfidenzwerte. Jedes Wort trägt einen Wert dafür, wie sicher die Erkennung der KI gelungen ist.

Warum memozero auch einen Editor anbietet

Jede Transkription, ob automatisch oder von einem Menschen angefertigt, enthält Fehler. Soll das Transkript als Beleg dienen, muss es inhaltlich fehlerfrei sein. Hören Sie es daher mindestens einmal gegen, bevor Sie es weiterverarbeiten oder weitergeben.

Das Gegenhören kostet Zeit und Konzentration, besonders bei Aufnahmen minderer Qualität, etwa wenn Personen durcheinanderreden, leise oder undeutlich sprechen oder Störgeräusche auftreten. Das sind Umstände, die Sie nicht immer selbst in der Hand haben.

Umso wichtiger war es uns, Sie beim Gegenhören durch gezielte Funktionen zu unterstützen: den integrierten Audio-Player, der Sie zu einzelnen Wörtern springen lässt und anzeigt, wo Sie sich im Text befinden, die Umbenennung der Sprecher samt Schreibstil, das Wörterbuch, die Suche nach Schlagwörtern, die Kommentarfunktion und weiterer Shortcuts, siehe Transkripte korrigieren. Diese Funktionen sparen Ihnen Zeit und Konzentration bei der Aufarbeitung des Transkripts.

Wie Sie das Transkript weiterverarbeiten können

Über die Export-Funktion können Sie Ihre Transkripte in verschiedenen Formaten und mit verschiedenen Angaben exportieren:

Word-Dokument (.docx), Textdokument (.txt), Markdown (.md) und JSON-Daten (.json).

Drei Kontrollkästchen steuern, ob Ihre Kommentare, die Wort-Zeitstempel und die Verarbeitungsdetails mitgehen. Alle Einzelheiten stehen in Exportformate.

So geht es weiter