Eine Transkription starten: Datei, Modell, Sprecher, Warteschlange

Jede Transkription beginnt auf dieselbe Weise. Sie geben eine Datei auf, wählen ein Modell, nennen die Zahl der Sprecher und bestätigen mit Weiter. Danach transkribiert Ihr Endgerät die ausgewählte Tondatei mit den ausgewählten Einstellungen. Die Datei verlässt dabei Ihr Gerät nicht; memozero verarbeitet sie lokal. Dieser Artikel führt Sie durch alle Schritte und zeigt, was in der Warteschlange und bei einem Fehler passiert.

Schritt für Schritt

Möchten Sie eine neue Transkription mit memozero starten, gehen Sie wie folgt vor:

1. Klicken Sie in der Seitenleiste oder auf der Startseite auf Neue Transkription.
2. Die Karte Datei öffnen erscheint, mit der Zeile “Wählen Sie eine Audiodatei für die Transkription aus”.
3. Ziehen Sie Ihre Datei in das Ablagefeld (dort steht “Audiodatei auswählen oder per Drag & Drop einfügen”). Alternativ klicken Sie auf das Feld und wählen Sie die Datei in Ihrer Ordnerstruktur aus.
4. Wählen Sie unter KI-Modell ein passendes Modell aus (vgl. unten).
5. Stellen Sie im Abschnitt Sprechererkennung mit Minus und Plus die Zahl der Sprecher ein. Lassen Sie den Schalter Sprecher automatisch erkennen aus, wenn Ihnen die Anzahl bekannt ist.
6. Klicken Sie auf Weiter. Auf dem Knopf steht währenddessen “Verarbeitung…”.

memozero merkt sich Modell, Sprecherzahl und Schalter für das nächste Mal. Beim ersten Start steht dort ein Sprecher, und die automatische Erkennung ist aus.

Welche Dateien memozero annimmt

memozero transkribiert Audio- und Videodateien in diesen zehn Formaten. Die Karte Datei öffnen zählt sie auch selbst auf.

• Audio: .mp3, .wav, .m4a, .flac, .aiff, .aif, .ogg, .opus
• Video: .mp4, .mpeg

Bei Video sind nur .mp4 und .mpeg möglich. Andere Videoformate lehnt die App ab. Dafür müssen Sie die Tonspur nicht vorher heraustrennen. Das spart Ihnen den Umweg über ein zweites Programm, gerade bei einem aufgezeichneten Interview.

memozero prüft nur die Endung, nicht den Inhalt. Eine leere Datei lehnt die App sofort ab.

Das passende Modell wählen

Unter KI-Modell können Sie zwischen drei Modellen zur Transkription auswählen. Grundlegend ist dabei die Frage, ob eine Aufnahme nur oder beinahe ausschließlich auf Deutsch oder in einer anderen bzw. in mehreren Sprachen geführt worden ist.

Beschriftung in der App	Was die App dazu schreibt
Whisper 3 Turbo – Deutsch	“Speziell für Deutsch trainiert, am genauesten bei deutschen Aufnahmen, und schnell.”
Whisper 3 Turbo – Mehrsprachig	“Schnellere Verarbeitung für Aufnahmen in anderen Sprachen.” Bietet sich zum Beispiel für eine englischsprachige Aufnahme oder eine Aufnahme mit Dolmetscher an.
Whisper 3 – Mehrsprachig	Für Aufnahmen in anderen Sprachen, bei höchster Genauigkeit, aber längerer Transkriptionsdauer. Für rein deutsche Aufnahmen ist das Deutsch-Turbo-Modell besser geeignet.

Welche Modelle Sie sehen, hängt von Ihrem Gerät ab. Auf Geräten ohne Grafikbeschleunigung kommen dieselben Modelle mit dem Zusatz (CPU) dazu. Wer eine unterstützte Grafikkarte oder einen Apple-Silicon-Chip hat, sieht die CPU-Zeilen nicht. Ein Mac mit weniger als 16 GB Arbeitsspeicher bekommt nur eine sparsamere Fassung des deutschen Turbo-Modells angeboten. Ein Modell, das noch nicht auf dem Endgerät liegt, trägt den Zusatz (Herunterladen).

Sprecher angeben

Im Abschnitt Sprechererkennung haben Sie zwei Bedienelemente. Sie schließen sich gegenseitig aus.

• Feste Anzahl (Vorgabe). Ein Zähler von 1 bis 10. memozero gibt der Sprechererkennung genau diese Zahl vor. Wenn Sie die Zahl kennen, tragen Sie sie ein. Das Ergebnis wird dann genauer.
• Sprecher automatisch erkennen. Ein Schalter; er ist im Normalfall ausgeschaltet. Dann zählt die Software die Sprecher selbst.

Sollte ein Sprecher in einer längeren Aufnahme nur wenige Male etwas sagen, empfehlen wir, diesen Sprecher nicht mitzuzählen, wenn keine sehr gute Audioqualität der Aufnahme vorliegt. So lässt sich ein seltener Sprecher anschließend im Editor häufig besser zuweisen.

Die Sprechererkennung lässt sich nicht abschalten. Der Schalter ändert nur, ob memozero die Anzahl vorgegeben bekommt oder selbst zählt. Eine Spanne wie “zwischen 2 und 5 Sprechern” gibt es nicht.

Auf älteren Geräten, die keine Sprechererkennung leisten, sind beide Elemente gesperrt. Dort steht “Sprechererkennung wird auf diesem Gerät nicht unterstützt”. Sie bekommen trotzdem ein vollständiges Transkript. Alle Wörter tragen dann einen unbekannten Sprecher.

Was während der Verarbeitung passiert

Nach dem Klick auf Weiter zeigt memozero eine Liste der Schritte. Die ersten drei Zeilen erscheinen nur, wenn sie gebraucht werden.

Schritt	Was dabei passiert
KI-Modul herunterladen	nur beim ersten Mal
Modell herunterladen	wenn das gewählte Modell fehlt
In Warteschlange	wenn eine andere Aufgabe läuft
Audio-Datei vorbereiten	die Audio-Datei wird vorbereitet
Transkription mit Whisper AI	Sprache wird in Text umgewandelt
Wort-Alignment	präzise Zeitstempel werden berechnet
Sprechererkennung	verschiedene Sprecher werden identifiziert
Ergebnisse finalisieren	die Transkription wird für den Editor vorbereitet

Darüber läuft ein Gesamtbalken mit der Beschriftung “Gesamtfortschritt”. Während eines Downloads heißt er “Download-Fortschritt”, in der Warteschlange “Warteschlangenstatus” mit Ihrer Position. Unter dem laufenden Schritt läuft eine Detailzeile mit. Nach erfolgreichem Abschluss der Transkription springt der Status auf Prüfung, und der Editor öffnet sich.

Die Warteschlange

Es läuft immer nur eine Transkription gleichzeitig (auch bei leistungsfähigen Endgeräten). Weitere Aufträge warten. Eine Obergrenze für die wartenden Aufträge gibt es nicht. Die Reihenfolge ist die Reihenfolge des Eingangs.

Sie können einen laufenden und einen wartenden Auftrag abbrechen. Klicken Sie dazu auf Transkription abbrechen. Die App fragt “Transkription abbrechen?” und schreibt dazu: “Sind Sie sicher? Sie können sie später von Anfang an neu starten.” Ein Abbruch verwirft die Zwischenergebnisse. Datei und Eintrag bleiben erhalten, der Status wird Abgebrochen, und der Knopf heißt danach Neu starten. Ein Neustart von Hand stellt den Auftrag ans Ende der Warteschlange.

Achtung: Wer memozero schließt, beendet die laufende Transkription. Die App warnt davor nicht. Beim nächsten Start stellt memozero den Auftrag automatisch zurück in die Warteschlange und versucht es erneut; insgesamt sind bis zu drei Versuche möglich. Der Rat aus der App lautet: “Lassen Sie memozero geöffnet, bis die Transkription abgeschlossen ist.”

Grenzen

Grenze	Wert
Sprecherzahl	1 bis 10
Wartende Aufträge	unbegrenzt
Gleichzeitig laufende Aufträge	genau 1
Länge der Aufnahme	unbegrenzt
Dateigröße, harte Grenze	50 GB
Dateigröße, Warnung	ab 2 GB, ab 1 GB bei 8 GB Arbeitsspeicher

Es gibt kein Minutenkontingent und keine Obergrenze für die Zahl der Transkriptionen. Die Grenze sind Ihre Hardware und Ihre Geduld. Bei einer großen Datei zeigt memozero diese Warnung: “Große Dateien werden unterstützt, aber die Offline-Verarbeitung kann lange dauern. Lassen Sie memozero geöffnet, bis die Transkription abgeschlossen ist.”

Wenn etwas schiefgeht

Sollte etwas schiefgehen, können Sie folgende Meldungen mit folgender Bedeutung erhalten:

Fall	Was Sie sehen
falsche Endung	“Nicht unterstütztes Dateiformat”
kein Ton in der Videodatei	“Diese Datei enthält keine Audiospur und kann nicht transkribiert werden.”
beschädigte oder verschlüsselte Datei	“Diese Audiodatei konnte nicht gelesen werden. Sie ist möglicherweise beschädigt, verschlüsselt oder in einem nicht unterstützten Format.”
wenig freier Arbeitsspeicher	Dialog “Wenig Arbeitsspeicher verfügbar”, Knopf Trotzdem starten
Modell fehlt	Dialog “Download erforderlich” mit Größe, Knopf Herunterladen & Starten. Danach startet die Transkription von selbst
Modelldateien beschädigt	Dialog “Modelldateien beschädigt”, Knopf Erneut herunterladen
Dienst startet neu	Hinweis “Transkriptionsdienst wird neu gestartet…”
sonstiger Fehler	“Transkription fehlgeschlagen”, Knopf Zurück und erneut versuchen

Jede Fehlermeldung zur Audiodatei trägt eine Support-ID. Notieren Sie diese ID und schreiben Sie sie in Ihre Support-Anfrage. Damit findet der Support Ihren Fall sofort.

Bleibt der Fortschritt bei der Transkription oder der Sprechererkennung längere Zeit bei derselben Prozentzahl stehen, geben Sie memozero großzügig Zeit, gerade bei älteren Endgeräten; bei langen Aufnahmen lassen Sie das Programm am besten über Nacht laufen. Ändert sich der Stand nach mehreren Stunden nicht, brechen Sie die Transkription ab, starten Sie Ihr Endgerät und anschließend die Transkription neu. Tritt der Fehler erneut auf, exportieren Sie in den Accounteinstellungen im Reiter System unter Diagnose ein Support-Paket und senden Sie es uns über das Kontaktformular. Wir bemühen uns dann um eine schnelle Bearbeitung.

So geht es weiter

• Modelle und Rechenleistung: welches Modell zu Ihrer Hardware passt und wie viel Speicherplatz es braucht.
• Transkripte korrigieren: der Editor, die Konfidenz und der Weg vom Status Prüfung zum fertigen Transkript.
• Wörterbuch: eigene Namen und Fachbegriffe hinterlegen, damit memozero sie richtig schreibt.