TurboScribe ist ein browserbasierter KI-Transkriptionsdienst auf Basis von Whisper, der Audio und Video in über 98 Sprachen in Text umwandelt – mit Sprechererkennung, Untertitel-Export und integrierter Übersetzung. Der kostenlose Tarif umfasst drei Dateien pro Tag, während der Unlimited-Tarif die Mengenbegrenzung für Forschende, Journalisten und Podcaster aufhebt.
Hast du dieses Tool genutzt? Bewerte es
Hast du dieses Tool genutzt? Bewerte es
TurboScribe ist ein im Browser laufender Transkriptionsdienst, der Audio- und Videodateien in lesbaren, bearbeitbaren Text verwandelt. Sie laden eine Aufnahme hoch, wählen Sprache und Qualitätsmodus, und wenige Sekunden oder Minuten später erhalten Sie ein formatiertes Transkript, das Sie lesen, durchsuchen, korrigieren, übersetzen und als Dokument oder Untertiteldatei exportieren können.
Das prägende Merkmal dieses Produkts ist nicht die Genauigkeit allein, sondern die Abschaffung des Abrechnungsmodells nach Minuten, das diese Kategorie bislang bestimmt. Die Website beschreibt sich selbst als „weltweit einzigen unbegrenzten Transkriptionsdienst" ohne Obergrenzen und ohne Kontingente, und der kostenpflichtige Tarif verkauft unbegrenzte Transkription statt eines Pakets aus Minuten oder Stunden. Wer je beobachtet hat, wie eine minutengenaue Rechnung im Verlauf eines Forschungsprojekts immer weiter anwächst, erkennt schnell, dass diese preisstrukturelle Entscheidung meist schwerer wiegt als ein Bruchteil eines Prozentpunkts bei der Wortfehlerrate.
Technisch betreibt TurboScribe kein eigenes Sprachmodell. Der Dienst nutzt Whisper von OpenAI und weist auf der Startseite offen darauf hin. Das ist mehr als eine technische Fußnote: Die Transkriptionsqualität, die Sie erhalten, ist im Kern die Qualität von Whisper, deren Eigenschaften in der öffentlichen Forschung gut dokumentiert sind. Der eigene technische Beitrag des Unternehmens liegt in der Rechenleistung, der Geschwindigkeit, der Sprecherkennzeichnung, der Übersetzung, der Dateiverwaltung und in der wirtschaftlichen Gestaltung des Tarifs.
Betrieben wird der Dienst von einem kleinen Team. Die häufigen Fragen auf der Startseite sind in der ersten Person vom Gründer verfasst, der sich als Leif vorstellt und angibt, fast ein Jahrzehnt lang bei Unternehmen wie Meta an Systemen künstlicher Intelligenz gearbeitet zu haben. Supportanfragen laufen über eine persönliche E-Mail-Adresse. Das sollte man wissen, bevor man den Dienst mit Anbietern für Großunternehmen vergleicht: Sie kaufen ein fokussiertes Produkt und den direkten Draht zum Gründer, keine Organisation mit formalen Beschaffungswegen und verhandelbaren Dienstgütevereinbarungen.
Der Markt für Sprache-zu-Text teilt sich grob in vier Gruppen. Es gibt menschliche Transkriptionsdienste, die pro Minute abrechnen und nahezu perfekte Ergebnisse nach Stunden oder Tagen liefern. Es gibt Besprechungsassistenten, die Gespräche live begleiten und Zusammenfassungen erstellen. Es gibt Kreativsuiten, die das Transkript als Zeitleiste für die Medienbearbeitung behandeln. Und es gibt reine Werkzeuge nach dem Prinzip Datei hinein, Text heraus.
TurboScribe gehört eindeutig zur vierten Gruppe und optimiert konsequent eine einzige Größe: den Durchsatz pro ausgegebenem Euro. Der Dienst nimmt nicht an Ihren Besprechungen teil, schneidet keine Videos und will kein Arbeitsbereich sein. Er nimmt Dateien entgegen und liefert Text in großem Umfang gegen eine feste Monatsgebühr. Diesen Zuschnitt zu verstehen ist der schnellste Weg zur Entscheidung, denn die meiste Enttäuschung entsteht aus der Erwartung, es handle sich um eine der anderen drei Gruppen.
Der Unlimited-Tarif hebt Kontingente pro Datei und pro Minute auf. Die offiziellen Antworten sind ungewöhnlich deutlich darin, was das praktisch bedeutet: Es gibt keine Obergrenze für die Gesamtnutzung, Kundinnen und Kunden transkribieren regelmäßig Hunderte Stunden im Monat, und die einzige Regel lautet, den Zugang nicht mit anderen zu teilen.
Das Unternehmen nennt zudem eine technische Zielgröße, statt sich hinter vagen Formulierungen zu verstecken: Die Systeme seien darauf ausgelegt, mindestens 720 Stunden Audio oder Video pro Monat zu verarbeiten, was, wie ausdrücklich angemerkt wird, dem Dauerbetrieb rund um die Uhr über dreißig Tage entspricht. Oberhalb dieser Größenordnung, beschrieben als das oberste Promille der Nutzung, verweist der Anbieter auf einen Leitfaden, statt den Dienst abzuschalten. Das ist eine deutlich ehrlichere Haltung als die Branchenüblichkeit, unbegrenzte Nutzung zu bewerben und eine Drosselung in den Geschäftsbedingungen zu vergraben.
Statt ein undurchsichtiges Modell anzubieten, überlässt der Dienst Ihnen die Abwägung zwischen Genauigkeit und Geschwindigkeit für jede einzelne Datei. Die drei Modi entsprechen unmittelbar bestimmten Whisper-Modellgrößen:
base-Modell mit 74 Millionen Parametern. Die offizielle Dokumentation nennt etwa 20 bis 30 Sekunden für eine Stunde Material.small-Modell und 244 Millionen Parametern, bei rund drei Minuten je Stunde Material.large-v2 und 1,55 Milliarden Parametern, in unter zehn Minuten je Stunde Material.Whale ist die Voreinstellung, und das ist die richtige Wahl. Da der Unterschied zwischen den Modi in der Modellkapazität liegt und nicht in einer nachgelagerten Aufbereitung, ist die Modusauswahl der größte Hebel, den Sie für die Qualität in der Hand halten. Sobald Ihr Material Akzente, Fachvokabular oder unsauberen Ton enthält, ist das Verbleiben bei Whale keine Option, sondern Pflicht.
Die Sprechererkennung wird vor dem Hochladen per Häkchen aktiviert und kennzeichnet jeden Abschnitt des Transkripts mit der sprechenden Person. Sie können die Anzahl der Beteiligten angeben – die Oberfläche bietet Werte von zwei bis acht – oder die Erkennung automatisch vornehmen lassen. Laut offizieller Dokumentation verlängert dies die Verarbeitung um ein bis zwei Minuten je Stunde Audio.
Der praktische Hinweis lautet: Geben Sie die Sprecherzahl an, wenn Sie sie kennen. Die automatische Erkennung muss aus dem Signal selbst ableiten, wie viele Stimmen vorhanden sind, und ein bekannter Wert grenzt diesen Suchraum ein, was in der Regel sauberere Abschnittsgrenzen liefert, als das System raten zu lassen.
Die Übersetzung arbeitet als eigener Schritt getrennt von der Transkription, und diese Trennung erweist sich als nützlich. Sobald ein Transkript vorliegt, öffnet eine Schaltfläche das Übersetzungswerkzeug, in dem Sie Zielsprache und Dateiformat wählen und ein übersetztes Transkript oder eine übersetzte Untertiteldatei erhalten. Der Anbieter nennt eine Abdeckung von mehr als 130 Sprachen.
Daneben existiert eine eigene Option, die bereits beim Hochladen greift und Audiomaterial aus jeder unterstützten Sprache unmittelbar in englischen Text überführt, ohne den Umweg über die Ausgangssprache. Beide Wege führen zu unterschiedlichen Ergebnissen und decken unterschiedliche Bedürfnisse ab: Der direkte Weg ins Englische ist bequem, während Transkribieren und anschließendes Übersetzen ein prüfbares Transkript in der Originalsprache erhält.
Für tatsächlich schlechte Aufnahmen entfernt eine Restaurierungsfunktion mithilfe künstlicher Intelligenz Hintergrundgeräusche und hebt die Sprache hervor, bevor transkribiert wird. Die offiziellen Hinweise sind erfreulich zurückhaltend und empfehlen die Funktion ausdrücklich nur als letztes Mittel bei Dateien mit schlechter Tonqualität, mit einem Hinweis auf zwei bis drei Minuten zusätzliche Verarbeitung je Stunde Material. Rauschunterdrückung als Rückfalloption statt als Standard zu behandeln, ist technisch sinnvoll, denn eine aggressive Aufbereitung kann bei Aufnahmen, die sie nicht benötigen, eigene Artefakte erzeugen.
Transkripte lassen sich als PDF, DOCX, TXT, CSV sowie als SRT- und VTT-Untertitel exportieren. Die CSV-Option wird leicht übersehen, ist aber für strukturierte Auswertungen wertvoll, weil sich zeitcodierte Abschnitte damit unmittelbar in eine Tabellenkalkulation oder ein Auswertungsskript laden lassen.
Sammelaktionen übernehmen den Export mehrerer Dateien, und der ordnerweise Export umfasst bis zu 1.000 Transkripte auf einmal. Im Unlimited-Tarif lassen sich fünfzig Dateien gleichzeitig hochladen. Erst im Zusammenspiel machen diese Funktionen umfangreiche Archivprojekte praktisch durchführbar statt bloß theoretisch möglich.
Der Dienst akzeptiert die große Mehrheit gängiger Audio- und Videoformate, darunter MP3, M4A, MP4, MOV, AAC, WAV, OGG, OPUS, MPEG, WMA, WMV, AVI, FLAC, AIFF, ALAC, MKV und WEBM. In der Praxis bedeutet das, dass Sie vor dem Hochladen kaum je etwas konvertieren müssen, was bei Archivarbeiten mit uneinheitlichen Quelldateien einen mühsamen Schritt erspart.
Dieser Abschnitt verdient besondere Aufmerksamkeit, denn die Schlagzeilenzahl ist die meistzitierte und zugleich am wenigsten geprüfte Tatsache über dieses Produkt.
TurboScribe wirbt auf der gesamten Website prominent mit einer Genauigkeit von 99,8 Prozent. Diese Zahl ist vom Anbieter selbst angegeben und nicht unabhängig geprüft worden. Weder Testmethodik noch Datensatz, Tonbedingungen oder Fehlerzählweise werden veröffentlicht. Wie die meisten Genauigkeitsangaben in dieser Kategorie ist sie als Bestwert unter idealen Bedingungen zu lesen – saubere, klare Aufnahmen mit einer einzigen Stimme in einer gut unterstützten Sprache – und nicht als Zusicherung für Ihr konkretes Material.
Da der Whale-Modus Whisper large-v2 ausführt, sind veröffentlichte Messwerte zu genau diesem Modell unmittelbar einschlägig. Die unabhängige Auswertung von Artificial Analysis beziffert die Wortfehlerrate von Whisper large-v2 auf 4,1 Prozent, gemessen auf einem Referenzsatz, der Dialogaufnahmen, Parlamentsreden und Telefonkonferenzen zu Geschäftszahlen kombiniert. Das entspricht rund 95,9 Prozent korrekt erkannter Wörter auf realistischem gemischtem Material – ein ausgezeichnetes Ergebnis für automatische Spracherkennung und zugleich sichtbar unter 99,8 Prozent.
Diese Lücke belegt keine Unehrlichkeit. Sie spiegelt die gut verstandene Tatsache wider, dass Genauigkeit eine Funktion des Tonmaterials ist und keine feste Eigenschaft des Modells. Eine saubere englische Studioaufnahme kann dem höheren Wert tatsächlich nahekommen; gemischtes Material aus der Praxis nicht.
Die öffentliche Forschung zu Whisper dokumentiert die Schwachstellen deutlich, und sie lassen sich direkt übertragen, da es sich um dieselbe Modellfamilie handelt:
large-v3 hier gegenüber früheren Versionen zugelegt hat. Da Whale mit large-v2 arbeitet, nutzen Anwender mit stark akzentuiertem Material die Generation vor dieser Verbesserung.Hinsichtlich der Sprachen agiert der Anbieter transparent. Die eigenen Hinweise halten fest, dass die Genauigkeit je nach Sprache schwankt, führen eine Auswahl besonders leistungsfähiger Sprachen auf und empfehlen ausdrücklich, zunächst mit dem kostenlosen Tarif zu testen. Dieser Rat sollte wörtlich befolgt werden.
Rückmeldungen aus Nutzergemeinschaften ergeben ein einheitliches Bild: hervorragend bei sauberem Ton mit einer Stimme, saubere Sprechertrennung bei gut aufgenommenen Interviews zu zweit, und nachlassende Zuordnung, sobald drei oder mehr Beteiligte einander ins Wort fallen. Für jeden Einsatz, bei dem ein Fehler reale Folgen hat – juristisch, medizinisch, journalistisch, regulatorisch – sollte das Transkript als hochwertiger Entwurf gelten, der gegen die Tonquelle zu prüfen ist, und nicht als abschließender Nachweis.
Wer Interviewstudien durchführt, steht vor einem strukturellen Kostenproblem: Transkription wird nach Minuten abgerechnet, und sorgfältige qualitative Arbeit erzeugt viele Interviewstunden. Eine feste Monatsgebühr verändert das Forschungsdesign selbst, weil sie den Anreiz beseitigt, weniger aufzuzeichnen oder nur ausgewählte Teile zu transkribieren. Das auf der Website veröffentlichte Urteil eines Hochschullehrers verdeutlicht die Größenordnung: Früher habe er Studierenden acht Arbeitsstunden je Stunde Audio zugewiesen.
Sprechererkennung und CSV-Export sind hier die entscheidenden Funktionen, denn das Kodieren qualitativer Daten bedeutet meist, Aussagen bestimmten Beteiligten zuzuordnen und Abschnitte in eine Auswertungssoftware zu überführen.
Journalistinnen und Journalisten benötigen schnell durchsuchbaren Text, und der Wert liegt oft darin, ein bestimmtes Zitat in einem neunzigminütigen Gespräch zu finden, statt das Transkript zu veröffentlichen. Der Whale-Modus mit Sprecherkennzeichnung verwandelt eine Aufnahme binnen Minuten in ein durchsuchbares Dokument. Die zentrale Disziplin besteht darin, jedes Zitat vor der Veröffentlichung gegen das Original zu prüfen: Automatische Transkription verfehlt Eigennamen zuverlässig, und ein halluziniertes oder falsch zugeordnetes Zitat ist ein schwerer beruflicher Fehler.
Produzierende nutzen Transkripte für Episodenseiten, Auffindbarkeit, Ausschnitte für soziale Netzwerke und Barrierefreiheit. Das unbegrenzte Modell passt zu einer wöchentlichen Sendung mit Archiv, denn das Nachliefern von Transkripten für ältere Folgen ist genau die Art von Massenarbeit, die minutengenaue Abrechnung bestraft. Interviewformate zu zweit sind der ideale Fall für die Sprechertrennung; Rundengespräche mit häufigem Dazwischenreden erfordern manuelle Nacharbeit an den Kennzeichnungen.
Der Export als SRT und VTT zusammen mit der Übersetzung in mehr als 130 Sprachen deckt einen vollständigen Untertitelprozess ohne Zusatzwerkzeuge ab. Man transkribiert ein Video, prüft das Transkript auf Fehler und erzeugt anschließend übersetzte Untertiteldateien für mehrere Märkte. Das Korrigieren vor dem Übersetzen ist entscheidend, weil die Übersetzung Transkriptionsfehler in jede nachgelagerte Sprache trägt.
Aufgezeichnete Besprechungen und Vorlesungen lassen sich gut transkribieren, da solche Inhalte in der Regel strukturiert sind, moderiert werden und unter vertretbaren Bedingungen entstehen. Zu beachten ist, dass der Dienst keine laufenden Gespräche begleitet, sondern Dateien im Nachhinein verarbeitet – das setzt voraus, dass ohnehin aufgezeichnet wird. Für Teams heißt das: Der Schritt der Aufzeichnung muss bereits im Prozess verankert sein, damit das Werkzeug Nutzen stiftet.
Der Anbieter spricht diese Bereiche ausdrücklich an: Die Sicherheitsseite beginnt mit dem Hinweis, dass viele Kundinnen und Kunden in Feldern wie Recht oder Medizin arbeiten, in denen Datensicherheit, Datenschutz und Vertraulichkeit entscheidend sind. Die Datenschutzarchitektur trägt diese Positionierung gut. Der Vorbehalt zur Genauigkeit gilt hier allerdings mit größtem Nachdruck: Fachterminologie und folgenreiche Details verlangen menschliche Prüfung, und regulierte Tätigkeiten erfordern die Klärung, ob die Datenhaltung in den Vereinigten Staaten und das Fehlen eines förmlich unterzeichneten Vertrags Ihren Pflichten genügen.
Die Startseite weist darauf hin, dass für eine erste Transkription kein Konto nötig ist. So lässt sich eine Datei ablegen und die Ergebnisqualität prüfen, bevor Sie sich binden. Verwenden Sie eine wirklich repräsentative Probe – Ihr üblicherweise schlechtestes Material, nicht Ihr bestes –, denn genau diese Aufnahme entscheidet darüber, ob das Werkzeug für Sie taugt.
Wählen Sie die Ausgangssprache selbst, statt sich auf Voreinstellungen zu verlassen. Der Dienst gruppiert Sprachen in „beliebt", „hohe Genauigkeit" und „weitere", und diese Einteilung ist selbst ein nützlicher Hinweis. Liegt Ihre Sprache in der dritten Gruppe, sollten Sie die Erwartungen senken und sorgfältig prüfen.
Beginnen Sie mit Whale, der Voreinstellung mit der höchsten Genauigkeit. Wechseln Sie nur dann zu Dolphin oder Cheetah, wenn Geschwindigkeit wirklich wichtiger ist als Qualität, etwa wenn Sie eine Stelle in einer langen Aufnahme suchen statt ein verwendbares Dokument zu erzeugen. Der Zeitgewinn bemisst sich in Minuten, der Qualitätsverlust unter Umständen in Stunden Korrekturarbeit.
Aktivieren Sie sie für jede Aufnahme mit mehreren Personen und geben Sie die Anzahl an, wenn sie bekannt ist. Die Einstellung greift beim Hochladen; ein Fehler bedeutet, die Datei erneut verarbeiten zu lassen.
Behalten Sie diese Funktion tatsächlich beeinträchtigten Aufnahmen vor. Sie kostet zusätzliche Verarbeitungszeit und ist, wie der Anbieter selbst rät, ein letztes Mittel und keine standardmäßige Verbesserung.
Lesen Sie das Transkript entlang der Tonspur und korrigieren Sie Eigennamen, Fachbegriffe und jede Passage, die auffallend flüssig wirkt – ungewöhnliche Geschmeidigkeit in einem schwierigen Abschnitt kann auf eine Halluzination hindeuten. Exportieren Sie erst danach. Korrigieren Sie vor dem Übersetzen und vor der Untertitelerzeugung, damit sich Fehler nicht vervielfachen.
Verbessern Sie die Aufnahme, nicht das Transkript. Jede Verbesserung des Quelltons zahlt sich mehrfach in eingespartem Korrekturaufwand aus. Getrennte Mikrofone, ein ruhiger Raum und Beteiligte, die einander ausreden lassen, bewirken mehr als jede Einstellung in der Oberfläche.
Bündeln Sie Archivarbeit. Da der Unlimited-Tarif fünfzig gleichzeitige Uploads und ordnerweise Exporte bis zu tausend Transkripten erlaubt, lassen sich Rückstände am besten in geplanten Paketen abarbeiten statt Datei für Datei.
Führen Sie einen Sprachtest durch. Bevor Sie ein mehrsprachiges Vorhaben starten, transkribieren Sie im kostenlosen Tarif eine kurze Probe je Sprache. Veröffentlichte Ranglisten sind nur ein Ausgangspunkt; entscheidend sind Ihre Sprechenden, deren Akzente und Ihr Fachvokabular.
Behandeln Sie Halluzinationen als reales Risiko. In ressourcenarmen Sprachen und bei nahezu stillen Passagen kann Text entstehen, der nie gesprochen wurde. Abschnitte, die im Vergleich zur Umgebung zu glatt wirken, verdienen einen direkten Abgleich mit der Aufnahme.
Teilen Sie Ihr Konto nicht. Das ist die einzige ausdrückliche Regel des unbegrenzten Tarifs. Teams benötigen eigene Zugänge; für Organisationen stellt der Anbieter gesonderte Hinweise bereit.
Am besten passt der Dienst zu Einzelnutzenden mit hohem Volumen – Forschenden, Journalistinnen und Journalisten, Podcast-Schaffenden, Studierenden, Lehrenden und Selbstständigen, die viele Stunden Material verarbeiten und planbare Kosten wünschen. Die Rechnung geht gerade dann auf, wenn das Volumen hoch ist, denn eine feste Gebühr bei unbegrenzter Nutzung belohnt intensive Verwendung.
Ebenso passt er zu mehrsprachig arbeitenden Schaffenden, da über 98 Transkriptions- und über 130 Übersetzungssprachen in einem Produkt zusammenkommen.
Für datenschutzbewusste Fachleute ist die Eignung angesichts des Preises ungewöhnlich hoch, was an der internen Verarbeitung und den unten beschriebenen Zusagen zum Modelltraining liegt.
Ungeeignet ist er für Teams, die Besprechungen live erfassen und zusammenfassen wollen, für Schnittkräfte, die eine an das Transkript gekoppelte Zeitleiste erwarten, sowie für Organisationen, die unterzeichnete Auftragsverarbeitungsverträge, Verfügbarkeitszusagen oder eine Datenhaltung außerhalb der Vereinigten Staaten benötigen. Ebenso wenig eignet er sich, wenn Sie zertifizierte wortgetreue Genauigkeit ohne menschliche Prüfung brauchen – das leistet kein automatisierter Dienst, auch dieser nicht.
TurboScribe läuft im Webbrowser. Eine Installation ist nicht erforderlich, Dateien werden über die Browseroberfläche übertragen, sodass der Dienst ohne plattformspezifische Ausgaben auf den gängigen Desktop-Systemen funktioniert.
Die Uploadgrenzen im bezahlten Tarif sind großzügig: Jede Datei darf bis zu zehn Stunden lang und fünf Gigabyte groß sein, bei bis zu fünfzig Dateien gleichzeitig. Der kostenlose Tarif begrenzt jede Datei auf dreißig Minuten und eine Datei zur selben Zeit.
Eine Anbindung verdient Erwähnung: Der Anbieter hat eine Erweiterung veröffentlicht, mit der sich Transkripte in ChatGPT zusammenfassen und befragen lassen. Das ist eine Brücke zu einem externen Assistenten und keine eingebaute Zusammenfassungsfunktion – ein relevanter Unterschied, falls Sie native Zusammenfassungen neben dem Transkript erwartet haben. Einzelheiten zur Abrechnung für Teams richten sich nach der Dokumentation des Anbieters für Organisationen. (Angabe zu prüfen: Details zu Plätzen und Abrechnung für Teams gelten laut offizieller Quelle.)
Der Anbieter veröffentlicht zwei Stufen offen, ohne Anmeldung zur Einsicht der Beträge.
TurboScribe Free kostet nichts und umfasst drei Transkripte täglich, jede Datei bis zu dreißig Minuten, eine Datei zur selben Zeit. Kostenlose Dateien laufen mit niedrigerer Priorität, was zu Spitzenzeiten längere Wartezeiten bedeutet. Bemerkenswert ist, dass der kostenlose Tarif qualitativ nicht beschnitten wurde: Der Anbieter gab bekannt, dass der Whale-Modus mit der höchsten Genauigkeit auch kostenlosen Nutzenden offensteht. Damit ist der Gratistarif ein echter Prüfweg und keine abgespeckte Vorführung.
TurboScribe Unlimited kostet 10 US-Dollar monatlich bei jährlicher Zahlung von 120 US-Dollar oder 20 US-Dollar bei monatlicher Zahlung. Enthalten sind unbegrenzte Transkription für eine Person, Uploads bis zehn Stunden und fünf Gigabyte, fünfzig gleichzeitige Dateien, alle Modi, Übersetzung in über 134 Sprachen, Sammelexporte, unbegrenzter Speicher und höchste Priorität. Das Abonnement lässt sich jederzeit in den Kontoeinstellungen kündigen, der Zugang bleibt bis zum Ende des laufenden Zeitraums bestehen.
Diese Frage gehört jedem Produkt gestellt, das so wirbt, und die Belege fallen hier besser aus als üblich. Eine Durchsicht der veröffentlichten Geschäftsbedingungen ergab keine gesonderte Fair-Use-Klausel, die das Transkriptionsvolumen begrenzt. Vorhanden sind das übliche Recht, Konten jederzeit auszusetzen oder zu beenden, das Verbot des Weiterverkaufs sowie die ausdrücklich genannte Regel gegen das Teilen von Zugangsdaten.
Am nächsten an einer Volumenschwelle liegt der Hinweis, die Systeme seien für mindestens 720 Stunden monatlich ausgelegt, wobei Nutzende darüber – beschrieben als oberstes Promille – auf einen Leitfaden verwiesen werden. Das liest sich als Kapazitätsangabe, nicht als verdeckte Obergrenze. Eine Einschränkung liefern die Bewertungsportale: Einzelne Trustpilot-Rezensionen berichten von unerwarteten Nutzungsgrenzen und Verarbeitungsfehlern bei großen Dateien zu Spitzenzeiten, sodass die Praxis bei extremen Mengen weniger absolut ausfallen kann als die Werbung.
Häufiger betrifft die Kritik die Abrechnung. Rezensionen nennen wiederholt unerwartete Abbuchungen, automatische Verlängerung und Schwierigkeiten bei der Kündigung. Setzen Sie sich eine Erinnerung vor dem jährlichen Verlängerungstermin und wählen Sie den Abrechnungszeitraum bewusst.
Bei einem Transkriptionswerkzeug ist dieser Abschnitt keine Formalie. Besprechungsmitschnitte, Kundengespräche sowie medizinische oder juristische Unterhaltungen gehören zum sensibelsten Material einer Organisation, und wohin dieses Audio gelangt, entscheidet darüber, ob das Werkzeug beruflich überhaupt nutzbar ist. Die veröffentlichten Zusagen sind deutlich stärker als der Kategoriedurchschnitt.
Keine Verarbeitung durch Dritte. Der Anbieter formuliert unmissverständlich, keine Transkriptionsschnittstellen oder -dienste Dritter zu nutzen und sämtliche Verarbeitung auf eigenen oder kontrollierten Maschinen auszuführen. Ihr Audio wird also nicht an einen externen Sprachdienst weitergereicht. Für eine Lieferantenrisikoprüfung vereinfacht das die Betrachtung der Datenflüsse erheblich.
Kein Modelltraining mit Ihren Daten. Die Sicherheitsseite verneint dies direkt: Es würden keine Modelle künstlicher Intelligenz oder des maschinellen Lernens mit Mediendateien oder Transkripten der Nutzenden trainiert. Da der Dienst ein vortrainiertes offenes Modell betreibt und keine Kundendaten benötigt, um das eigene System zu verbessern, ist diese Zusage auch strukturell glaubwürdig und nicht bloß eine Absichtserklärung.
Verschlüsselung im Ruhezustand und bei der Übertragung. Transkripte und Mediendateien werden im Ruhezustand mit AES-256 verschlüsselt, verschlüsselte Verbindungen werden erzwungen, und der Anbieter erklärt, unverschlüsselte Verbindungen über das öffentliche Internet abzulehnen.
Zugriffskontrolle. Sofern Sie nicht bewusst teilen, kann ausschließlich die kontoführende Person Mediendateien und Transkripte einsehen oder bearbeiten. Hinweise auf eine routinemäßige menschliche Durchsicht fehlen.
Die Aufbewahrung steuern Sie. Hier liegt die entscheidende Feinheit: Der Anbieter nennt keine feste Löschfrist. Die Datenschutzerklärung hält fest, dass hochgeladene Inhalte auf den Servern gespeichert werden und, sofern Sie sie nicht löschen, so lange erhalten bleiben können, wie das Konto aktiv ist. Das Löschen wirkt sofort und ist unumkehrbar: Gelöschte Dateien lassen sich nicht wiederherstellen, und das Löschen des Kontos entfernt sämtliche Dateien unmittelbar und dauerhaft. Anders gesagt: Standardmäßig ist die Aufbewahrung unbefristet und wird nur kurz, wenn Sie sie aktiv steuern. Teams mit sensiblem Material sollten einen Löschschritt fest im Prozess verankern, statt auf ein automatisches Verfallsdatum zu vertrauen.
Datenhaltung in den Vereinigten Staaten. Die zentrale Infrastruktur befindet sich in den Vereinigten Staaten, und die Datenschutzerklärung weist ausdrücklich darauf hin, dass Angaben von Nutzenden aus der Europäischen Union, dem Vereinigten Königreich oder anderen Ländern außerhalb der Vereinigten Staaten dorthin übertragen und dort gespeichert werden. Verlangen Ihre Pflichten eine Speicherung in der Europäischen Union oder im eigenen Land, ist dies ein hartes Ausschlusskriterium, wie belastbar die übrigen Zusagen auch sein mögen.
Zahlungen. Die Zahlungsabwicklung läuft über Stripe, und der Anbieter erklärt, Kreditkartennummern nicht auf den eigenen Servern zu speichern.
Otter.ai zielt auf eine andere Aufgabe: Der Dienst nimmt live an Besprechungen teil, erstellt Notizen und Zusammenfassungen in Echtzeit und verbindet sich mit Kalendern und Konferenzwerkzeugen. Für die Live-Erfassung wählen Sie Otter, für die Verarbeitung großer Dateimengen TurboScribe.
Rev bietet sowohl automatische als auch menschliche Transkription, wobei letztere eine Genauigkeit erreicht, die kein automatisches System erzielt, zum Minutenpreis. Rev lohnt sich, wenn eine bestimmte Datei nahezu fehlerfrei sein muss und Korrektheit über den Kosten steht; TurboScribe lohnt sich, wenn das Volumen über der Perfektion einzelner Dateien steht.
Descript behandelt das Transkript als Bearbeitungsoberfläche: Wer die Wörter ändert, ändert das Medium. Für Podcast- und Videoschaffende, die Schnitt und Transkription vereinen möchten, deckt Descript ein Feld ab, das TurboScribe gar nicht betritt.
Selbst betriebenes Whisper ist der direkteste Vergleich, da es buchstäblich dasselbe Modell ist. Der Eigenbetrieb verursacht keine Stundenkosten und hält das Audio vollständig auf eigener Hardware, was die stärkste denkbare Datenschutzposition darstellt. Die Nachteile sind real: Sie benötigen leistungsfähige Hardware, large-Modelle sind anspruchsvoll, und Sprecherkennzeichnung, Übersetzung, Untertitelexport, Speicherung und Dateiverwaltung müssen Sie selbst aufbauen. Das ehrliche Wertversprechen von TurboScribe lautet, die Rechenkapazität und das Produkt rund um ein Modell zu verkaufen, das Sie andernfalls selbst betreiben könnten.
Die Genauigkeitsangabe ist ungeprüft. Die 99,8 Prozent stammen vom Anbieter, ohne veröffentlichte Methodik und ohne unabhängige Prüfung, während unabhängige Messungen des zugrundeliegenden Modells large-v2 rund 4,1 Prozent Wortfehlerrate auf realistischem Material ergeben. Planen Sie mit dem Messwert, nicht mit dem Werbebanner.
Qualität ist bedingt, nicht fest. Akzente, Zwischenrufe, Störgeräusche und ressourcenarme Sprachen verschlechtern die Ergebnisse messbar, und der Anbieter räumt selbst ein, dass die Genauigkeit je nach Sprache schwankt.
Halluzinationsrisiko unter schwachen Bedingungen. Whisper kann flüssigen Text erzeugen, der nie gesprochen wurde, besonders in ressourcenarmen Sprachen. Flüssigkeit ist kein Beleg für Richtigkeit.
Whale nutzt large-v2, nicht large-v3. Veröffentlichte Forschung weist darauf hin, dass large-v3 gerade bei akzentbehafteter und nicht muttersprachlicher Aussprache zugelegt hat. Betroffene Anwender arbeiten mit der älteren Generation.
Kein Werkzeug für laufende Besprechungen. Der Dienst verarbeitet hochgeladene Dateien, nimmt nicht an Gesprächen teil und erzeugt keine Notizen in Echtzeit.
Zusammenfassungen laufen extern. Die Zusammenfassung von Transkripten erfolgt über die separat veröffentlichte Erweiterung in ChatGPT und nicht als native Funktion.
Standardmäßig unbefristete Aufbewahrung. Dateien bleiben bestehen, solange das Konto aktiv ist und Sie nicht löschen. Sensible Abläufe brauchen eine ausdrückliche Löschroutine.
Datenhaltung ausschließlich in den Vereinigten Staaten. Für Organisationen mit europäischen oder nationalen Anforderungen ein hartes Hindernis.
Reibungspunkte bei der Abrechnung sind die beständigste Kritik. Rückmeldungen auf Bewertungsportalen nennen wiederholt unerwartete Abbuchungen, automatische Verlängerung und erschwerte Kündigung. Verwalten Sie Verlängerungstermine aktiv.
Kleiner Anbieter. Die direkte Unterstützung durch den Gründer ist ein echter Vorteil bei der Reaktionsgeschwindigkeit, ersetzt aber keine Beschaffungsprozesse, vertraglichen Dienstgütezusagen oder verhandelten Datenvereinbarungen.
Unbegrenzt gilt pro Person. Der Tarif deckt eine Person ab, das Teilen von Konten ist ausdrücklich untersagt.
Ja, es gibt einen wirklich brauchbaren kostenlosen Tarif: drei Transkripte täglich, je Datei bis zu dreißig Minuten, eine Datei zur selben Zeit, mit niedrigerer Priorität. Wichtig ist, dass auch kostenlose Nutzende den genauesten Whale-Modus erhalten, sodass der Gratistarif die tatsächliche Ausgabequalität prüft und keine beschnittene Fassung. Es ist der richtige Weg, das Werkzeug vor einer Zahlung am eigenen Material zu bewerten.
Unlimited kostet 10 US-Dollar monatlich bei jährlicher Zahlung von 120 US-Dollar oder 20 US-Dollar bei monatlicher Zahlung – die Jahresbindung halbiert den effektiven Satz. Enthalten sind unbegrenzte Transkription für eine Person, Uploads bis zehn Stunden, alle Modi, Übersetzung, Sammelexporte und höchste Priorität. Eine Kündigung ist jederzeit möglich, der Zugang bleibt bis zum Ende des bezahlten Zeitraums.
Es handelt sich um eine Angabe des Anbieters ohne unabhängige Prüfung und ohne veröffentlichte Methodik. Unabhängige Messungen von Whisper large-v2, dem Modell des genauesten Modus, ergeben rund 4,1 Prozent Wortfehlerrate auf gemischtem realistischem Material, also etwa 95,9 Prozent Genauigkeit. Betrachten Sie 99,8 Prozent als Bestwert für sauberes, klares Englisch mit einer Stimme und prüfen Sie mit eigenen Aufnahmen.
Die veröffentlichten Geschäftsbedingungen enthalten keine gesonderte Klausel, die das Volumen deckelt. Der Anbieter erklärt, es gebe keine Obergrenze für die Gesamtnutzung, Kundschaft transkribiere regelmäßig Hunderte Stunden monatlich, und die Systeme seien für mindestens 720 Stunden im Monat ausgelegt, wobei darüber hinaus Beratung statt Abschaltung erfolgt. Die einzige ausdrückliche Regel untersagt das Teilen von Zugangsdaten. Einzelne Rückmeldungen berichten allerdings von unerwarteten Grenzen zu Spitzenzeiten.
Dateien und Transkripte werden im Ruhezustand mit AES-256 verschlüsselt und über erzwungene verschlüsselte Verbindungen übertragen. Die Verarbeitung erfolgt auf Maschinen, die dem Anbieter gehören oder von ihm kontrolliert werden, ohne Transkriptionsschnittstellen Dritter, und nur Sie haben Zugriff, sofern Sie nichts teilen. Die Aufbewahrung ist standardmäßig zeitlich unbegrenzt: Inhalte bleiben erhalten, solange das Konto aktiv ist und Sie nicht löschen; das Löschen wirkt sofort und dauerhaft.
Nein. Der Anbieter erklärt ausdrücklich, keine Modelle künstlicher Intelligenz oder des maschinellen Lernens mit Mediendateien oder Transkripten der Nutzenden zu trainieren. Da ein vortrainiertes offenes Modell betrieben wird und Kundendaten zur Verbesserung des eigenen Systems nicht erforderlich sind, deckt sich diese Zusage mit dem tatsächlichen Aufbau des Produkts.
Die Transkription umfasst über 98 gesprochene Sprachen, die Übersetzung von Transkripten und Untertiteln über 130 Sprachen. Die Qualität ist ausdrücklich nicht einheitlich: Der Anbieter erklärt, die Genauigkeit variiere je nach Sprache, und veröffentlicht eine Auswahl besonders leistungsfähiger Sprachen, darunter Englisch, Spanisch, Französisch, Deutsch, Italienisch, Portugiesisch, Chinesisch, Japanisch, Russisch, Arabisch, Hindi und Koreanisch. Außerhalb dieser Auswahl, besonders bei ressourcenarmen Sprachen, steigen Fehler- und Halluzinationsrisiko.
Ja. Die Sprechererkennung wird vor dem Hochladen aktiviert und gliedert das Transkript nach Sprechenden, mit Vorgaben von zwei bis acht Beteiligten oder automatischer Erkennung, bei ein bis zwei Minuten zusätzlicher Verarbeitung je Stunde. Bei gut aufgenommenen Interviews zu zweit arbeitet sie sauber; ab drei Beteiligten mit deutlichem Durcheinanderreden können die Kennzeichnungen durcheinandergeraten und manuelle Korrektur erfordern.
Uploads decken praktisch alle gängigen Audio- und Videoformate ab, darunter MP3, M4A, MP4, MOV, AAC, WAV, OGG, OPUS, MPEG, WMA, WMV, AVI, FLAC, AIFF, ALAC, MKV und WEBM. Exporte umfassen PDF, DOCX, TXT, CSV sowie SRT- und VTT-Untertitel, wobei sich viele Dateien auf einmal ausgeben lassen.
Die Datenschutzarchitektur passt gut zu vertraulichem Material: interne Verarbeitung, keine Schnittstellen Dritter, kein Modelltraining, AES-256-Verschlüsselung und vom Nutzenden gesteuertes Löschen. Zwei Vorbehalte gelten. Erstens die Genauigkeit: Fachterminologie und folgenreiche Details verlangen eine menschliche Prüfung gegen die Tonquelle, und kein automatisches Transkript sollte ohne Durchsicht als Nachweis juristischer oder klinischer Sachverhalte dienen. Zweitens die Regelkonformität: Die Daten liegen in den Vereinigten Staaten, und es handelt sich um ein Produkt eines kleinen Teams ohne die förmlich unterzeichneten Verträge und geprüften Zertifizierungen, die viele regulierte Organisationen verlangen. Prüfen Sie beides an Ihren Pflichten.