ForHosting KIT · Audio & Sprache

Transkript mit Zeitstempel erstellen

Jedes Wort im Transkript kommt mit Start- und Endzeit in Sekunden, damit ein Suchtreffer, ein hervorgehobener Untertitel oder ein Videoschnitt genau dort landet, wo die Phrase fiel. Die Sprache wird automatisch erkannt. Bezahlung pro Nutzung, ohne Abo.

● Stabilpro Anfrage + pro Minute$0.002

Ausführen — $0.002 + $0.0055/Minute API ansehen

Nutzen Sie es über WebAPIE-MailTelegramApp bald

Online ausführen

Führen Sie dies mit Ihrem Konto auf unseren Servern aus. Kostenlose Tools laufen in Ihrem Browser; dieses wird zum oben genannten Preis von Ihrem KIT-Guthaben abgebucht.

KIT transkribiert eine Audio- oder Videoaufnahme und versieht jeden Satz mit exakter Start- und Endzeit. Statt eines einzigen Textblocks entsteht eine Zeitleiste, mit der Sie im Schnittprogramm, im Protokoll oder in der Recherche direkt zur passenden Stelle im Original springen.

Ein Transkript, das auch weiß, wann

Ein einfaches Transkript sagt, was gesagt wurde, aber nicht wann. Zum Lesen genügt das, doch sobald Sie an einer bestimmten Stelle handeln wollen, reicht es nicht mehr: einen Clip genau an einer Phrase schneiden, Hörer zu der Stelle eines Podcasts springen lassen, die ihre Frage beantwortet, oder ein Archiv aufbauen, in dem eine Suche die exakte Sekunde liefert statt nur die Folge. Hier erhält jedes erkannte Wort eine Start- und eine Endzeit in Sekunden, zusätzlich zum vollständigen Text.

Wofür Wortzeiten gebraucht werden

Videoeditoren setzen einen Schnitt genau dort, wo ein Wort endet, Untertitel im Karaoke-Stil heben jedes Wort beim Sprechen hervor, und Mediatheken lassen Nutzer aus einem Suchtreffer direkt in den Ton springen. Lange Aufnahmen werden in Abschnitten verarbeitet, wobei die Zeiten über jede Nahtstelle hinweg stimmig bleiben. Schlägt ein Auftrag fehl, wird er bis zu dreimal wiederholt und nicht berechnet. Das Ergebnis liegt 24 Stunden über einen sicheren Link bereit.

Warum Zeitstempel mehr sind als ein Detail

Ein reines Transkript beantwortet, was gesagt wurde; die Zeitstempel beantworten, wann. Für Videoschnitt, Belegprüfung oder eine dokumentierte Aussage reicht der Text allein oft nicht, weil die exakte Sekunde im Originalmaterial zählt. KIT ordnet jedem Satz seine Start- und Endzeit zu, sodass Sie ihn im Player oder Schnittprogramm sofort wiederfinden.

Typischer Einsatz

Journalisten markieren ein Zitat mit der genauen Sekunde der Aufnahme, Gerichtsdolmetscher dokumentieren, wann eine Aussage fiel, und Videoproduzenten schneiden anhand der Zeitleiste, statt die Aufnahme mehrfach durchzuhören. Auch für Untertitel ist das Ergebnis die Vorstufe: Aus Text mit Zeitstempeln wird im nächsten Schritt eine SRT- oder VTT-Datei.

Grenzen

Bei Überlappungen mehrerer Sprecher kann die Zeitgrenze zwischen zwei Sätzen leicht verschoben sein; für eine exakte Sprecherzuordnung eignet sich zusätzlich die Sprechererkennung. Die Datei darf bis zu 200 MB groß sein und bis zu 180 Minuten lang.

Anwendungsfälle

Zitat mit Beleg

Ein Wirtschaftsmagazin zitiert aus einem Interview und hinterlegt die genaue Sekunde der Aussage, damit Leser und Faktenchecker die Stelle in der Originalaufnahme nachhören können.

Schnittvorlage für Video

Ein Unternehmen aus Leipzig lässt ein Kundengespräch transkribieren, um im Schnittprogramm anhand der Zeitstempel direkt zu den relevanten Aussagen zu springen, statt die Aufnahme mehrfach zu sichten.

Vorstufe für Untertitel

Eine Bildungsplattform nutzt das zeitgestempelte Transkript als Zwischenschritt, bevor daraus SRT-Untertitel für ein Lernvideo erzeugt werden.

Häufige Fragen

Wie unterscheidet sich das von einer einfachen Transkription?

Jeder Satz bekommt zusätzlich eine Start- und Endzeit in Sekunden, sodass Sie ihn im Originalmaterial sofort wiederfinden – ohne Zeitstempel liefert das Ergebnis nur den reinen Text.

In welchem Format liegen die Zeitstempel vor?

Als strukturierte Daten mit Sekundenangabe pro Satz, die sich direkt weiterverarbeiten oder in ein Untertitelformat wie SRT umwandeln lassen.

Wird meine Aufnahme gespeichert?

Nein, sie wird ausschließlich zur Erstellung dieses einen Ergebnisses verwendet und nicht für andere Zwecke aufbewahrt.

Erkennt die Funktion auch, wer spricht?

Nein, dafür gibt es die separate Sprechererkennung; dieses Werkzeug liefert Text und Zeit, aber keine Sprecherzuordnung.

Brauche ich bereits ein fertiges Transkript?

Nein. Die Aufnahme wird selbst transkribiert, die Sprache automatisch erkannt und jedes Wort mit seiner Zeit versehen. Wenn Sie schon einen Text haben und ihn nur an Untertitelzeiten ausrichten möchten, ist ein Ausrichtungswerkzeug die passendere Wahl.

Für Entwickler — API-Zugang

Alles auf dieser Seite ist auch per API verfügbar. Dieser Abschnitt richtet sich an Teams, die es in ihre eigenen Systeme einbinden möchten; alle anderen nutzen einfach das Tool oben.

Endpunkt

POSThttps://api.kit.forhosting.com/audio/transcribe-timestamps

Authentifizierung per Bearer-Token. Ein einziger POST stellt die Aufgabe in die Warteschlange; das Ergebnis erhalten Sie per Webhook oder über einen signierten Link.

Aufruf aus Ihrem Stack

curl -X POST https://api.kit.forhosting.com/audio/transcribe-timestamps \
  -H "Authorization: Bearer $KIT_KEY" \
  -H "Content-Type: application/json" \
  -d '{"audio":"https://ejemplo.com/audio.mp3"}'

const res = await fetch("https://api.kit.forhosting.com/audio/transcribe-timestamps", {
  method: "POST",
  headers: {
    "Authorization": `Bearer ${process.env.KIT_KEY}`,
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    "audio": "https://ejemplo.com/audio.mp3"
  })
});
const { task_id } = await res.json();

import os, requests

res = requests.post(
    "https://api.kit.forhosting.com/audio/transcribe-timestamps",
    headers={"Authorization": f"Bearer {os.environ['KIT_KEY']}"},
    json={
    "audio": "https://ejemplo.com/audio.mp3"
},
)
task_id = res.json()["task_id"]

<?php
$res = file_get_contents("https://api.kit.forhosting.com/audio/transcribe-timestamps", false, stream_context_create([
  "http" => [
    "method"  => "POST",
    "header"  => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
    "content" => '{"audio":"https://ejemplo.com/audio.mp3"}',
  ],
]));
$task = json_decode($res, true);

body := bytes.NewBufferString(`{"audio":"https://ejemplo.com/audio.mp3"}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/audio/transcribe-timestamps", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)

Beispiel-Anfrage

{
  "audio": "https://ejemplo.com/audio.mp3"
}

Beispiel-Antwort

{
  "task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
  "type": "audio.transcribe_timestamps",
  "status": "queued",
  "_links": {
    "result": "/tasks/tsk_…/result"
  }
}

Die API arbeitet asynchron: Sie erhalten sofort eine task_id. Polling ist mit 1 Anfrage pro Sekunde erlaubt.

Preis

pro Anfrage$0.002

pro Minute$0.0055

Der Preis steht auf der Seite – keine Tokens, keine Credits. Fehlgeschlagene Aufgaben werden nicht berechnet.

Limits

`max_mb`	200
`max_minutes`	180

Fehler

HTTP	Code	Bedeutung
`401`	`unauthorized`	Der API-Schlüssel fehlt oder ist ungültig – prüfen Sie den Authorization-Header (Bearer).
`402`	`insufficient_balance`	Ihr Guthaben reicht für diese Aufgabe nicht aus – Aufladungen verfallen nicht.
`404`	`unknown_type`	Unbekannter Aufgabentyp – prüfen Sie das Feld „type“ gegen den Katalog.
`429`	`rate_limited`	Zu viele Anfragen – warten Sie kurz; Polling ist mit 1 Anfrage pro Sekunde erlaubt.
`422`	`task_failed`	Die Aufgabe ist fehlgeschlagen und wird nicht berechnet.

Technische Hinweise

So starten Sie

Laden Sie die Audiodatei auf dieser Seite hoch oder rufen Sie die Funktion per API auf. Das Ergebnis liefert Text und Zeitangaben in einer strukturierten Antwort, die sich direkt in eine Tabelle, ein Schnittprogramm oder ein eigenes Tool einlesen lässt, ganz ohne manuelles Nachschlagen der Stelle im Original.

Technische Fragen

Was kostet ein Transkript mit Zeitstempeln?

$0.002 pro Anfrage plus $0.0055 pro Minute. Eine zwanzigminütige Aufnahme kostet damit rund $0,11.

Vollständige KIT-Dokumentation lesen →