Die Abschlussfeier der Schule begann um 18 Uhr. Neunzig Minuten, schnelles Spanisch, viele Leute, die durcheinanderredeten — und ich in der dritten Reihe, das Handy auf dem Knie, still am Aufnehmen.
Die allgemeine Stimmung habe ich verstanden: stolze Eltern, ein paar Tränen, die Rede der Lehrerin über die Klasse. Aber die Details? Die genannten Termine für die Sommerprogramme, was die Schulleiterin über das nächste Jahr sagte, der Name der Preisträgerin und warum sie gewonnen hat — weg.
Das passiert oft, wenn man in einem Land lebt, dessen Sprache man nicht vollständig beherrscht. Du bist bei der Veranstaltung dabei, gehst aber ohne die Details wieder nach Hause.
Die Datei auf meinem Handy
Ich hatte eine Aufnahme von 47 Minuten. Der Ton war ausreichend klar — etwas entfernt, aber die Stimmen kamen durch. Das Problem: keine Möglichkeit, die verpassten Stellen schnell zu finden, ohne alles noch einmal anzuhören, bei den schnellen Passagen zu raten und die Namen wieder zu verlieren.
Was ich brauchte, war keine Dolmetscherin neben mir. Die hätte ich zwei Stunden früher gebraucht. Was ich jetzt brauchte, war ein Dokument: was gesagt wurde, von wem, in einer Sprache, die ich wirklich fließend lese.
Der Upload
Ich habe die Datei zu Voiz hochgeladen. Kein Account einrichten, keine Spracheinstellungen konfigurieren — Datei reingezogen, E-Mail-Adresse eingegeben. Drei Minuten später hatte ich einen Link zum Ergebnis.
Das Transkript kam auf Spanisch zurück (der Originalsprache), daneben eine deutsche Übersetzung — und etwas, dessen Wert ich unterschätzt hatte: Sprecherkennung. Jedes Mal, wenn eine neue Person zu sprechen begann, war das markiert — Sprecher 1, Sprecher 2, Sprecher 3. Plötzlich konnte ich genau sehen, wann die Schulleiterin gesprochen hatte, wann die Klassenlehrerin und wann ein Schüler ein Gedicht vorlas.
Wie das Ergebnis aussah
Sprecher 1 [00:04:12]
Original: "Este año ha sido especial para todos nosotros..."
Übersetzung: "Dieses Jahr war für uns alle besonders..."
Sprecher 2 [00:06:55]
Original: "Los programas de verano comenzarán el 15 de julio..."
Übersetzung: "Die Sommerprogramme beginnen am 15. Juli..."
Nicht perfekt — Namen wurden gelegentlich verstümmelt, und während des Applauses ließ die Qualität nach — aber inhaltlich war alles da. Ich habe zwanzig Minuten mit Lesen verbracht statt neunzig mit Raten.
So machst du das selbst
- Nimm die Veranstaltung mit deinem Handy auf — jede Diktier-App funktioniert, jedes Format (MP3, M4A, MP4, WAV)
- Lade die Datei unten hoch
- Gib deine E-Mail-Adresse ein — dorthin geht der Link zum Transkript
- Öffne das Ergebnis und lies
60 Freiminuten jeden Monat. Für längere Aufnahmen brauchst du ein Minutenpaket.
FAQ
- Meine Aufnahme entstand quer durch den Raum — funktioniert das trotzdem?
- In der Regel ja. Voiz nutzt Gemini AI, das mit moderaten Hintergrundgeräuschen und Entfernung recht gut umgeht. Eine typische Raumaufnahme aus einigen Metern Entfernung wird meist sauber transkribiert. Sehr laute Hintergrundmusik oder ein stark gedämpftes Mikrofon verringern die Genauigkeit.
- Kann ich eine Aufnahme von meinem Handy hochladen?
- Ja — jedes gängige Audio- oder Videoformat funktioniert: MP3, M4A, MP4, MOV, WAV, OGG. Lade direkt aus deiner Kamerarolle oder Sprachmemo-App hoch.
- Was, wenn die Leute in der Aufnahme zwischen zwei Sprachen wechseln?
- Voiz kommt mit Sprachwechseln zurecht — wenn Sprecher innerhalb desselben Gesprächs Sprachen mischen. Jeder Abschnitt wird in der Originalsprache transkribiert und übersetzt, sodass nichts verloren geht, egal in welcher Sprache es gesagt wurde.