Video auf dem Mac offline in Text transkribieren

Um ein Video auf dem Mac in Text umzuwandeln, ohne es hochzuladen, brauchst du ein Werkzeug, das ein Sprachmodell auf dem Rechner selbst ausführt: eine eigene Transkriptions-App wie MacWhisper, die eingebaute Transkription in Final Cut Pro, Premiere Pro oder DaVinci Resolve Studio, oder ein Schnittprogramm wie cinemaOS, das mit J.A.R.E.D. transkribiert und das Transkript im Projekt behält. Egal, wofür du dich entscheidest: Die Genauigkeit hängt genauso von drei Dingen ab, die du selbst steuerst, wie von der App, nämlich sauberem Ton, der richtigen Spracheinstellung und einem kurzen Korrekturdurchgang für Namen und Sprecher, bevor der Text weitergeht.

Dieser Ratgeber stellt die Optionen fair nebeneinander und geht dann einen lokalen Workflow durch, von der Videodatei bis zum korrigierten Transkript und fertigen Untertiteln.

Warum überhaupt lokal transkribieren

Transkriptionsdienste in der Cloud sind schnell und oft bequem, vor allem wenn mehrere Leute dasselbe Transkript kommentieren sollen. Der Preis dafür: Dein Material, oder zumindest sein Ton, verlässt deinen Mac und liegt auf den Servern eines anderen, zu dessen Bedingungen.

Für viele Projekte ist das in Ordnung. Für manche nicht:

• Interviews mit Menschen, die dem Filmen zugestimmt haben, aber nicht der Verarbeitung durch Dritte. Protagonisten von Dokus und Quellen fallen oft darunter.
• Kundenmaterial unter Verschwiegenheitsvereinbarung. Aufnahmen aus Unternehmen, Kanzleien und Medizin kommen häufig mit Regeln, wohin Dateien gehen dürfen.
• Unveröffentlichte Arbeit. Filme und Produkte unter Sperrfrist lassen sich leichter schützen, wenn der Ton nirgendwohin reist.
• Schlechte oder keine Verbindung. Am Drehort, im Zug oder am Set ohne WLAN funktioniert lokale Transkription einfach.

Ist Datenschutz der entscheidende Punkt, erklärt KI-Videoschnitt auf dem Gerät und Datenschutz, was lokale Verarbeitung garantiert und was nicht.

Deine Optionen auf dem Mac

Das eine beste Werkzeug gibt es nicht. Es kommt darauf an, ob du nur die Worte brauchst oder Worte, die in einen Schnitt einfließen.

• Eine eigene Transkriptions-App. MacWhisper führt offene Sprachmodelle lokal aus, darunter Whisper von OpenAI, und exportiert gängige Text- und Untertitelformate. Das ist der direkteste Weg, wenn du ein Dokument willst und sonst nichts. Aktuelle Preise und Funktionen findest du auf der Website des Entwicklers.
• Open-Source-Werkzeuge für die Kommandozeile. whisper.cpp und ähnliche Projekte führen dieselbe Modellfamilie im Terminal aus. Kostenlos, flexibel und am besten geeignet für alle, die sich auf der Kommandozeile wohlfühlen.
• Final Cut Pro. Neuere Versionen können auf Macs mit Apple Silicon Sprache in Untertitel transkribieren. Praktisch, wenn du ohnehin in Final Cut schneidest und vor allem Untertitel brauchst. Die Anforderungen an macOS und Hardware stehen in Apples Dokumentation.
• Premiere Pro. Speech to Text und textbasierter Schnitt nutzen herunterladbare Sprachpakete, und die Transkription läuft auf dem Computer, sobald ein Paket installiert ist. Eine naheliegende Wahl, wenn deine Arbeit schon in der Creative Cloud liegt; welche Sprachen aktuell unterstützt werden, steht in Adobes Dokumentation.
• DaVinci Resolve Studio. Transkription und textbasierter Schnitt gehören zur kostenpflichtigen Studio-Version, nicht zur kostenlosen. Gut geeignet, wenn du sowieso in Resolve fertigstellst; die aktuelle Aufteilung zeigt der Funktionsvergleich von Blackmagic Design.
• Cloud-Dienste. Descript, Otter und ähnliche Dienste verarbeiten Ton auf ihren Servern. Oft sehr bequem, aber lies ihre Datenbedingungen, bevor du Kundenmaterial hochlädst. Descript-Alternativen für den Mac mit lokaler Transkription vergleicht die Kompromisse ausführlicher.
• cinemaOS. Ein Schnittprogramm, keine Transkriptions-App. Die Transkription läuft auf dem Mac mit mitgelieferten Modellen: Parakeet für die veröffentlichte Liste von 25 Sprachen und ein mitgelieferter Whisper-Weg für andere Sprachen. Das Transkript bleibt im Projekt und steuert textbasierten Schnitt, Suche und Untertitel. Es läuft nur auf dem Mac, mit Apple Silicon.

Funktionen ändern sich von Version zu Version, also prüf Sprachunterstützung und Exportoptionen auf der Website des jeweiligen Anbieters, bevor du dich für ein Projekt festlegst.

Bevor du auf Transkribieren drückst: kümmere dich um den Ton

Jedes Sprachmodell macht bei schlechtem Ton mehr Fehler. Ein paar Minuten hier sparen bei der Korrektur deutlich mehr Zeit.

• Nimm die beste Mikrofonspur. Hast du mit einem Ansteckmikrofon und einem Kameramikrofon aufgenommen, transkribiere die Spur des Ansteckmikrofons. Kameraton nimmt den Raum mit auf.
• Schalte Musik und Effekte stumm. Hintergrundmusik unter Dialog ist eine häufige Ursache für fehlende oder erfundene Wörter. Transkribiere den Dialog vor der Mischung, nicht danach.
• Teile lange Aufnahmen sinnvoll auf. Ein dreistündiger Dreh lässt sich in Abschnitten leichter prüfen, und ein fehlgeschlagener Auftrag kostet weniger.
• Kenne die Sprache. Die automatische Erkennung funktioniert bei einsprachigen Aufnahmen meist gut. Wechseln Sprecher zwischen Sprachen, stell die Sprache selbst ein und rechne damit, die gewechselten Passagen von Hand zu korrigieren.

So wandelst du ein Video mit einer lokalen App in Text um

Brauchst du nur die Worte, sind die Schritte in den meisten lokalen Transkriptions-Apps ziemlich gleich:

1. Öffne die Videodatei. Viele Apps nehmen Video direkt an und lesen die Tonspur. Kommandozeilen-Werkzeuge erwarten oft eine Audiodatei, du musst den Ton also eventuell erst extrahieren, zum Beispiel mit ffmpeg.
2. Stell die Sprache ein. Wähle sie selbst, wenn du sie kennst. Die automatische Erkennung funktioniert bei einsprachigem Material, kann bei kurzen oder gemischten Clips aber falsch raten.
3. Wähle eine Modellgröße. Bei Werkzeugen auf Whisper-Basis sind größere Modelle in der Regel genauer und langsamer. Teste einen kurzen Clip mit zwei Größen, bevor du dich an eine lange Aufnahme machst.
4. Starte den Auftrag und korrigiere den Text. Nimm die Checkliste weiter unten für Namen, Zahlen und leise Passagen.
5. Exportiere, was du brauchst. Reinen Text zum Lesen und Zitieren, SRT oder WebVTT, wenn du Timecodes oder Untertitel willst. Die Exportoptionen unterscheiden sich je nach App, also prüf deine.

Soll das Transkript in einen Schnitt oder Untertitel einfließen, sparst du dir in einem Schnittprogramm das Hin und Her aus Export und Reimport. Das zeigt der nächste Abschnitt.

So wandelst du ein Video in cinemaOS in Text um

cinemaOS ist ein Mac-natives Schnittprogramm für Apple Silicon. Die Transkription ist Teil des Schnitt-Workflows statt einer eigenen App, und das zählt, wenn aus dem Transkript ein Schnitt oder ein Satz Untertitel werden soll. Das Tutorial zu Transkribieren und Schneiden per Text zeigt die Schritte für Transkription und Schnitt in etwa einer Minute.

Schritt 1: Mit J.A.R.E.D. transkribieren

Importiere das Video in ein Projekt und wähle die Clips oder die Szene aus. Drück ⇧⌘T, Transcribe with J.A.R.E.D. Der Auftrag läuft lokal, ohne generative Credits und ohne Upload. Du kannst auch im Finisher unter Localize ▸ Captions starten und für die gesprochene Sprache Auto Detect wählen.

Auf einem Mac mit 8 GB laufen aufwendige KI-Aufträge nacheinander, starte eine lange Transkription also lieber vor einer Pause als parallel zu anderer Modellarbeit.

Schritt 2: Namen und Sprecher korrigieren

cinemaOS ordnet pro Transkription bis zu vier Sprecher zu. Wie gut es sie trennt, hängt von der Aufnahme ab: Deutlich unterschiedliche Stimmen auf getrennten Mikrofonen lassen sich meist gut trennen, während überlappende Rede und kurze Einwürfe die Stellen sind, an denen die Zuordnung am häufigsten danebenliegt.

Arbeite in dieser Reihenfolge:

1. Benenne die Sprecher. Ersetze allgemeine Bezeichnungen durch echte Namen. Suchen und Lesen gehen dann beide schneller.
2. Korrigiere Eigennamen. Namen, Marken, Orte und Fachbegriffe sind die üblichen Fehlerquellen. Korrigiere jeden einmal und such im Transkript nach weiteren Stellen mit demselben Fehler.
3. Prüf die Sprecherwechsel, die zählen. Korrigiere die Wortwechsel, die die Bedeutung oder die Untertitel betreffen. Ein falsch zugeordnetes „genau“ mitten in einer Antwort kann meist warten.
4. Lass den Rest für später. Fließt das Transkript in einen Schnitt, lies nur die Zeilen Korrektur, die den Schnitt überleben.

Bei mehr als vier Sprechern, etwa bei einer Podiumsdiskussion, benenne die vier Hauptstimmen und korrigiere die übrigen von Hand.

Schritt 3: Das Transkript im Schnitt nutzen

Öffne den Tab Text Editing im Bin des Sequencer. Wörter auswählen wählt die passenden Medien aus, und eine Passage löschen schneidet das verknüpfte Bild und den Ton heraus. Welche Edits verfügbar sind, hängt vom Ausgangsmaterial und seinem Transkript ab, prüf also nach jedem Edit die Timeline. Mit Search Project… findest du exakte Wörter in allen transkribierten Clips, der schnellste Weg zu einem Satz, an den du dich erinnerst.

Behandle das Transkript wie eine Landkarte. Spiel jeden Übergang ab und hör auf abgeschnittene Wörter, bevor du weitermachst. Ein Interview transkribieren und per Text schneiden behandelt die redaktionelle Seite ausführlich.

Schritt 4: Text oder Untertitel exportieren

Das korrigierte Transkript wird zur Quelle deiner Untertitel. Prüf in Localize ▸ Captions Timing und Zeilenlänge und exportiere dann das Format, das dein Ziel erwartet: SRT, WebVTT, ASS, SCC, EBU-STL, Apple iTT oder FCPXML-Untertitel. Du kannst Untertitel für Social-Media-Fassungen auch ins Bild einbrennen oder sie auf dem Mac übersetzen, wie das Tutorial zu Offline-Untertiteln zeigt.

Brauchst du ein einfaches Dokument statt Untertiteln, exportiere SRT oder WebVTT. Beides sind reine Textdateien, die sich in TextEdit oder jeder Textverarbeitung öffnen lassen, mit Timecodes, die du als Referenz behalten oder entfernen kannst. Ist ein formatiertes Dokument alles, was du je brauchst, ist eine eigene Transkriptions-App der direktere Weg.

Eine Korrektur-Checkliste, die mit jedem Werkzeug funktioniert

Egal, welches Werkzeug das Transkript erstellt hat, derselbe Durchgang findet die meisten Probleme:

• Such nach jedem Namen aus deiner Dispo oder Mitwirkendenliste und prüf jede Schreibweise.
• Lies Zahlen laut vor. Datumsangaben, Preise und Mengen werden oft uneinheitlich transkribiert.
• Prüf die erste und letzte Zeile jedes Clips. Modelle verpassen manchmal Wörter, die abrupt beginnen oder enden.
• Hör dir die leisen Passagen an. Bei leiser Sprache gehen Wörter verloren, und manche Modelle füllen Stille mit Text, den niemand gesagt hat.
• Achte auf selbstbewussten Unsinn. Ein Satz, der sich flüssig liest, aber nicht zu dem passt, was du in Erinnerung hast, verdient ein Nachhören.
• Halte einen korrigierten Master. Korrigiere das Transkript, bevor daraus Untertitel oder eine Übersetzung werden, damit sich derselbe Fehler nicht in jede Fassung zieht.

Was cinemaOS nicht kann

Klarheit über Grenzen erspart dir einen verlorenen Nachmittag:

• Es läuft nur auf dem Mac, mit Apple Silicon. Windows ist für November 2027 geplant.
• Die Sprechertrennung ist auf vier Stimmen begrenzt pro Transkription, und die Qualität hängt von der Aufnahme ab.
• Es exportiert kein formatiertes Transkriptdokument wie eine Word-Datei. Die Transkript-Exporte sind zeitcodierte Text- und Untertitelformate.
• Es ist kein kollaboratives Cloud-Transkriptionswerkzeug. Es gibt kein gemeinsames Online-Dokument, das ein Team gleichzeitig bearbeiten kann.
• Es macht keine Lippensynchronisation. Wenn du den Film danach synchronisierst, werden die Mundbewegungen nicht an die neue Sprache angepasst.

FAQ

Kann ich auf dem Mac kostenlos ein Video in Text umwandeln?

Ja. Open-Source-Werkzeuge wie whisper.cpp laufen lokal und kostenlos, und manche Transkriptions-Apps haben eine Gratisstufe. Bei cinemaOS ist die Transkription im Abo enthalten, das 9,99 USD pro Monat ohne Mehrwertsteuer kostet, nach einer 60-tägigen kostenlosen Testphase ohne Kreditkarte und ohne automatische Abbuchung.

Wie genau ist Offline-Transkription?

Aktuelle lokale Modelle kommen mit sauberem Ton von einem einzelnen Sprecher gut zurecht. Mit Musik unter dem Dialog, starken Akzenten, Durcheinanderreden und Fachvokabular sinkt die Genauigkeit bei jedem Werkzeug, plane also einen Korrekturdurchgang für Namen und Begriffe ein.

Lädt cinemaOS mein Video zum Transkribieren hoch?

Nein. Die Transkription mit J.A.R.E.D. läuft auf dem Mac mit mitgelieferten Modellen. Video, Ton und Transkript bleiben in deinem lokalen Projekt.

Fang mit einem Clip an

Nimm ein kurzes Interview mit ein paar Namen darin, transkribiere es lokal in einem oder zwei der Werkzeuge oben und miss, wie lange der Korrekturdurchgang dauert. Das sagt dir mehr als jede Funktionsliste. Willst du Transkript, Schnitt und Untertitel in einem Projekt auf einem Mac mit Apple Silicon, ist cinemaOS 60 Tage lang kostenlos, ohne Kreditkarte und ohne automatische Abbuchung.