Audio in Text umwandeln mit KI: Tools, Gratis-Grenzen und Preise

Ist das Transkribieren einer fertigen Datei dasselbe wie das Mitschreiben eines laufenden Meetings?

Nein, und diese Verwechslung sollten Sie vor dem Abschluss eines Abos ausräumen. Alle drei Werkzeuge in diesem Leitfaden sind um das Online-Meeting herum gebaut: Otter tritt Zoom, Teams und Meet bei, Fireflies nimmt selbstständig an den Meetings im Kalender teil. Der Import einer vorhandenen Datei, etwa eines mit dem Diktiergerät aufgenommenen Interviews, eines per Handy mitgeschnittenen Workshops oder einer Podcast-Spur, läuft über ein eigenes Kontingent, das meist deutlich enger bemessen ist als die Live-Transkription.

Bei Otter deckt der Gratis-Tarif 300 Transkriptionsminuten pro Nutzer und Monat ab, erlaubt aber nur 3 Audio- oder Video-Importe für die gesamte Kontolaufzeit. Die beiden Zähler haben nichts miteinander zu tun. Geht es Ihnen vor allem um das laufende Meeting und das Protokoll danach, behandelt unsere Rubrik zu Meeting-Protokollen diesen Fall getrennt.

Welche Import-Kontingente sind wirklich dokumentiert?

Nur einer der drei Anbieter veröffentlicht ein nach Tarif beziffertes Import-Kontingent. Das lässt sich aus den geprüften offiziellen Seiten belegen:

Otter Business, für 30 USD monatlich oder 19,99 USD pro Nutzer und Monat bei jährlicher Zahlung, hebt den Import auf 6.000 Minuten pro Nutzer und Monat, bei höchstens 4 Stunden pro Meeting. Bei Descript steigt das Kontingent in Stufen von Medienstunden: 30 Stunden im Creator-Tarif (35 USD monatlich oder 24 USD jährlich) und 40 Stunden im Business-Tarif (65 USD oder 50 USD jährlich).

Nach unserer Lesart ist der Gratis-Tarif von Otter für den Datei-Import kein Arbeitswerkzeug: 3 Dateien für die Kontolaufzeit reichen zum Ausprobieren, nicht für einen Stapel Interviews. Das ist einer der Gründe, warum seine Stacknota-Note für das Gratis-Angebot bei 3 von 5 bleibt, obwohl 300 Monatsminuten auf der Meeting-Seite reichlich sind.

Welche Audioformate werden akzeptiert?

Das können wir nicht sagen, und diese Information fehlt tatsächlich. Keine der geprüften offiziellen Seiten von Otter, Fireflies und Descript veröffentlicht eine Liste der unterstützten Dateiendungen. Otter spricht von Audio- oder Videodateien, Descript rechnet in Medienstunden, mehr geben die herangezogenen Quellen nicht her.

Praktische Folge: Prüfen Sie Ihre eigene Datei im Originalformat im Gratis-Tarif, bevor Sie ein Abo abschließen. Bei Otter verbraucht das einen von 3 Importen für die Kontolaufzeit, nehmen Sie also die Aufnahme, die Ihrem Alltag am nächsten kommt, und nicht die kürzeste.

Wortprotokoll oder Zusammenfassung: was liefert welcher Tarif?

Beide Ergebnisse werden unterschiedlich abgerechnet. Das Transkript Wort für Wort zehrt am Kontingent für Minuten oder Medienstunden. Zusammenfassungen, Fragen an den Assistenten und die KI-Funktionen hängen an einem zweiten Zähler, in Credits oder in Anfragen.

Zwei Fallstricke verdienen einen Hinweis. Bei Fireflies sind die enthaltenen KI-Credits einmalig: 20 im Pro-Tarif, 30 im Business-Tarif, 50 im Enterprise-Tarif, und sie werden nicht monatlich aufgefüllt. Die Preisseite erwähnt das nicht, der Credit-Leitfaden des Anbieters schon. Bei Descript gelten für Medienstunden und KI-Credits getrennte Grenzen: Es kann also sein, dass Sie noch Stunden, aber keine Credits mehr haben, oder umgekehrt.

Muss man die Transkription nachlesen, und wie lange dauert das?

Ja, nachlesen müssen Sie, und kein Anbieter veröffentlicht eine Genauigkeitsquote, aus der sich dieser Aufwand abschätzen ließe. Der bezahlte Preis sagt nichts über das Ergebnis bei Ihrer Aufnahme: Ein Gespräch mit mehreren Stimmen, ein verrauschter Mitschnitt oder dichtes Fachvokabular verhalten sich anders als eine einzelne Stimme am Mikrofon.

Vergleichbar sind dagegen die dokumentierten Hilfsmittel. Fireflies nennt über 100 Sprachen und einen Mehrsprachenmodus (mehrere Sprachen in einem Gespräch) ab dem Business-Tarif, für 29 USD monatlich oder 19 USD pro Sitz und Monat bei jährlicher Zahlung. Otter transkribiert laut seiner Vergleichstabelle nur 6 Sprachen: Englisch, Spanisch, Französisch, Deutsch, Japanisch und Chinesisch. Für eine deutsche Aufnahme sind also beide abgedeckt, ein Interview mit Sprachwechseln spricht aber klar für Fireflies. Seine Note für die Funktionen liegt bei 4 von 5, die von Otter bei 3 von 5.

Descript spielt auf einem anderen Feld: Schnitt über das Transkript, Audiobereinigung und Untertitel. Sie korrigieren den Text, das Medium folgt. Mit 4,5 von 5 hat es die höchste Funktionsnote der drei.

Wo liegen Ihre Audiodateien genau?

In zwei von drei Fällen in den USA, im dritten an einem nicht verifizierten Ort. Otter speichert auf AWS in der Region West, ohne veröffentlichte EU-Option; Übermittlungen aus Europa stützen sich auf das Data Privacy Framework und Standardvertragsklauseln. Der Anbieter nennt einen SOC-2-Type-2-Bericht und AES-256-Verschlüsselung, trainiert aber eigene Modelle mit anonymisierten Daten. Seine DSGVO-Note liegt bei 2 von 5.

Fireflies speichert und verarbeitet standardmäßig in den USA, auf AWS und GCP. Der private Speicher im Enterprise-Tarif (39 USD pro Sitz und Monat, nur jährliche Abrechnung) erlaubt die Ablage der Meetings im eigenen AWS-S3- oder Google-Cloud-Speicher in Europa, die Verarbeitung bleibt in den USA. Der Anbieter gibt an, Kundendaten nicht zum Training seiner Modelle zu nutzen, nennt keine Speicherung bei Dienstleistern, SOC 2 Type II und die Listung im EU-US Data Privacy Framework: DSGVO-Note 3 von 5.

Für Descript sind Datenstandort und Vertragsgarantien nicht verifiziert, daher 2,5 von 5 und keine unterstellte Konformität. Ist EU-Hosting bei Ihnen Kaufbedingung, erfüllt keines der drei Werkzeuge sie im Selbstkauf. Ein weiteres Tool unserer Basis, tl;dv, dokumentiert Rechenzentren in Europa, bleibt aber stärker auf das Meeting als auf den Datei-Import ausgerichtet.

Unabhängig vom Werkzeug noch ein Punkt: Ein aufgezeichnetes Gespräch enthält identifizierbare Aussagen. Informieren Sie die aufgenommenen Personen und prüfen Sie die Aufbewahrungsfristen des Anbieters, bevor Sie sensible Dateien hochladen.

Welches Tool passt zu welchem Profil?

Sie haben einige Dateien pro Monat und ein Team, das ohnehin online tagt. Otter Pro für 8,33 USD pro Nutzer und Monat bei jährlicher Zahlung deckt 10 Importe pro Monat, 1.200 Transkriptionsminuten und höchstens 90 Minuten pro Meeting ab. Über 10 Dateien hinaus führt der Weg in den Business-Tarif.

Sie verarbeiten regelmäßig Interviews, auch in mehreren Sprachen. Fireflies Pro für 10 USD pro Sitz und Monat bei jährlicher Zahlung bringt unbegrenzte Transkription und Zusammenfassungen, den Download von Transkripten und Aufnahmen sowie über 100 Sprachen. Achten Sie auf den Speicher, in diesem Tarif auf 8.000 Minuten pro Sitz begrenzt, und auf die Bedingung im Gratis-Tarif: Unbegrenzt ist die Transkription dort nur mit aktivierter automatischer Teilnahme an Kalender-Meetings, sonst 3 Transkriptionen für Konten ab dem 1. September 2026.

Aus Ihrer Audiodatei soll veröffentlichungsfähiger Inhalt werden. Descript Hobbyist für 16 USD pro Person und Monat bei jährlicher Zahlung liefert 10 Medienstunden, 400 KI-Credits pro Monat und den Export in 1080p ohne Wasserzeichen. Es ist das einzige der drei, das das Medium aus dem korrigierten Text heraus schneidet.

Nach unserer Lesart entscheidet weder der Einstiegspreis noch die Gesamtnote, sondern der Zähler, der Sie zuerst stoppt: die Zahl der Importe bei Otter, der Speicher bei Fireflies, die Medienstunden bei Descript. Prüfen Sie Ihre echte Datei im Gratis-Tarif, halten Sie fest, wie viel Zeit das Nachlesen kostet, und entscheiden Sie dann.