Transkription: KI-Tools im Vergleich (Oktober 2026)

Amberscript

Transkription und Untertitel aus Amsterdam, maschinell oder von Menschen, mit Datenhaltung in Europa und ISO-27001-Zertifikat.

Deepgram

Sprach-API für Transkription, Sprachausgabe und Sprachagenten mit Abrechnung je Minute, Cloud oder selbst gehostet.

Descript

Video- und Audioeditor, in dem man über das Transkript schneidet, mit KI-Co-Editor Underlord, Studio Sound und Übersetzung.

Gladia

Französische Speech-to-Text-API für über 100 Sprachen, standardmäßig bei einem europäischen Cloud-Anbieter in Frankreich betrieben.

Happy Scribe

KI-Transkription, Untertitel und Übersetzung aus Dublin, mit Meeting-Notizen und Datenhaltung in der EU.

Sarvam AI

KI-Schnittstellen aus Bengaluru für Übersetzung, Spracherkennung und Sprachausgabe in 22 indischen Sprachen und Englisch.

Speechmatics

Spracherkennungs-API aus Cambridge für Echtzeit und Stapel, 55+ Sprachen, Sprechertrennung, Cloud oder eigener Betrieb.

Auphonic

Automatische Audio-Nachbearbeitung aus Österreich für Podcasts und Videos: Pegel, Rauschen, Füllwörter, Transkripte und Kapitel.

ElevenLabs

Sprach-KI-Plattform für Sprachausgabe, Stimmklonen, Transkription, Dubbing und Musik, als Web-App und über eine API.

Tactiq

Chrome-Erweiterung aus Sydney, die Meetings in Google Meet, Zoom und Teams ohne Bot transkribiert und per KI zusammenfasst.

FunASR

Quelloffenes Spracherkennungs-Toolkit von Alibaba (Tongyi Lab, ModelScope) mit Streaming, Sprechertrennung und Emotionserkennung.

llamafile

Projekt von Mozilla.ai, das ein Sprachmodell samt Laufzeit in eine einzige ausführbare Datei ohne Installation packt.

pyannote.audio

Quelloffenes Python-Toolkit für Sprecherzuordnung (wer spricht wann), gepflegt vom französischen Unternehmen pyannoteAI.

VibeVoice Technical Report

Microsoft-Bericht zu VibeVoice, einem Modell für lange Sprachausgabe mit bis zu vier Sprechern, inzwischen auch für Spracherkennung.

Whisper

Offenes Spracherkennungsmodell von OpenAI unter MIT-Lizenz für mehrsprachige Transkription, Übersetzung ins Englische und Spracherkennung.

WhisperX

Quelloffene Spracherkennung auf Basis von Whisper mit Zeitstempeln je Wort und Sprecherzuordnung.

Vidrick AI Transcriber

Windows-Programm, das Audio und Video lokal auf dem eigenen Rechner transkribiert, mit Sprecherzuordnung, Bearbeitung und Export als TXT, DOCX, SRT und VTT.