Wie schnell ist KI-Transkription? Zeiten im Vergleich
27. Oktober 2026 · 5 Min. Lesezeit
Wie lange eine Transkription dauert, hängt von Aufnahme, Modell und Korrektur ab. Hier finden Sie gemessene Beispiele und eine klare Trennung zwischen Verarbeitungs- und Arbeitszeit.
Wie lange dauert es, eine Stunde Audio zu transkribieren?
Beim manuellen Transkribieren wird aus einer Stunde Audio häufig ein mehrstündiger Arbeitsaufwand. KI kann die Erkennung deutlich verkürzen. Eine feste Minutenzahl für jede Aufnahme wäre aber irreführend: Upload, Modell, Warteschlange, Audioqualität und die anschließende Prüfung zählen unterschiedlich zur Gesamtdauer.
Gemessene Beispiele von Sprechverlauf
| Aufnahme | Gemessene Dauer | Was gemessen wurde |
|---|---|---|
| 13 Sekunden, Deutsch, synthetische Stimme | 1,70 Sekunden | Whisper-API-Anfrage am 27.10.2026, einschließlich Antwort; ohne Datei-Upload zur Website |
| 25 Minuten 7 Sekunden, Englisch, Beispielaufnahme | 19,07 Sekunden | Gespeicherte MAI-Modelllaufzeit vom 23.10.2026; ohne Upload und Nachbearbeitung |
Das sind zwei einzelne Messungen mit unterschiedlichen Modellen und Messumfängen, kein repräsentativer Benchmark und kein Versprechen für eine Stunde Audio. Die deutsche Aufnahme wurde für diese Seite erstellt und enthält keine Kundendaten. Die englische Messung stammt aus dem gespeicherten Originalergebnis; die zeitlich nachgestellte Demo im Werkzeug wird nicht als Messung gezählt.
Ohne Konto testen: 3 Aufnahmen bis je 10 Minuten pro Kalendermonat. Während der Verarbeitung sehen Sie eine aktualisierte Zeitschätzung.
Manuelle Arbeitszeit ist etwas anderes als Rechenzeit
Rev beschreibt für manuelle Transkription einen Aufwand von mehreren Arbeitsstunden pro Audiostunde. Schwierige Tonqualität, Fachsprache, genaue Transkriptionsregeln und Sprecherwechsel erhöhen den Aufwand. Solche Branchenangaben sind Orientierungswerte und keine Messungen von Sprechverlauf.
Diese Schritte gehören zur gesamten Wartezeit
- Upload: große WAV-Dateien benötigen länger als kompakte MP3-Dateien.
- Vorbereitung: Das Audio wird geprüft und bei Bedarf in Abschnitte geteilt.
- Erkennung: Modell, Serverlast, Sprache und Sprechertrennung bestimmen die Verarbeitung.
- Prüfung: Namen, Zahlen, Zitate und Sprecher müssen mit der Aufnahme abgeglichen werden.
- Export: Das geprüfte Ergebnis wird als Word, PDF, TXT oder Untertitel gespeichert.
Eine realistische Planung für lange Aufnahmen
Planen Sie für wichtige Interviews zusätzlich Zeit zum Gegenhören ein. Sprechverlauf teilt lange Aufnahmen in Abschnitte von 30 Minuten und kann diese parallel verarbeiten; daraus lässt sich keine garantierte Laufzeit ableiten. Je Datei gelten 100 MiB und die Dauergrenze des Tarifs: 10 Minuten im kostenlosen Test, bis zu 4 Stunden mit einem bezahlten Angebot.