Welches Ergebnis brauchen Sie?

Der Audio-Übersetzer (Englisch) transkribiert zuerst das gesprochene Original mit Whisper und übersetzt den Text danach ins Deutsche. Auf Wunsch entsteht daraus zusätzlich eine deutsche Sprachfassung. Die Wahl entscheidet über den Preis.
- Deutsches Transkript
- Zum Verstehen, Zitieren oder Protokollieren: 1 Credit pro Minute, mindestens 5 Credits pro Datei
- Deutsche Untertitel (SRT und VTT)
- Zum Veröffentlichen mit einem Player oder zum Einbau in ein Video: gleicher Preis, entsteht im selben Durchgang
- Deutsche Tonspur (M4A)
- Zum Neuveröffentlichen eines Podcasts oder Kurses auf Deutsch: 50 Credits pro Minute, mindestens 2 Minuten pro Datei
- Originaltranskript
- Kommt bei jeder Übersetzung mit, damit Sie unklare Stellen im Original nachlesen können
Wer eine englische Stunde nur verstehen will, zahlt 60 Credits. Die deutsche Stimme kostet das Fünfzigfache, weil jeder Satz neu gesprochen und zeitlich eingepasst wird.
Ein paar typische Fälle helfen bei der Entscheidung:
- Englisches Kundengespräch, das Sie intern zusammenfassen wollen: Das deutsche Transkript genügt, Details zum Protokoll stehen im Leitfaden Meeting-Protokoll aus einer Aufnahme.
- Englischer Fachvortrag für die eigene Website: Deutsche Untertitel, damit die Originalstimme hörbar bleibt.
- Eigener englischer Podcast, der auch auf Deutsch erscheinen soll: die deutsche Tonspur, nachdem Sie die Übersetzung als Text geprüft haben.
- Sprachnachricht eines Geschäftspartners: Das Transkript reicht fast immer, die Stimme lohnt sich hier nicht.
So läuft die Übersetzung ab

Die Oberfläche ist englisch, deshalb stehen hier die genauen Beschriftungen.
- Melden Sie sich mit Google an; nur so erhalten Sie die 100 Gratis-Credits.
- Ziehen Sie die Datei in das Feld „Drop audio here“. Erlaubt sind MP3, WAV, M4A, AAC, OGG, FLAC und WebM bis 2 Stunden pro Datei.
- Stellen Sie im Menü „Select language“ German als Zielsprache ein.
- Für Transkript und Untertitel lassen Sie den Schalter „Audio and text output“ aus und klicken auf „Transcribe audio (Englisch)“.
- Für die deutsche Tonspur schalten Sie „Audio and text output“ ein und klicken auf „Translate audio“.
- Lassen Sie den Tab geöffnet, bis das Ergebnis da ist, und laden Sie es mit „Download translation“, „Download subtitles“ oder „Download translated audio“ herunter.
Die Ausgangssprache wird automatisch erkannt. Neben Englisch funktionieren alle anderen unterstützten Sprachen, etwa Türkisch, Polnisch, Arabisch, Französisch oder Spanisch. Wenn Ihre Aufnahme bereits deutsch ist und Sie nur den Text brauchen, passt die Anleitung zum Umwandeln einer Sprachnachricht in Text besser.
Lange Dateien: bis zu 2 Stunden am Stück

Viele Online-Übersetzer für Audio nehmen nur kurze Ausschnitte an. JotMe nennt auf seiner Seite für Englisch nach Deutsch 20 Sekunden und 10 MB pro Datei und liefert ausschließlich eine Sprachausgabe ohne Untertitel. ElevenLabs gibt auf seinen Seiten zur Audioübersetzung Dateien bis 1 Minute oder 50 MB an. Beide Angaben stammen von den jeweiligen Anbieterseiten, Stand 5. Oktober 2026; prüfen Sie sie vor Ihrer Entscheidung selbst.
Bei mydubly darf eine Datei bis zu 2 Stunden lang sein. Eine komplette Vorlesung, ein Webinar oder eine lange Podcastfolge laden Sie in einem Stück hoch und müssen hinterher keine Untertitel zusammenkleben. Ist die Aufnahme länger, teilen Sie sie in einer Sprechpause, damit kein Satz zerschnitten wird.
Mehrere Sprecher in Interview und Podcast
In einem Gespräch mit mehreren Personen bekommt jede ihre eigene deutsche Stimme. Bis zu 8 Sprecher werden getrennt erkannt; jede Stimme wird aus etwa 10 Sekunden sauberer Sprache kopiert. Bei einem Interview mit Moderatorin und Gast klingen beide also weiterhin unterscheidbar.
Wer insgesamt weniger als etwa 3 Sekunden spricht, liefert zu wenig Material. Diese Person erhält die kopierte Stimme eines ähnlich klingenden Sprechers oder eine passende Standardstimme. Im übersetzten Text gibt es keine Sprechernamen: Sie erhalten Sätze mit Zeitmarken, Bezeichnungen wie „Interviewer“ oder „Gast“ ergänzen Sie selbst.
Deutsch braucht mehr Platz als Englisch
Deutsche Sätze sind meist länger als ihre englische Vorlage, besonders bei zusammengesetzten Fachbegriffen. In der Tonspur muss jeder deutsche Satz in die Zeit des Originalsatzes passen. Die Sprache darf dafür höchstens um den Faktor 1,15 beschleunigt werden; reicht das nicht, wird der Satz knapper formuliert. Der Inhalt bleibt erhalten, Füllwörter fallen weg.
Untertitel übernehmen ebenfalls die Zeitmarken des Originals. Eine lange deutsche Zeile steht genauso lange im Bild wie die kurze englische, was bei schnellen Passagen anstrengend zu lesen sein kann. Den Hintergrund erklärt der Beitrag zur Textexpansion bei Übersetzungen (Englisch).
00:41:10 → 00:41:13 · Englisch: „Let's look at the numbers.“ · Deutsch: „Schauen wir uns die Zahlen an.“ Der deutsche Satz passt ohne Beschleunigung in drei Sekunden.
Du oder Sie, Zahlen und Fachbegriffe prüfen
Das englische „you“ kennt keinen Unterschied zwischen Du und Sie. Die maschinelle Übersetzung entscheidet Satz für Satz nach Kontext und kann innerhalb einer Datei wechseln. Prüfen Sie Text und Untertitel deshalb vor der Veröffentlichung; wie man das systematisch macht, steht im Artikel Du oder Sie in der Übersetzung. Die Tonspur entsteht aus derselben maschinellen Übersetzung, und einen Editor zum Korrigieren vor dem Vertonen gibt es nicht. Erzeugen Sie deshalb zuerst den günstigen Text und entscheiden Sie danach, ob sich die Stimme für diese Aufnahme lohnt.
- Zahlen: Aus „billion“ wird Milliarde, aus dem Dezimalpunkt ein Komma.
- Eigennamen, Marken und Produktnamen: werden gelegentlich falsch transkribiert und dann falsch übersetzt.
- Abkürzungen: englische Kürzel wie „Q3“ oder „KPI“ bleiben oft stehen, deutsche Entsprechungen ergänzen Sie bei Bedarf.
- Starker Akzent, Hall oder Störgeräusche verschlechtern die Erkennung, und der Fehler wandert in die Übersetzung.
Sponsored · mydubly
AI video dubbing deal
Dub any video for just 12¢ a minute
Was 240 credits/min — now only 120. Cloned voices, timed to your picture, at half the list price.
Sprachnachrichten aus WhatsApp
Sprachnachrichten aus WhatsApp werden oft als .opus-Datei gespeichert, und dieses Format wird nicht angenommen. Wandeln Sie die Datei mit einem kostenlosen Konverter in MP3 oder M4A um; das bloße Umbenennen der Endung reicht nicht. Denken Sie bei sehr kurzen Nachrichten an die Mindestbeträge: Text kostet pro Datei mindestens 5 Credits, die deutsche Stimme mindestens 100.
Wo die Audiodatei landet
Die Audiodatei wird per HTTPS an den Server übertragen, dort verarbeitet und spätestens 30 Minuten nach Auslieferung des Ergebnisses gelöscht. Zertifizierungen nennen wir keine, weil wir keine haben. Was das für Interviews mit personenbezogenen Daten bedeutet, lesen Sie im Beitrag zum Datenschutz bei der Transkription.
Kosten und Gratis-Credits
Nach der Anmeldung mit Google stehen 100 Gratis-Credits bereit. Sie reichen für rund 100 Minuten übersetzten Text, verteilt auf mehrere Dateien unter Beachtung des Minimums von 5 Credits, oder für genau eine deutsche Tonspur bis 2 Minuten.
- Englische Vorlesung, 90 Minuten, nur Text und SRT: 90 Credits.
- Podcastfolge, 25 Minuten, mit deutscher Stimme: 1.250 Credits.
- Sprachnachricht, 40 Sekunden, nur Text: 5 Credits.
Kostenpflichtige Aufladungen sind noch nicht freigeschaltet und folgen in Kürze; bis dahin nutzen Sie die Gratis-Credits. 1.000 Credits entsprechen einem US-Dollar. Weitere Anleitungen auf Deutsch finden Sie in der deutschen Übersicht.
Sponsored · mydubly
240 free credits + 50% off
Try free, then buy minutes at half price
New accounts get 240 credits (enough for a 2-minute dub). When you top up, you keep these sale rates.
Mit der eigenen Datei ausprobieren
Video- oder Audiodatei wählen, Sprache festlegen und Transkript, Untertitel oder übersetzte Tonspur herunterladen. Bei der Registrierung gibt es 100 Gratis-Credits.
Audio-Übersetzer (Englisch)Häufige Fragen
Kann ich Audio kostenlos übersetzen?
Ja, im Rahmen der 100 Gratis-Credits nach der Google-Anmeldung: rund 100 Minuten übersetzter Text oder eine deutsche Tonspur bis 2 Minuten. Kostenpflichtige Aufladungen folgen in Kürze.
Wie lang darf die Audiodatei sein?
Bis zu 2 Stunden pro Datei. Längere Aufnahmen teilen Sie am besten in einer Sprechpause in zwei Dateien.
Welche Formate werden angenommen?
MP3, WAV, M4A, AAC, OGG, FLAC und WebM. WhatsApp-Sprachnachrichten im .opus-Format müssen vorher in MP3 oder M4A umgewandelt werden.
Klingt die deutsche Stimme wie der Originalsprecher?
Jeder Sprecher, bis zu 8 pro Datei, spricht mit einer Kopie seiner eigenen Stimme, die aus etwa 10 Sekunden sauberer Sprache entsteht. Wer weniger als etwa 3 Sekunden spricht, erhält eine ähnliche oder eine Standardstimme.
Aus welchen Sprachen kann ich ins Deutsche übersetzen?
Aus allen unterstützten Sprachen, darunter Englisch, Türkisch, Polnisch, Arabisch, Französisch, Spanisch und Italienisch. Die Ausgangssprache wird automatisch erkannt.
Wird meine Datei gespeichert?
Die Audiodatei wird per HTTPS übertragen und spätestens 30 Minuten nach Auslieferung des Ergebnisses gelöscht.
Bekomme ich auch den englischen Originaltext?
Ja. Neben der Übersetzung können Sie das Originaltranskript herunterladen und unklare Stellen damit abgleichen.
Sponsored · mydubly
Transcripts & subtitles deal
