Transcribe audio and video files to text locally. Export SRT subtitles or plain text. 100% browser-based AI — no upload.
Audio transcription uses OpenAI Whisper models (tiny ~144MB or small ~278MB, fp32) from Xenova, running locally via Transformers.js / ONNX Runtime Web in your browser. Multi-CDN fallback ensures reliable downloads worldwide. Optional GTCRN speech enhancement (WASM SIMD) pre-processes audio to reduce background noise. All models download on first use and are cached afterward. All processing is 100% local — your audio never leaves your device.
This tool runs OpenAI's Whisper model in your browser to turn speech into text. If you enable noise reduction, the audio is first passed through the GTCRN speech-enhancement network (WASM SIMD) to suppress background noise. The cleaned audio is then decoded into mel spectrogram frames and processed by Whisper in ~30-second chunks with a 5-second stride, so each chunk overlaps the last and no words are dropped at boundaries. Whisper's encoder turns each chunk into a representation of the spoken audio, and its decoder emits the text tokens plus start and end timestamps. The output chunks are normalized into readable sentences and can be exported as plain text, CSV, or SRT subtitles. Your recording, the denoiser, and the model all stay on your device.
Audio is optionally denoised with GTCRN, split into overlapping 30-second windows, transcribed by the local Whisper encoder–decoder, and exported as text or SRT.
Priya records a 12-minute interview with a guest in a noisy café. She uploads the M4A, leaves noise reduction on, picks the Small model for accuracy, and starts transcription.
Transcribe audio and video files to text locally using Whisper AI. Everything runs locally; nothing is uploaded.
FreeToolHub Whisper Audio Transcription is a free browser-based tool — transcribe audio and video files to text locally using Whisper AI. No signup, no upload; everything runs locally in your browser.
Transkribieren Sie Audiodateien und Videodateien lokal mit Whisper AI in Text. Exportieren Sie SRT-Untertitel oder einfachen Text. Kein Hochladen, kein API-Schlüssel. 100% browserbasiert, vollkommen privat.
Das Whisper Audio Transkriptions-Tool ist ein kostenloses, browserbasiertes KI-Tool, das Audiodateien und Videodateien in Text umwandelt. Es nutzt das OpenAI-Whisper-Modell, das lokal über Transformers.js mit WebGPU-Beschleunigung läuft. Laden Sie Interviews, Podcasts, Meeting-Aufnahmen oder Sprachnotizen hoch — das Tool transkribiert sie vollständig in Ihrem Browser. Exportieren Sie als SRT-Untertitel für Videos oder als einfachen Text für Notizen. Keine Cloud-Hochladung, kein API-Schlüssel, kein Abonnement. Ihre Aufnahmen verlassen niemals Ihr Gerät.
Journalisten, die Interviews transkribieren, ohne sie in Cloud-Dienste hochzuladen. Podcaster, die Show-Notizen und Untertitel erstellen. Studenten, die Vorlesungen aufzeichnen, um durchsuchbaren Text zu erhalten. Forscher, die Fokusgruppen und mündliche Überlieferungen transkribieren. Geschäftsleute, die Meeting-Transkripte benötigen, aber aufgrund von Vertraulichkeit keine Cloud-Transkription verwenden können. Jeder, der kostenlose, private, lokale Audio-Transkription möchte.
Laden Sie eine Audiodatei oder Videodatei hoch (MP3, WAV, M4A, FLAC, OGG, WebM, MP4 — bis zu 500MB). Wählen Sie ein Modell: Tiny (~40MB, schneller) oder Small (~240MB, genauer). Klicken Sie auf "Transkribieren Audio". Das Modell wird beim ersten Mal heruntergeladen und läuft lokal. Das Transkript erscheint mit Zeitstempeln für jeden Abschnitt. Exportieren Sie als SRT-Untertitel, einfachen Text oder kopieren Sie in die Zwischenablage. Die gesamte Verarbeitung erfolgt in Ihrem Browser.
Das Tool unterstützt Dateien bis zu 500MB. Bei langen Aufnahmen (über 30 Minuten) kann die Transkription je nach Hardware mehrere Minuten dauern. Das Tool verarbeitet Audio in 30-Sekunden-Chunks mit 5-Sekunden-Überlappung für Genauigkeit.
Beginnen Sie mit Tiny (~40MB) für schnelle Entwürfe und Tests. Wechseln Sie zu Small (~240MB) für wichtige Audiodateien, bei denen Genauigkeit wichtig ist. Das Small-Modell verarbeitet Akzente, Fachjargon und sich überschneidende Sprache erheblich besser als Tiny.
Bei klarem Audio — Podcasts, Interviews, Sprachmemos nah am Mikrofon — ist Whisper sehr genau, einschließlich Zeichensetzung und Großschreibung. Die Genauigkeit nimmt bei starkem Hintergrundgeräusch, sich überschneidenden Sprechern, starken Akzenten und Fachjargon ab. Das Transkript bewahrt in einigen Stufen Zögern und Füllwörter; für publikationsreifen Text ist eine leichte manuelle Überarbeitung weiterhin zu erwarten.
Die Stufen handeln Geschwindigkeit gegen Genauigkeit ab: tiny ist am schnellsten und für klare Sprache und schnelle Entwürfe geeignet; base und small fügen Robustheit gegen Lärm und Akzente hinzu; medium verarbeitet die schwierigsten Audiodateien, dauert aber deutlich länger zum Herunterladen und Ausführen. Wenn Sie regelmäßig transkribieren, speichern Sie Ihre Stufenpräferenz — das Modell wird nach dem ersten Download lokal zwischengespeichert, sodass nachfolgende Läufe sofort mit Ihrer gewählten Größe beginnen.
Gängige Audiocontainer (mp3, wav, m4a, ogg, flac) und Videodateien (mp4, webm, mov) funktionieren alle — der Audiotrack wird lokal extrahiert und dekodiert, bevor die Transkription erfolgt. Bei langen Aufnahmen skaliert die Verarbeitungszeit mit der Dauer; eine einstündige Datei dauert selbst bei schnellen Stufen mehrere Minuten. Das Transkript wird als zeitlich gestempelte Chunks erzeugt, die Sie überprüfen und kopieren können.
Nein. Das Whisper-Modell läuft vollständig in Ihrem Browser über WebAssembly/WebGPU — Audio wird auf Ihrem Gerät dekodiert und transkribiert, und nichts wird an einen Server gesendet. Dies macht das Tool sicher für vertrauliche Meetings, medizinische oder rechtliche Aufnahmen und jede Audiodatei, die Sie nicht in einen Cloud-Dienst hochladen würden. Nur Ihre Modellstufenpräferenz wird lokal gespeichert.
Dieses Tool ist auch unter diesen Aufgaben bekannt — jeder Link öffnet dasselbe Tool mit einem fokussierten Leitfaden:
What do you call a really smart cookie?
No signups, no data sold. Every tool is free to use — the free tier allows 5 downloads or saves per day, and the optional Pro plan ($7/mo, $59/yr) adds unlimited downloads, batch processing, white-label exports and an ad-free experience.
☕Support me on Ko-fi— support the free tier100% of proceeds go towards hosting & building more free tools.