Welches Audioformat eignet sich für die Transkription?

Was genau ist ein Audioformat?

Hinter jeder Dateiendung stecken eigentlich zwei Dinge: der Codec und der Container. Der Codec ist das Verfahren, das den Ton mit möglichst wenig Datenmenge kodiert. Der Container ist die Hülle darum. Er packt die Tonspur mit einem möglichen Bild und Metadaten wie Titel oder Länge in eine Datei. MP3 ist beides zugleich, Codec und Container. M4A und MP4 sind dagegen reine Container, in denen der Ton meistens mit dem AAC-Codec komprimiert ist.

Deshalb können sich zwei Dateien mit derselben Endung unterschiedlich verhalten. Und genau deshalb konvertiert man auch keine Datei, indem man einfach die Endung umschreibt. Beim echten Konvertieren wird der Ton erst dekodiert und dann komplett neu kodiert. Diesen Schritt sollten Sie sich sparen, wenn er nicht unbedingt nötig ist.

Wie unterscheiden sich MP3, M4A, WAV, OPUS und OGG?

WAV speichert den Ton normalerweise unkomprimiert. Solche Dateien sind groß, bei Stereo in CD-Qualität etwa zehn Megabyte pro Minute, enthalten aber genau das, was das Mikrofon aufgenommen hat. MP3 und M4A arbeiten verlustbehaftet: Sie lassen Details weg, die das menschliche Ohr ohnehin kaum wahrnimmt, und schrumpfen die Datei so auf einen Bruchteil. Bei den Bitraten, die Smartphones und Aufnahme-Apps üblicherweise nutzen, bleibt Sprache dabei klar verständlich.

OPUS ist ein moderner Codec, der für Sprache und Musik bei niedrigen Datenraten entwickelt wurde. Er steckt oft hinter Sprachnachrichten und Internetanrufen und liegt meistens in einer OGG- oder OPUS-Datei. OGG selbst ist ein Container, der älteres Vorbis-Audio oder neueres Opus-Audio enthalten kann. Auf dem iPhone legt die App Sprachmemos Aufnahmen als M4A ab. Unter Android hängt das Format vom Gerät und von der jeweiligen App ab; bei vielen Apps lässt es sich auch selbst auswählen.

Beim Transkribieren macht die Wahl zwischen diesen Formaten selten einen Unterschied. Wie weit das Mikrofon weg ist, wie laut es im Raum ist und ob mehrere Leute durcheinanderreden, fällt viel stärker ins Gewicht als der Codec.

Lassen sich Videodateien wie MP4 oder MOV transkribieren?

Ja. MP4 und MOV sind Container, in denen Bild und Ton zusammen liegen; das Gesprochene steckt in der Tonspur. Sie können das Video direkt bei KolWrite hochladen und transkribieren lassen, ohne den Ton vorher getrennt zu exportieren. Das hat noch einen weiteren Vorteil: Sie können später bildsynchrone Untertitel erstellen oder sie direkt fest ins Video einbrennen.

Große Videodateien brauchen beim Hochladen länger. Wenn eine Datei sehr groß ist und Sie nur den Text brauchen, können Sie natürlich vorab die Tonspur herausziehen. Exportieren Sie den Ton dann aber einfach direkt, statt ihn mit sehr niedriger Qualität neu zu kodieren.

Schadet Kompression der Transkription?

Leichte Kompression schadet der Transkription nicht, und auch mittlere Kompression ist bei einer sauberen Aufnahme selten ein Problem. Schwierig wird es erst bei starker Kompression. Sehr niedrige Bitraten lassen Stimmen verwaschen klingen und verschlucken die Konsonanten. Gerade an diesen Lauten unterscheidet man aber ein Wort vom anderen. Wenn Sie eine bereits komprimierte Datei noch einmal komprimieren, etwa indem Sie eine Sprachnachricht speichern und neu exportieren, summieren sich diese Verluste.

Für die Praxis heißt das: Komprimieren Sie nur ein einziges Mal, so spät wie möglich im Ablauf, oder am besten gar nicht. Wenn Sie zum Verschicken eine kleinere Datei brauchen, erstellen Sie dafür eine komprimierte Kopie und lassen Sie das Original unangetastet. Schicken Sie niemals die verkleinerte Kopie zum Transkribieren, solange Sie das Original haben.

Welche Aufnahmeeinstellungen reichen für Sprache aus?

Für Sprache brauchen Sie keine Studio-Einstellungen. Nehmen Sie mit einem einzelnen Mikrofon auf, reicht Mono völlig. Ab einer Abtastrate von 16 Kilohertz wird Sprache sauber erfasst; die 44,1 oder 48 Kilohertz, die in den meisten Apps voreingestellt sind, reichen also locker aus. Falls Ihre App Qualitätsstufen anbietet, wählen Sie Standard oder Hoch. Finger weg von niedriger Qualität oder speziellen Sparmodi für Sprache, die für kleinere Dateien an der Verständlichkeit sparen.

Schalten Sie außerdem Effekte ab, die den Ton schon während der Aufnahme bearbeiten. Dazu gehören eine starke Rauschunterdrückung oder eine automatische Pegelregelung, die die Lautstärke ständig hoch- und runterzieht. Wer live zuhört, dem hilft so etwas manchmal, aber für die Transkription gehen dabei wichtige Details verloren.

Welche Datei sollten Sie aufbewahren?

Heben Sie immer die originale Audiodatei auf und benennen Sie sie mit Datum und Thema. Sehen Sie das Transkript eher als Arbeitskopie, denn automatisch erstellter Text kann Fehler enthalten. Wenn bei einem Satz Unsicherheit besteht, lässt sich das nur mit der Aufnahme selbst klären. Speicherplatz kostet fast nichts, verglichen mit einem wichtigen Gespräch, das Sie später nicht mehr überprüfen können.

Lässt sich eine Datei einmal nicht hochladen oder öffnen, wandeln Sie eine Kopie mit einem verlässlichen Programm in M4A, MP3 oder WAV um und legen Sie das Original sicher weg. Sobald Sie das Transkript durchgesehen haben, können Sie es als TXT, DOCX, PDF oder SRT exportieren, je nachdem, wie Sie weiterarbeiten wollen.