MP3, M4A (das Format von iPhone-Sprachmemos), WAV, WebM und OGG lassen sich direkt hochladen. Videodateien wie MP4 und MOV funktionieren ebenfalls: Scholarly wandelt die Tonspur in Text um und lässt das Bild unberücksichtigt. Auch lange Aufnahmen wie mehrstündige Vorlesungen sind möglich, ohne dass du sie vorher aufteilen musst.
Wenn du Audio in Text umwandelst, erhältst du eine wortgetreue Mitschrift: jeden Satz in der richtigen Reihenfolge, mit Zeitstempeln. Das ist hilfreich, wenn der genaue Wortlaut zählt, etwa bei einem Zitat für eine Hausarbeit, der präzisen Formulierung einer Definition oder einer konkreten Aussage aus einem Seminar. Wenn du die Aufnahme lieber zusammenfassen und nach Themen ordnen möchtest, nutze Audio in Notizen . Dabei wird die Aufnahme genauso transkribiert und anschließend zu strukturierten Lernnotizen zusammengefasst. In beiden Fällen bleibt das vollständige Transkript erhalten, sodass du den Quelltext nie verlierst.
Bei klaren Aufnahmen ist die Genauigkeit hoch. Gut verständliche Vorlesungs- und Interviewaufnahmen werden nahezu wortgetreu wiedergegeben. Das Transkript enthält Zeitstempel. Wenn dir ein einzelnes Wort falsch vorkommt, kannst du direkt zur entsprechenden Sekunde springen und es mit wenigen Klicks anhand der Aufnahme überprüfen, ohne alles noch einmal lesen zu müssen.
Was die Genauigkeit wirklich beeinträchtigt, ist die Aufnahme, nicht das Modell: Ein Mikrofon weit von der sprechenden Person entfernt, viele gleichzeitig sprechende Stimmen, starke Akzente zusammen mit Hintergrundgeräuschen oder viel Fachjargon verschlechtern die Textqualität. Prüfe wichtige Details wie Zahlen, Namen oder Fachbegriffe, die du zitieren möchtest, anhand der Aufnahme am jeweiligen Zeitstempel. Das dauert nur Sekunden und du vergleichst direkt mit dem tatsächlich Gesagten.
Die Aufnahme wird zu einer Quelle in deinem Scholarly-Arbeitsbereich. So baut alles auf dem Transkript auf, ohne erneutes Hochladen: Durchsuche den gesamten Text nach beliebigen Begriffen, erstelle übersichtliche Lernnotizen, Karteikarten zum Lernen mit verteilten Wiederholungen oder ein Übungsquiz. Oder stelle dem KI-Chat Fragen und erhalte Antworten, die die genaue Stelle der Aufnahme zitieren. Text ist gerade deshalb nützlicher als Audio, weil du damit weiterarbeiten kannst. Und beim Lernen ein Transkript zu lesen, stärkt das Verständnis deutlich mehr, als eine Aufnahme nur passiv erneut anzuhören.
Brauchst du zuerst den wortgetreuen Text? Unser Tool zur Vorlesungstranskription ist genau dafür gedacht: ein durchsuchbares Transkript mit Zeitstempeln für eine ganze Lehrveranstaltung.
