AVI in Text umwandeln: Alte Videodateien transkribieren

Die kurze Antwort

Laden Sie Ihre AVI-Datei direkt in ein Transkriptionstool hoch. Die meisten modernen Tools verarbeiten AVI ohne vorherige Umwandlung. Ein erneutes Encodieren ist nur in drei Fällen nötig: Ihr Tool weist die Datei mit einer Codec-Fehlermeldung zurück, das Audio ist VBR-MP3 (ein bekanntes Interleaving-Problem bei Dateien aus der DivX-Ära), oder die Datei ist größer als 2 GB und stammt aus der Zeit vor der OpenDML-Erweiterung.

Was AVI wirklich ist (und warum es noch immer zählt)

AVI steht für Audio Video Interleave. Microsoft führte es im November 1992 als Teil von Video for Windows ein. Das Format dominierte bis in die späten 1990er und Mitte der 2000er Jahre, wurde dann aber von MP4 verdrängt, als H.264 zum Standard-Codec wurde.

AVI ist ein Container, kein Codec. Dieser Unterschied ist das Wichtigste, was man bei der Fehlersuche bei Transkriptionsproblemen verstehen muss. Der AVI-Wrapper kann nahezu jede erdenkliche Kombination aus Audio- und Video-Codecs enthalten, und der darin steckende Audio-Codec entscheidet darüber, ob die Transkription reibungslos funktioniert oder einen Workaround erfordert.

Neue AVI-Dateien sind heute selten, archivierte dagegen häufig. Vermutlich haben Sie AVI-Dateien aus einer dieser Quellen:

• Ältere Camcorder aus den Jahren 1995–2010 (Mini-DV, Hi8, DVD-Camcorder)
• CCTV- und Überwachungskamerasysteme, besonders DVR-Geräte von vor 2015
• VHS- oder DV-Bandaufnahmen aus den frühen 2000er Jahren
• TV-Aufnahmen über PCI-Capture-Karten (ATI All-in-Wonder, Hauppauge WinTV)
• Ältere Schulungsbibliotheken von Unternehmen aus CD-ROM-Archiven

Das Problem mit dem Codec im Container

Führen Sie ffprobe yourfile.avi aus und sehen Sie sich vor dem Hochladen die Zeile zum Audiostream an. Was dort steht, entscheidet darüber, ob ein direkter Upload funktioniert oder ob Sie vorab etwas bearbeiten müssen.

Der Video-Codec (DivX 3, XviD, MPEG-4 ASP, Microsoft RLE) ist fast nie das Problem, weil Transkriptionstools die Videospur sofort verwerfen. Meldet ein Tool einen Codec-Fehler, ist der Audiostream die wahrscheinlichere Ursache.

Wann Sie zuerst neu encodieren sollten (und wann nicht)

Sie müssen nicht neu encodieren, wenn: das Audio PCM, AC3 oder CBR-MP3 ist; die Datei in VLC mit Ton abgespielt wird; die Datei kleiner als 4 GB ist.

Sie sollten zuerst das Audio extrahieren, wenn:

1. Die Datei groß ist und Sie schneller hochladen möchten. Eine zweistündige DV-AVI mit 13 GB pro Stunde wird nach der Audioextraktion zu einer 30–100-MB-MP3. Das ist ein erheblicher Unterschied bei der Upload-Zeit.
2. ffprobe VBR-MP3-Audio zeigt. Extrahieren Sie das Audio und encodieren Sie es in CBR neu, um Synchronisationsdrift zu vermeiden.
3. Ihr Tool die Fehlermeldung „Format nicht unterstützt“ oder „kein Audio erkannt“ zurückgibt.

Extrahieren Sie das Audio mit einem einzigen ffmpeg-Befehl:

ffmpeg -i in.avi -vn -c:a libmp3lame -b:a 192k out.mp3

Das Flag -vn verwirft den Videostream. Das Ergebnis ist eine CBR-MP3 mit 192 kbps. Die meisten Transkriptions-Engines akzeptieren das ohne Murren.

Für ein auf Transkription optimiertes Ergebnis gehen Sie direkt zu 16-kHz-Mono-WAV (das Eingabeformat, das jede Spracherkennungs-Engine nativ verarbeitet):

ffmpeg -i in.avi -vn -acodec pcm_s16le -ac 1 -ar 16000 out.wav

Die 2-GB-Grenze und OpenDML

Die ursprüngliche AVI-Spezifikation begrenzt die Dateigröße auf 2 GB, weil das RIFF-Chunk-Größenfeld eine 32-Bit-Ganzzahl ist. Bei alten DVD-Camcorder-Dateien oder frühen Capture-Karten-Aufnahmen von vor 2000 kann die Aufnahme mitten drin an der 2-GB-Grenze enden.

OpenDML (auch AVI 2.0 genannt) löst das, indem es mehrere 2-GB-RIFF-Abschnitte aneinanderreiht. Dateien, die ab etwa 1997 mit VirtualDub oder kompatibler Software erstellt wurden, nutzen OpenDML und können beliebig groß sein. Dateien von älterer Consumer-Hardware können unbemerkt abgeschnitten sein.

Wenn Ihre AVI unerwartet abbricht und die Originalaufnahme länger war, suchen Sie nach einer Begleitdatei (Namenskonventionen wie file.avi, file.000, file.001 kommen bei manchen Camcordern vor) oder prüfen Sie, ob die Aufnahme an der 2-GB-Grenze geteilt wurde.

Schritt für Schritt: AVI zur Transkription hochladen

Schritt 1: Prüfen, ob die Datei mit Ton abgespielt wird

Öffnen Sie die Datei in VLC. Läuft der Ton, ist die Spur intakt. Läuft das Bild, bleibt der Ton aber stumm, führen Sie ffprobe in.avi aus und prüfen Sie, ob ein Audiostream aufgeführt ist. Erscheint kein Audiostream, enthält die Datei keinen Ton zum Transkribieren.

Alte AVIs zeigen in VLC manchmal eine Synchronisationsdrift zwischen Bild und Ton. Das ist ein Indexproblem bei der Wiedergabe, kein Audioproblem. Die Transkription liest die rohe Audiospur und ist davon nicht betroffen.

Schritt 2: Auf VBR-MP3-Audio prüfen

ffprobe in.avi zeigt eine Zeile wie Audio: mp3, 44100 Hz, stereo, .... Steht im Stream „mp3“ und stammt die Datei aus den Jahren 2002–2008, besteht eine gute Chance, dass sie mit VBR encodiert ist. Im Zweifel vorher in CBR-MP3 umwandeln, wie oben gezeigt.

Schritt 3: Direkt hochladen oder per Audioextraktion

Ziehen Sie die Datei in ein Video-zu-Text-Tool. Die meisten modernen Tools akzeptieren AVI nativ. Haben Sie das Audio als MP3 oder WAV extrahiert, laden Sie stattdessen diese Datei hoch.

Schritt 4: Sprache manuell festlegen

Die automatische Erkennung funktioniert bei modernem, sauberem Audio gut, stolpert aber über verschlissene AVI-Aufnahmen mit Bandrauschen, Hintergrundgeräuschen oder schlechter Mikrofonqualität. Wenn Sie die Sprache kennen, wählen Sie sie explizit aus. Das spielt vor allem bei fremdsprachigen Archivinhalten eine Rolle.

Schritt 5: Korrekturlesen mit Blick auf älteres Audio

Eine 60-minütige AVI braucht etwa 4–8 Minuten für die Transkription. Alte Aufnahmen haben vorhersehbare Genauigkeitsgrenzen:

• Im Studio aufgenommene Narration in AVI: 95–98 %
• Mini-DV-Camcorder-Audio (ordentliches Mikrofon, wenig Rauschen): 90–95 %
• Amateur-Camcorder-Audio (Raumhall, schlechtes Mikrofon): 80–90 %
• Von VHS stammendes Audio (Bandrauschen, 7–10 kHz Bandbreite): 75–88 %
• CCTV-Audio (billiges Mikrofon, AC3-Kompression, Umgebungsgeräusche): 70–85 %

Verwenden Sie die Korrekturzeit auf Eigennamen, fachsprachliche Begriffe der jeweiligen Ära und alle Stellen, an denen das Bandrauschen besonders laut wird. Das Modell fügt manchmal Phantomwörter ein, wo das Rauschen dominiert.

AVI-Szenarien und was Sie erwarten können

Mini-DV- und Hi8-Camcorder-Aufnahmen

Camcorder wie die Canon GL2 zeichneten auf Mini-DV-Band auf und wurden über FireWire (IEEE 1394) als rohe DV-AVI-Dateien auf den Computer übertragen. DV-AVI enthält PCM-Audio mit 48 kHz und 16 Bit. Das ist hochwertiges Audio. Das Video ist DV-komprimiert, aber die Audioextraktion für die Transkription ist verlustfrei und schnell.

An Camcordern montierte Mikrofone dieser Ära nahmen Handlinggeräusche und Raumhall mit, hatten aber auf Gesprächsdistanz eine ordentliche Sprachklarheit. Familieninterviews aus Mini-DV-AVI liegen bei der Transkription typischerweise bei 88–94 % Genauigkeit. Für diesen Anwendungsfall finden Sie unter wie Sie eine Interviewaufnahme transkribieren Tipps zur Nachbearbeitung.

Heruntergeladene oder gerippte Inhalte aus der DivX-Ära

Von etwa 2001 bis 2007 war AVI das dominierende Format für im Internet geteilte Videos und für DVD-Rips. Diese Dateien verwendeten DivX oder XviD für das Video und MP3 (häufig VBR) für das Audio. Das Audio ist meist sauber genug, um mit 90–95 % Genauigkeit transkribiert zu werden. Das Hauptrisiko ist die oben behandelte Synchronisationsdrift bei VBR-MP3.

Häufige FOURCC-Codes dieser Ära: DIVX, XVID, DX50, MP43. Zeigt ffprobe einen dieser Codes als Video-Codec an und das Audio ist mp3, nehmen Sie VBR an und wandeln Sie vorab um.

CCTV- und DVR-Aufzeichnungen

Überwachungs-DVRs von vor etwa 2012 geben oft AVI mit AC3-Audio bei niedriger Bitrate aus (64–128 kbps, Mono). Die Mikrofone dieser Systeme waren billig und eher auf Abdeckung als auf Sprachklarheit ausgelegt. Erwarten Sie bestenfalls 70–85 % Genauigkeit und behandeln Sie das Transkript als grobe Aufzeichnung, nicht als verbindliches Dokument.

Manche CCTV-Systeme schreiben einen gültigen AVI-Index mit Audiostream-Header, füllen ihn aber mit Stille. VLC gibt das Video wieder und zeigt fehlerfrei eine Audiospur an. Die ffmpeg-Extraktion liefert eine stumme MP3. Passiert Ihnen das, sind keine Audiodaten wiederherstellbar; das System hat ausschließlich Video aufgezeichnet.

Firmenschulungen von CD-ROM

Bildungs- und Firmenschulungsinhalte aus den Jahren 2000–2010 wurden häufig als AVI-Dateien auf CD-ROM ausgeliefert. Sie entstanden mit Studionarration, Kondensatormikrofonen und Nachbearbeitung. Selbst komprimiert innerhalb einer alten MPEG-4-ASP- oder Indeo-codierten AVI ist das Audio meist sauber. Rechnen Sie bei professioneller Narration mit 94–98 % Genauigkeit. Dies ist das AVI-Szenario, in dem die Transkription den meisten Mehrwert bei geringstem Aufräumaufwand bringt.

Formatspezifische Stolperfallen

Doppelte Audiospuren

Mini-DV-Camcorder zeichneten die beiden Kanäle manchmal als zwei getrennte Monospuren auf statt als echtes Stereo. Das Transkriptionstool greift möglicherweise zur falschen Spur. Wirkt das Transkript lückenhaft oder klingt die Kanalbalance falsch, extrahieren und prüfen Sie beide Spuren:

ffmpeg -i in.avi -map 0:a:0 -c:a copy track0.mp3
ffmpeg -i in.avi -map 0:a:1 -c:a copy track1.mp3

Laden Sie die Spur mit dem saubereren Ton hoch.

Beschädigte oder fragmentierte Streams

Alte AVI-Dateien, die nur teilweise geschrieben wurden (Stromausfall, Bandaussetzer, Softwareabsturz), haben gelegentlich einen defekten Index. Die Datei spielt in VLC ab (der mit schlechten Indizes toleranter umgeht), andere Tools scheitern jedoch. Bauen Sie den Container neu auf:

ffmpeg -i broken.avi -err_detect ignore_err -c copy fixed.avi

Dabei wird nur der Index neu geschrieben, ohne dass irgendetwas neu encodiert wird. Bei leichten Beschädigungen ist die Erfolgsquote hoch.

Das Problem des stummen Audiostreams

Meldet Ihr Tool „kein Audio erkannt“, während VLC Ton wiedergibt, erzwingen Sie das Audio-Mapping explizit:

ffmpeg -i in.avi -map 0:a -c:a libmp3lame -b:a 192k probe.mp3

Ist die Ausgabe stumm, handelt es sich um einen reinen Platzhalter-Stream ohne Daten. Enthält sie Ton, hat das Tool den Stream nicht gefunden, und Sie können probe.mp3 direkt hochladen.

Anmerkung zu Audioqualität vs. Codec-Wahl

Die Genauigkeitsgrenze der Audioqualität für die Transkription wird bei der Aufnahme gesetzt, nicht bei der Kompression. Eine PCM-Audio-AVI, aufgenommen über das eingebaute Camcorder-Mikrofon in einem lauten Raum, transkribiert nicht so gut wie eine AVI mit 128-kbps-MP3-Audio einer Studionarration – obwohl PCM technisch „verlustfrei“ ist.

Bei den unterstützten Audioformaten und ihren Qualitätsabwägungen ist die Codec-Wahl weniger wichtig als der Signal-Rausch-Abstand, die Mikrofonqualität und die Deutlichkeit der Sprecher. Von VHS stammende AVIs sind durch das ursprüngliche Aufnahmemedium auf etwa 7–10 kHz Bandbreite begrenzt. Keine Nachbearbeitung holt Sprachdetails zurück, die niemals erfasst wurden.

Wenn Sie Archivaufnahmen haben, deren Erhalt sich lohnt, und die Audioqualität mangelhaft ist, reduziert ein sanfter Highpass-Filter, der alles unterhalb von 80 Hz abschneidet, Lüftungs- und Maschinenbrummen, ohne der Sprache zu schaden. Gehen Sie bei der Rauschunterdrückung konservativ vor: Bandrauschen ist Breitbandrauschen, mit dem Sprachmodelle erstaunlich gut zurechtkommen, aber aggressives Denoising nimmt Sprachdetails samt dem Rauschen mit.

Wer genauer wissen möchte, wie sich WAV gegenüber MP3 bei der Transkriptionsqualität verhält: Der praktische Unterschied zwischen den extrahierten Formaten fällt kleiner aus, als die meisten erwarten, wenn das Quellaudio bereits beeinträchtigt ist.

Wenn Sie lediglich ein sauberes Transkript aus einer AVI-Datei ohne aufwendiges Setup benötigen, akzeptiert ConvertAudioToText AVI direkt – mit kostenlosem Tarif für kurze Clips. Größere Archive erfordern einen Bezahlplan.

Häufige Fragen

Können alte AVI-Dateien präzise transkribiert werden?

Ja, aber die Genauigkeit hängt von der Qualität der Originalaufnahme ab, nicht vom Container. Im Studio aufgenommene Narration in AVI wird mit 95–98 % Genauigkeit transkribiert. Alter Camcorder-Ton in lauten Räumen liegt bei 80–90 %. Von VHS stammendes Audio mit Bandrauschen befindet sich am unteren Ende dieses Bereichs. Der AVI-Container selbst beeinträchtigt die Genauigkeit nicht.

Lohnt es sich, AVI vor dem Transkribieren in MP4 umzuwandeln?

In der Regel nicht. Transkribiert wird das Audio im Container, und ein neues Verpacken als MP4 ändert am Audio nichts. Die Ausnahme: Ihr Transkriptionstool lehnt die AVI-Datei komplett ab (oft wegen VBR-MP3-Audio oder eines unbekannten FOURCC-Codes). Dann ist es schneller, den Ton direkt mit ffmpeg zu extrahieren, statt den gesamten Container umzuwandeln.

Was soll ich tun, wenn das Transkriptionstool „Codec nicht unterstützt“ meldet?

Der Video-Codec (DivX, XviD, Microsoft RLE) ist selten das Problem, da die meisten Tools die Videospur ohnehin verwerfen. Der Übeltäter ist meist ein nicht standardkonformer Audio-Codec oder VBR-MP3-Audio. Führen Sie aus: ffmpeg -i in.avi -vn -c:a libmp3lame -b:a 192k out.mp3, um den Ton als saubere CBR-MP3 zu extrahieren, und laden Sie diese anschließend hoch.

Meine AVI läuft problemlos in VLC, aber im Transkriptionsergebnis fehlt der Ton. Warum?

Manche CCTV-Systeme und alte Encoding-Tools schreiben einen Audiostream-Header in den AVI-Index, füllen ihn aber mit Stille oder gar keinen Daten. Der Audio-Decoder von VLC erzeugt manchmal einen Dummy-Stream, statt einen Fehler auszulösen. Prüfen Sie die tatsächlichen Audiodaten mit: ffmpeg -i in.avi -map 0:a -c:a libmp3lame -b:a 192k probe.mp3. Ist probe.mp3 stumm, gibt es keinen Ton zum Transkribieren.

Quellen

• Audio Video Interleave – Wikipedia
• AVI (Audio Video Interleaved) Dateiformat – Library of Congress
• AVI-Dateiformat mit OpenDML-Erweiterungen – Library of Congress
• AVI-RIFF-Dateireferenz – Microsoft Learn
• VBR-MP3 in AVI: Variable Bitrate (VBR)-Audio erkannt – VideoHelp Forum
• AVI-Timing und Audio-Sync – VirtualDub Blog
• Das 2- und 4-Gigabyte-Problem bei AVI-Dateien – AVI-IO
• Das Minenfeld der CCTV-Dateiformate – Kinesense
• Whisper-Audio-Anforderungen – SayToWords
• Beschädigte Videodateien mit FFmpeg reparieren – Stellar