Mehrere Sprecher transkribieren und beschriften

Um Audio mit mehreren Sprechern zu transkribieren und sie zu beschriften, laden Sie Ihre Aufnahme in das Audio-zu-Text-Werkzeug hoch, aktivieren Sie die Sprecher-Labels und prüfen und benennen Sie dann die automatischen Sprecherzuordnungen um, bevor Sie exportieren.

Dieser Leitfaden führt durch den gesamten Prozess: Vorbereiten der Datei, Durchführen der Transkription mit aktivierten Sprecher-Labels, manuelles Korrigieren der Labels und Exportieren eines Transkripts, das Sie teilen oder veröffentlichen können.

Warum Sprecher-Labels das Transkript verändern

Wenn Sie ein Interview, ein Meeting, eine Podiumsdiskussion oder eine Podcast-Folge transkribieren, kann der Rohtext schnell zu einer Wand aus Wörtern werden. Sprecher-Labels, auch Diarisierung genannt, gliedern das Gespräch in Beiträge und ordnen jeden Beitrag einem Sprecher zu. So wird aus „was gesagt wurde“ ein „wer hat was gesagt“.

Ohne Labels müssen Sie raten, welche Person welchen Punkt geäußert hat – das ist langsam und fehleranfällig. Mit Labels können Sie die Struktur eines Gesprächs überfliegen, nach den Beiträgen einer bestimmten Person suchen und Zitate korrekt zuordnen. Ein beschriftetes Transkript liest sich auch für alle besser, die nicht dabei waren, weil sich Fragen und Antworten auf einen Blick unterscheiden lassen.

Ein gutes Transkript mit mehreren Sprechern ist mehr als ein Textwust. Es ist eine Aufzeichnung, die Sie an Teammitglieder weitergeben, in Meeting-Protokolle umwandeln, daraus Zitate schneiden oder in Untertitel konvertieren können. Betrachten Sie das Beschriften der Sprecher als zweiteilige Aufgabe: Das Werkzeug erledigt die grobe Trennung, und Sie machen das Ergebnis durch eine abschließende Prüfung verlässlich.

Bevor Sie loslegen: Die richtige Quelle bereitlegen

Eine Transkription mit mehreren Sprechern ist nur so gut wie die Quellaufnahme. Sie brauchen drei Dinge, bevor Sie beginnen:

• Eine Audio- oder Videodatei auf Ihrem Gerät oder eine URL zu einer öffentlich zugänglichen Aufnahme.
• Eine hinreichend klare Aufnahme, in der jeder Sprecher gut zu verstehen ist.
• Die Namen oder Rollen der Sprecher, sofern bekannt.

Der dritte Punkt ist wichtiger als viele erwarten. Wenn Sie die Teilnehmenden bereits kennen, dauert das Umbenennen von Sprecher 1 und Sprecher 2 Sekunden statt Rätselraten. Bei einem selbst geführten Interview kennen Sie die Namen ohnehin. Bei einer aufgezeichneten Besprechung werfen Sie einen Blick in die Kalendereinladung oder die Teilnehmerliste des Anrufs.

Ist die Aufnahme verrauscht oder enthält sie starke Simultangespräche, kann die Sprechertrennung weniger zuverlässig ausfallen. Transkribieren lässt sie sich trotzdem, doch planen Sie eine längere Korrekturrunde ein. Etwas Vorbereitung vor dem Hochladen spart später Zeit.

So transkribieren Sie mehrere Sprecher und beschriften sie

Mit diesem Schritt-für-Schritt-Workflow gelangen Sie von einer unübersichtlichen Mehrsprecher-Aufnahme zu einem sauberen, beschrifteten Transkript.

1. Öffnen Sie das Audio-zu-Text-Werkzeug und laden Sie Ihre Aufnahme hoch. Sie können eine Audio- oder Videodatei von Ihrem Gerät hochladen oder eine öffentliche URL einfügen, falls die Aufnahme online verfügbar ist.
2. Wählen Sie bei Bedarf die Ausgangssprache. CATT unterstützt viele Sprachen, daher sind mehrsprachige Gespräche kein Hindernis.
3. Aktivieren Sie Sprecher-Labels bzw. die Diarisierung. Damit weisen Sie CATT an, das Audio in Sprecherbeiträge zu gliedern, statt einen durchgehenden Block zurückzugeben. Diesen Schritt auszulassen ist der häufigste Fehler, denn nachträglich hinzugefügte Labels bedeuten Doppelarbeit.
4. Starten Sie die Transkription. Warten Sie, während das Werkzeug die Datei verarbeitet. Sie erhalten ein Transkript mit generischen Labels wie Sprecher 1, Sprecher 2 usw. CATT erstellt außerdem eine KI-Zusammenfassung und Aufgabenpunkte, die Ihnen helfen, zentrale Entscheidungen zu erkennen, bevor Sie Zeile für Zeile bearbeiten.
5. Lesen Sie das Transkript einmal komplett durch, ohne etwas zu ändern. Markieren Sie jede Stelle, an der ein Label falsch wirkt, ein Sprecher mitten im Satz wechselt oder zwei Stimmen in einem Beitrag zusammengefasst erscheinen. So erhalten Sie eine Karte der Problemstellen und können sie der Reihe nach beheben.
6. Benennen Sie die generischen Labels um. Ersetzen Sie Sprecher 1 durch den tatsächlichen Namen der Person, Sprecher 2 durch den nächsten Namen und so weiter für jede Stimme in der Aufnahme. Eine Suche-und-Ersetzen-Runde funktioniert hier gut, besonders bei längeren Transkripten.
7. Korrigieren Sie falsch zugeordnete Zeilen. Steht ein Satz unter dem falschen Sprecher, verschieben Sie ihn zum richtigen Label. Haben zwei Personen gleichzeitig gesprochen, entscheiden Sie, wem die Zeile gehört, oder teilen Sie sie manuell zwischen beiden Labels auf.
8. Exportieren Sie das beschriftete Transkript. Wählen Sie TXT für ein sauberes schriftliches Protokoll, SRT oder VTT für Untertitel oder ein anderes verfügbares Format, das zu Ihrem Workflow passt.

Die Schritte 5 bis 7 bringen die eigentliche Qualität, deshalb gehen die nächsten beiden Abschnitte genauer darauf ein.

Sprecher-Labels genauer machen

Der größte Faktor für die automatische Sprechertrennung ist die Aufnahme selbst. So verbessern Sie das Ergebnis schon vor dem Hochladen:

• Nehmen Sie jeden Sprecher nach Möglichkeit über ein eigenes Mikrofon auf.
• Reduzieren Sie Hintergrundgeräusche und Hall. Räume mit harten Oberflächen reflektieren Schall und verwischen die Stimmprofile.
• Bitten Sie die Sprecher, sich nicht ins Wort zu fallen. Sauberes Sprechen der Reihe nach gibt dem Werkzeug klare Grenzen zum Arbeiten.
• Ist ein Sprecher deutlich leiser als die anderen, normalisieren Sie das Audio oder bitten Sie die Person, näher ans Mikrofon zu rücken.
• Vermeiden Sie Musik, die während des Gesprächs läuft. Ein Intro-Jingle ist unproblematisch, aber eine durchgehende musikalische Untermalung erschwert die Trennung der Stimmen.
• Testen Sie zuerst mit einem kurzen Clip. Lassen Sie die ersten Minuten einer langen Aufnahme laufen, um zu prüfen, ob die Konfiguration die Stimmen sauber trennt, bevor Sie sich an die komplette Datei wagen.

Keine dieser Maßnahmen garantiert eine perfekte Trennung, aber jede beseitigt ein häufiges Hindernis. Unterscheidbare Stimmen, saubere Redebeiträge und geringes Rauschen geben dem Werkzeug genau das, was es braucht.

Sprecher-Labels prüfen und korrigieren

Automatische Labels treffen die Struktur meistens richtig, doch Namen und Sonderfälle brauchen einen Menschen. Gehen Sie das Transkript in drei Durchgängen durch:

Erster Durchgang: Lesen und markieren. Lesen Sie das gesamte Transkript einmal durch und notieren Sie alles Verdächtige: Beiträge, die mitten im Thema wechseln, kurze Zwischenrufe, die der falschen Person zugeschrieben werden, und Abschnitte, in denen der Text wie eine einzige Stimme klingt, der Inhalt aber auf zwei hindeutet.

Zweiter Durchgang: Umbenennen. Ersetzen Sie die generischen Labels per Suche-und-Ersetzen durch echte Namen. Verwenden Sie einen Namen durchgängig einheitlich. Taucht jemand an verschiedenen Stellen sowohl als Sarah als auch als Sarah K. auf, wählen Sie eine Form und bleiben Sie dabei, denn inkonsistente Namen beeinträchtigen später die Suche.

Dritter Durchgang: Markierte Stellen korrigieren. Kehren Sie zu Ihren markierten Abschnitten zurück. Hören Sie sich jede Stelle im Audio an und verschieben Sie dann den Text unter das richtige Label oder teilen Sie einen gemeinsamen Beitrag in zwei auf. Reden zwei Personen durcheinander, entscheiden Sie, wessen Worte für Ihren Zweck zählen, und ordnen Sie die Zeile entsprechend zu. Ist eine Formulierung wirklich unverständlich, markieren Sie sie als unverständlich, statt zu raten – so zitiert später niemand ein falsches Wort.

Drei Durchgänge klingen langsamer als Korrigieren beim Lesen, in der Praxis sind sie schneller. Wer zuerst umbenennt, führt jede spätere Korrektur unter den endgültigen Namen durch und muss keine Änderung zweimal machen.

Das passende Exportformat wählen

Das richtige Exportformat hängt davon ab, was als Nächstes passiert:

• TXT eignet sich für Artikel, Notizen, Meeting-Protokolle und überall dort, wo Sie einfach lesbaren Text möchten, bei dem jedem Beitrag der Sprechername zugeordnet ist.
• SRT und VTT eignen sich für Untertitel. Sie enthalten neben dem Text Zeitinformationen, sodass jeder beschriftete Beitrag eingeblendet wird, während die Person spricht.
• Andere Formate passen zu speziellen Werkzeugen wie Editoren oder Untertitelplattformen. Wählen Sie das Format, das zur Software passt, die nach Ihrer Transkription kommt.

Sind Sie unsicher, exportieren Sie zunächst TXT für das schriftliche Protokoll und danach bei Bedarf separat ein Untertitelformat, falls das Transkript in einem Video erscheinen soll. Mit beiden Versionen decken Sie Schreiben und Veröffentlichen gleichzeitig ab.

Häufige Probleme und schnelle Lösungen

Starke Simultangespräche. Überlappende Sprache ist der schwierigste Fall für jedes Diarisierungssystem. Planen Sie eine längere Korrekturrunde ein und stützen Sie sich bei der Entscheidung, wer was gesagt hat, auf das Audio selbst.

Ähnlich klingende Stimmen. Klingt es bei zwei Sprechern ähnlich, können ihre Beiträge zusammengelegt werden. Inhaltliche Hinweise helfen: Fragen gehören meist zum Interviewer, Antworten zum Gast. Prüfen Sie jeden zusammengelegten Abschnitt gegen das Audio.

Eine leise Person. Eine leise sprechende Person kann in der nächstgelegenen lauten Stimme aufgehen. Verstärken Sie ihren Kanal oder nehmen Sie diesen Teil neu auf, falls das noch möglich ist; planen Sie andernfalls zusätzliche Prüfzeit für ihre Beiträge ein.

Lange Aufnahmen. Bearbeiten Sie eine mehrstündige Datei in Etappen statt in einer einzigen Sitzung. Nutzen Sie die KI-Zusammenfassung und die Aufgabenpunkte, um zu den wichtigsten Segmenten zu springen, und bereinigen Sie diese zuerst.

Fazit

Die Transkription mit mehreren Sprechern ist eine Gewohnheit aus zwei Schritten: Lassen Sie das Werkzeug die Stimmen trennen und widmen Sie dann einem konzentrierten Durchgang der Korrektur der Labels. Laden Sie Ihre Datei in das Audio-zu-Text-Werkzeug hoch, aktivieren Sie die Sprecher-Labels und betrachten Sie die Prüfung als Teil der Aufgabe, nicht als optionales Extra. Dieser kurze, sorgfältige Durchgang am Ende macht den Unterschied zwischen einem Transkript, dem Sie vertrauen, und einem, das Sie ohnehin heimlich umschreiben.