So transkribierst du einen X Space (Twitter Space) im Jahr 2026

X Spaces speichert kein Transkript. Live-Untertitel erscheinen während einer Session auf dem Bildschirm, verschwinden aber, sobald der Space endet. Ein Transkript zu bekommen bedeutet zwei getrennte Schritte: erst die Audioaufnahme sichern, dann durch ein Transkriptionstool laufen lassen. Dieser Beitrag behandelt beides, ehrlich.

Womit du tatsächlich arbeitest

Ein Space ist ein Live-Audio-Raum: ein oder mehrere Hosts, bis zu 10 Sprecher auf der Bühne, Zuhörer, die nur sprechen können, wenn sie eingeladen werden. Wenn die Session endet, behält X die Audio-Datei serverseitig. Was niemand behält, ist ein Transkript.

Wichtige Fakten zur Aufnahme:

• Das gesamte Bühnen-Audio (Hosts und eingeladene Sprecher) wird aufgezeichnet.
• Zuhörer-Audio wird nie aufgezeichnet.
• Kein Video, keine getrennten Sprecherkanäle, alles Audio wird zu einem einzigen Track gemischt.
• Live-Untertitel werden in Echtzeit erzeugt und nicht gespeichert.

Dieser einzelne Track mit mehreren Sprechern ist der Grund, warum Spaces schwerer zu transkribieren sind als ein typischer Podcast.

Schritt 1: Die Audio-Datei bekommen

Wenn du der Host bist

Der offizielle Weg führt über das Datenarchiv-Tool von X, nicht über einen schnellen Download-Button. Es gibt keinen direkten Export über das Drei-Punkte-Menü.

1. Öffne X (Web oder App) und gehe zu Einstellungen und Datenschutz.
2. Tippe auf Dein Konto, dann auf Ein Archiv deiner Daten herunterladen.
3. Klicke auf Archiv anfordern und bestätige.
4. X schickt dir einen Link per E-Mail, sobald das Archiv fertig ist. Das kann 24 Stunden oder länger dauern.
5. Entpacke das Archiv und navigiere zu data > spaces_media.
6. Deine Aufnahme liegt dort als .ts-Datei vor (ein MPEG-Transportstream mit AAC-Audio).

Um die .ts-Datei in etwas umzuwandeln, das ein Transkriptionstool verarbeiten kann, führe Folgendes aus:

ffmpeg -i space-recording.ts space.mp3

Das ist verlustfrei für den Audio-Inhalt. MP3 ist in Ordnung, genauso gut kannst du es als .ts lassen, wenn dein Upload-Tool das akzeptiert.

Ein Hinweis zur Speicherung: Hosts in aktualisierten X-Apps (iOS 9.15 oder neuer, Android 9.46 oder neuer) haben unbegrenzte Aufnahmespeicherung, bis sie diese löschen. Wenn du oder dein Co-Host eine ältere App-Version nutzt, gilt weiterhin die 30-Tage-Frist. Lade die Datei innerhalb von 30 Tagen herunter, wenn du dir unsicher bist.

Wenn du ein Sprecher bist (nicht der Host)

Es gibt keine integrierte Download-Option für Co-Hosts oder Gäste. Der praktische Weg: Frag den Host. Die meisten teilen die Archivdatei oder senden eine MP3, wenn du vor Ende des Spaces darum bittest. Direkt nach der Sitzung nachzufragen, bevor der Moment verfliegt, ist die einfachste Garantie.

Wenn du ein Zuhörer bist

Das ist der schwierigste Fall, und es gibt keine saubere Antwort. X bietet keinen offiziellen Download für Zuhörer an.

Deine Optionen, in absteigender Reihenfolge der Zuverlässigkeit:

1. Frag den Host direkt. Immer noch der einfachste und sauberste Weg. Die meisten Hosts teilen die Datei, wenn du fragst.
2. Nimm Systemaudio während der Wiedergabe auf. Während die Wiedergabe auf X läuft, erfasse die Ausgabe mit OBS, Audacity oder einem Bildschirmrekorder, der auf Systemaudio eingestellt ist. Du bekommst eine leicht verschlechterte Kopie, weil du bereits komprimiertes Audio erneut aufnimmst, aber das reicht meistens für die Transkription.
3. Tools von Drittanbietern zum Herunterladen. Tools wie SpacesDown und ähnliche Scraper können öffentliche Space-Aufnahmen ziehen. Die Qualität variiert; diese Tools hängen von undokumentiertem X-API-Verhalten ab, und einige benötigen deine X-Auth-Cookies, um zu funktionieren. Sie könnten auch gegen die Nutzungsbedingungen von X verstoßen. Nutze sie auf eigenes Risiko für öffentlich ausgestrahlte Inhalte.

Wenn du Spaces besuchst, von denen du Transkripte möchtest, ist der bewährte Rat, den Host vor Beginn des Events zu kontaktieren und zu fragen, ob er die Aufnahme danach teilt.

Schritt 2: Die Datei transkribieren

Sobald du das Audio hast, ist der Transkriptionsworkflow derselbe wie bei jeder anderen Audioquelle.

1. Datei hochladen. ConvertAudioToText akzeptiert M4A-, MP3- und TS-Dateien, ohne dass ein Konto erforderlich ist, solange die Datei unter 10 Minuten liegt. Längere Spaces benötigen einen kostenpflichtigen Plan.
2. Sprecheranzahl explizit angeben. Das ist bei Spaces besonders wichtig. Zähle die Moderatoren plus alle Gäste, die auf der Bühne waren. Ein Space mit 2 Moderatoren und 4 Gästen ergibt 6 Sprecher. Die automatische Erkennung funktioniert bei gemischtem Audio mit mehreren Sprechern schlecht.
3. Vokabelliste hinzufügen. Trage die Namen aller Sprecher sowie alle spezifischen Produktnamen, Fachbegriffe oder Abkürzungen ein, die erwähnt werden. Eine Liste mit 10 bis 20 Begriffen verbessert die Genauigkeit bei diesen Wörtern spürbar.
4. Ausführen. Ein 60-minütiger Space wird in der Regel in 3 bis 5 Minuten verarbeitet.

Für nicht-englische Spaces oder Spaces mit Sprachwechsel zwischen zwei Sprachen findest du im Beitrag zur Sprecher-Diarisierung erklärt, wie man mit gemischtsprachigem Audio umgeht.

Wenn du nur ein sauberes Transkript ohne zusätzliche Tools brauchst, übernimmt das Audio-zu-Text-Tool von ConvertAudioToText den Upload-und-Transkribieren-Ablauf in einem Schritt.

Das Diarisierungsproblem bei Spaces

Diarisierung, also der Prozess, zu kennzeichnen, wer was gesagt hat, ist bei Spaces deutlich schwieriger als bei anderen Audioformaten. Hier ist der Grund:

• Ein einziger gemischter Track. Alle Sprecher teilen sich einen Audiokanal. Vergleiche das mit einem Podcast, der über Riverside oder Zencastr aufgenommen wurde, wo jeder Sprecher seine eigene Spur hat.
• Hohe Sprecherzahl. Fünf bis zehn Personen sind üblich. Mehr Sprecher bedeuten mehr Raum für das Modell, Sprachcluster zu verwechseln.
• Uneinheitliche Mikrofonqualität. Ein Moderator mit Studio-USB-Mikrofon, ein anderer über die Freisprecheinrichtung. Die akustischen Fingerabdrücke sind inkonsistent.
• Kurze Sprecherauftritte. Ein Zuhörer wird auf die Bühne eingeladen, spricht 45 Sekunden und geht wieder. Der Diarisierer hat fast kein Audio, um ein zuverlässiges Profil zu erstellen.
• Überlappende Sprache. Lebhafte Spaces haben häufiges Durcheinanderreden. Überlappendes Audio auf einer einzigen Spur ist schwer zu entwirren.

Praktische Erwartung: Die Diarisierung bei einem Space mit 5 Sprechern wird Fehler enthalten. Bei einem Space mit 2-3 Sprechern, die erfahren sind und sich nicht gegenseitig ins Wort fallen, ist das Ergebnis meist sauber. Bei einem großen Space mit vielen Gästen solltest du mit manueller Nachbearbeitung rechnen.

Der Bearbeitungsdurchgang

X-Spaces-Transkripte brauchen mehr Bearbeitung als Studio-Podcasts. Das bewährte Muster:

• Hör dir die ersten 5 Minuten an, während du liest. Bestätige, dass die Sprecherlabels am Anfang korrekt sind, bevor sich das Muster durch 90 Minuten zieht.
• Ersetze generische Labels sofort. Wenn sich Sprecher 2 als „Ich bin Marcus" vorstellt, ersetze „Sprecher 2" überall im Dokument.
• Achte auf kurze Gäste. Wenn ein Zuhörer für einen kurzen Abschnitt auf die Bühne geholt wird, verschmilzt der Diarisierer sie oft mit einem bestehenden Sprecher. Prüfe diese Übergänge stichprobenartig.
• Korrigiere Eigennamen. Markennamen, Personennamen, Produktnamen. Genau hier macht KI-Transkription bei Gesprächsaudio konsistent Fehler.
• Markiere unverständliche Abschnitte, statt zu raten. Ein eingeklammertes [unverständlich] ist ehrlicher als ein plausibel klingendes, aber falsches Wort.

Ein 60-minütiger Space mit 5 Sprechern braucht typischerweise 30-45 Minuten gründliche Bearbeitung, verglichen mit 15 Minuten bei einem vergleichbaren Podcast.

Vergleich: X-Spaces vs. Podcast-Transkription

Wenn du beide Formate produzierst, kalkuliere für Spaces etwa die doppelte Bearbeitungszeit ein.

Warum überhaupt einen Space transkribieren

Die häufigsten Gründe:

Content repurposing. Spaces-Hosts verwandeln ein Live-Gespräch in einen Newsletter, einen Thread mit Highlights oder einen Blogbeitrag. Das Transkript ist das Rohmaterial.

Zitate und Journalismus. Reporter, die einen Space abgedeckt haben und genaue Quellenangaben brauchen. Ein Transkript mit Zeitstempeln ist der belastbare Beleg.

Referenz und Suche. Eine bestimmte Stelle in einem 90-minütigen Replay durch Spulen zu finden, dauert lange. Ein durchsuchbares Transkript macht es sofort möglich.

Barrierefreiheit. Gehörlose und schwerhörige Follower, die den Inhalt als Text möchten.

Für lange Spaces, die als Referenz und zur Suche genutzt werden, passt der Workflow Besprechungsnotizen aus Audio erstellen hier gut: das Transkript durch einen Zusammenfassungsschritt laufen lassen, um Schlüsselzitate, Themen und Aktionspunkte zu extrahieren.

Rechtliche Hinweise

X Spaces sind öffentliche Audio-Gespräche. Ein öffentliches Space für den persönlichen Gebrauch zu transkribieren, ist im Allgemeinen unproblematisch. Das Transkript erneut zu veröffentlichen oder Zitate kommerziell zu nutzen, ist eine andere Frage:

• Die Sprecher besitzen die Rechte an ihren eigenen Worten.
• Zitate für journalistische Zwecke fallen unter Fair Use, aber aus dem Zusammenhang gerissene Zitate können Haftung auslösen.
• Die kommerzielle Nutzung der Stimme oder des Namens eines Sprechers erfordert normalerweise eine Genehmigung.

Für die interne Referenz gelten keine besonderen Überlegungen.

FAQ

Hat X Spaces einen integrierten Transkript-Export?

Nein. X bietet während eines Spaces Live-Untertitel an, aber diese werden nicht gespeichert und verschwinden, wenn die Sitzung endet. Stand Mitte 2026 gibt es auf X keine native Transkript- oder Exportfunktion.

Wie lange bleibt eine Aufnahme von X Spaces verfügbar?

Für Hosts mit einer aktuellen X-App-Version (iOS 9.15+ oder Android 9.46+) bleiben Aufnahmen unbegrenzt erhalten, bis der Host sie löscht. Bei Hosts mit älteren App-Versionen und bei allen Aufnahmen, die vor der Richtlinienänderung im Juni 2022 gemacht wurden, liefen sie nach 30 Tagen ab. Im Zweifelsfall innerhalb von 30 Tagen herunterladen.

Können Zuhörer eine Aufnahme von X Spaces herunterladen?

Nicht über eine offizielle X-Schnittstelle. Zuhörer können den Host um die Datei bitten, die Systemaudioaufnahme während der Wiedergabe nutzen oder Drittanbieter-Scraper-Tools ausprobieren, wobei diese Tools möglicherweise gegen die Nutzungsbedingungen von X verstoßen und die Zuverlässigkeit schwankt.

Warum ist Diarisierung bei Spaces schwieriger als bei einem Podcast?

Spaces mischen alle Sprecher auf eine einzige Audiospur, während Podcasts oft in getrennten Kanälen pro Person aufgenommen werden. Bei einer einzigen gemischten Spur müssen Diarisierungsmodelle überlappende Stimmen rein über den akustischen Fingerabdruck trennen, ohne Kanal-Trennung als Hilfe. Dazu kommen wechselnde Mikrofonqualitäten bei 5-10 Sprechern und häufige Übergaben, und die Fehlerrate steigt schnell.

Quellen

• X-Datenarchiv-Download: bestätigt durch mehrere verifizierte Anleitungen, darunter ytechb.com und maestra.ai, die X' Hilfedokumentation untermauern
• X Spaces unbegrenzte Aufnahmerichtlinie (iOS 9.15+ / Android 9.46+): x.com/XSpaces Ankündigung und ergänzende Berichterstattung bei grecrecorder.com
• .ts-Dateiformat für archivierte Spaces: Simon Willisons TIL zum Exportieren von Spaces-Aufnahmen, bestätigt durch ryusei.io
• FFmpeg .ts zu MP3-Konvertierung: verifiziert über die Standard-FFmpeg-Dokumentation und Community-Anleitungen
• Live-Untertitel werden nach der Sitzung nicht gespeichert: bestätigt über den vocap.io-Leitfaden von 2026 und mehrere Beschreibungen von Drittanbieter-Transkriptionstools