Beste KI für Transkription und Untertitel

Eine einzelne beste KI gibt es nicht: Für Transkription per API sind ElevenLabs Scribe v2, Deepgram Nova-3 und gpt-transcribe von OpenAI gute Optionen, für maximalen Datenschutz eignet sich Whisper large-v3 auf dem eigenen Rechner. Wer Videos ohnehin auf YouTube veröffentlicht, kann zunächst die automatischen Untertitel ausprobieren. Die Angaben wurden am 30. Oktober 2026 geprüft.

• ElevenLabs Scribe v2: unterstützt mehr als 90 Sprachen. Deutsch gehört laut Anbieter zur Stufe „Excellent“, also zu einer Wortfehlerrate von höchstens 5 Prozent. Preis: 0,22 USD pro Stunde.
• Deepgram Nova-3: 0,0043 USD pro Minute für einsprachige Aufnahmen, 0,0052 USD für mehrsprachige.
• OpenAI: Empfohlen wird gpt-transcribe für 0,0045 USD pro Minute, hochgeladene Dateien dürfen maximal 25 MB groß sein. whisper-1 und die gpt-4o-Transkriptionsmodelle werden am 26. Februar 2027 abgeschaltet.
• Google Cloud Speech-to-Text Chirp 3: allgemein verfügbar, unter anderem für de-DE und en-US.
• Whisper large-v3: Open Source unter der Apache-2.0-Lizenz, 99 Sprachen, läuft lokal, sodass die Audiodaten den eigenen Rechner nicht verlassen.
• YouTube: automatische Untertitel in 67 Sprachen, auch auf Deutsch. Laut YouTube kann die Qualität schwanken.

Für Untertitel braucht man Zeitstempel und einen Export als SRT oder VTT, das sollte man vor der Wahl des Dienstes prüfen. Namen, Zahlen und Fachbegriffe sollte man immer selbst korrigieren, denn dabei machen alle Systeme Fehler.