So funktioniert es
Vom langen Gespräch zu gut lesbaren Untertiteln.
ValoCaptions arbeitet in mehreren Schritten. Zuerst erkennt das System Sprache und Sprecher. Daraus entsteht ein Transkript, das die Grundlage für die finalen Untertitel bildet. So haben Sie einen klaren Ausgangspunkt, wenn Menschen einander unterbrechen, schnell reagieren oder gleichzeitig sprechen.
Basic Transcript erstellen
Mehrere Quellen hören mit
Mehrere KI-Modelle verarbeiten die Aufnahme unabhängig voneinander. Dies wird automatische Spracherkennung oder ASR genannt: Gesprochene Sprache wird dabei in Text umgewandelt. Der Vergleich unabhängiger Ergebnisse schafft eine zuverlässigere Prüfgrundlage als ein einzelner Entwurf.
Viele automatische Untertiteltools beginnen mit nur einem ASR-Transkript. Eine separate Sprecherdiarisierung wird häufig nicht als Prüfsignal genutzt. Dadurch fehlt Kontext, wenn Menschen diskutieren, einander unterbrechen oder gleichzeitig sprechen.
Schwierige Stellen sichtbar machen
Sprecherdiarisierung bedeutet zu erkennen, wer wann spricht. ValoCaptions kombiniert Transkriptquellen mit diesen Sprechersignalen und zeigt schnelle Wechsel, mögliche Überschneidungen und Transkriptunterschiede als Prüfhinweise in der Zeitleiste. Das Ergebnis ist ein zeitlich ausgerichtetes Basic Transcript, die erste Verbatim-Version.
Verbatim bedeutet, dass der Text nah am tatsächlich Gesagten bleibt, einschließlich natürlicher gesprochener Sprache wie Wiederholungen und kurzer Reaktionen. Passagen, die Ihre Aufmerksamkeit benötigen könnten, werden automatisch ausgewählt. So erkennen Sie sofort, wo eine Prüfung am wichtigsten ist.
Arbeiten Sie von Anfang bis Ende, beginnen Sie mit eindeutigen Passagen oder kehren Sie später zu schwierigen Stellen zurück. Sie können außerdem eigene Passagen für später markieren, bevorzugte Schreibweisen für Namen, Fachbegriffe und Abkürzungen festlegen und Backchannel-Wörter kennzeichnen: kurze Bestätigungen wie „ja“ oder „mhm“. Die redaktionelle Entscheidung bleibt während des gesamten Prozesses bei Ihnen.
KI unterstützt den Prozess. Sie steuern das Ergebnis.
Mehrere Transkript- und Sprechersignale machen Passagen sichtbar, die Aufmerksamkeit benötigen könnten. Sie unterstützen Ihre Prüfung, entscheiden jedoch nicht über den endgültigen Wortlaut, das Timing oder die Ausgabe. Die redaktionelle Entscheidung bleibt in jedem Arbeitsschritt bei Ihnen.
Clean Verbatim-Transkript erstellen
Nachdem Sie den Inhalt geprüft haben, erstellt die KI ein bereinigtes Verbatim-Transkript. Sie verbessert Rechtschreibung, Zeichensetzung, Grammatik und Terminologie, ohne das Gesagte oder Gemeinte zu verändern. Das Transkript bleibt dem gesprochenen Gespräch treu, ist aber leichter zu lesen und weiterzuverwenden.
Sie können diese Version kurz prüfen, um die Kontrolle über den Prozess zu behalten. Das Clean Verbatim-Transkript kann auch in dem Dateiformat heruntergeladen werden, das zu Ihrem Arbeitsablauf passt.
Verbatim-Untertitel-Cues erstellen
Das genehmigte Clean Verbatim-Transkript wird in zeitlich gut abgestimmte Untertitel umgewandelt. Diese zeitgesteuerten Untertitelblöcke werden Cues genannt. Wählen Sie ein Standard-Untertitelformat oder verwenden Sie Ihr eigenes Formatprofil für Zeilenlänge, Lesegeschwindigkeit, Cue-Dauer und Timing.
Nehmen Sie hier bei Bedarf Anpassungen an Text oder Timing vor und fahren Sie anschließend mit der für die Ausgabe passenden Version fort.
Clean Read-Untertitel erstellen
Clean Read ist eine optionale letzte KI-Runde für angenehmes Lesen auf dem Bildschirm. Unnötige Wiederholungen können entfernt und längere Formulierungen klarer und natürlicher gestaltet werden, während die freigegebene Bedeutung erhalten bleibt. Diese Ebene unterscheidet sich von Verbatim: Sie wird gezielt für das Lesen als Untertitel formuliert.
Vor der Ausgabe können Sie die Clean Read-Untertitel noch einmal manuell prüfen.
Exportieren und übersetzen
Exportieren Sie die fertigen Untertitel im benötigten Dateiformat oder brennen Sie sie direkt in das Video ein. Auch das Transkript steht zum Herunterladen bereit. Freigegebene Untertitel können außerdem in mehrere Zielsprachen übersetzt werden.
Arbeiten Sie mit Ihrem eigenen KI-Agenten
Wenn dies für ein Projekt aktiviert und vereinbart wurde, können kompatible KI-Agenten mit Tool Calling, etwa Claude Code, Codex oder Cursor, anhand des verfügbaren Projektkontexts sichtbare und reversible Vorschläge erstellen.
Sie entscheiden, ob Sie jeden Vorschlag annehmen, bearbeiten oder ablehnen möchten. Ob Sie manuell, mit der integrierten Assistenz oder mit Ihren eigenen KI-Tools arbeiten, die redaktionelle Entscheidung liegt bei Ihnen.
Fragen zum Arbeitsablauf
Was sind die Phasen des Workflows?
Der Workflow beginnt mit einem Basic Transcript. Mehrere ASR-Quellen und Sprecherdiarisierung, also die Zuordnung, wer wann spricht, bilden eine breitere Grundlage. Sie weisen auf Stellen hin, die möglicherweise Aufmerksamkeit erfordern. Anschließend lässt sich das geprüfte Transkript in zeitlich abgestimmte Verbatim-Untertitel-Cues umwandeln und bei Bedarf als Clean Read-Untertitel für einen flüssigeren Lesefluss auf dem Bildschirm neu formulieren. Zum Schluss laden Sie die Untertitel und das Transkript im gewünschten Ausgabeformat herunter. Vollständigen Workflow ansehen.
Was ist Sprecherdiarisierung?
Sprecherdiarisierung bedeutet zu erkennen, wer wann spricht. ValoCaptions nutzt Sprecherwechsel und mögliche Überschneidungen zusammen mit mehreren Transkriptquellen als Prüfsignale.
Wie werden Passagen für die Prüfung ausgewählt?
Die Software vergleicht mehrere KI-Transkriptquellen mit Sprecher- und Überlappungssignalen. Unterschiede und schnelle Sprecherwechsel werden anschließend als Prüfhinweise in der Zeitleiste angezeigt. Sie unterstützen die Prüfung, treffen aber nicht die redaktionelle Endentscheidung.
Wie wird KI in einem Projekt eingesetzt?
KI unterstützt jeden Arbeitsschritt, vom ersten Transkript bis zur finalen Untertitelebene. Ihre Vorschläge und Änderungen bleiben im Workflow sichtbar. So können Sie jederzeit eingreifen und behalten die vollständige redaktionelle Kontrolle darüber, was freigegeben und ausgeliefert wird. Gleichzeitig kann die KI mehr Routinearbeit übernehmen, damit Sie sich auf die entscheidenden Stellen konzentrieren können.
Muss ich die Aufnahme überprüfen?
Ja. Sie entscheiden jedoch selbst, wie weit Sie den Workflow durchlaufen und wie viel Unterstützung Sie nutzen. Die Arbeitsschritte sollen Ihnen möglichst viel Routinearbeit abnehmen und zugleich die Qualität der Untertitel steigern. Die KI übernimmt den Großteil der Arbeit; Sie bestimmen, wo Sie prüfen, eingreifen und die endgültige Entscheidung treffen.
Kann ich bevorzugte Schreibweisen für Namen und Fachsprache festlegen?
Ja. Sie können bevorzugte Schreibweisen für Namen, Fachbegriffe und Abkürzungen festlegen. So haben die Prüfung und die späteren Textarbeitsschritte eine einheitliche Referenz.
Kann ich meine eigenen KI-Tools verwenden?
Ja. Verwenden Sie kompatible KI-Tools in ValoCaptions, um schneller an Ihrem Projekt zu arbeiten. Dazu gehören OpenAI Codex, Anthropic Claude Code, Perplexity, OpenCode, Cursor und andere Tools, die den Projektworkflow unterstützen. Ihre Vorschläge bleiben sichtbar und Sie entscheiden, was Sie annehmen, bearbeiten oder ablehnen.