Automatische Transkripte, Kapitelmarken und Shownotes mit Auphonic erstellen

Podcaster können in Auphonic zeitgestempelte Sprachtranskripte, thematische Kapitelmarken (Chapter Marks) und vollständige Episodenbeschreibungen (Shownotes) direkt während der Audio-Postproduktion automatisch generieren lassen. Anstatt zwischen separaten Mastering-Werkzeugen, externen Transkriptionsdiensten und KI-Zusammenfassungstools zu wechseln, konfigurieren Podcaster den gesamten Ablauf unmittelbar im Produktionsformular von Auphonic.

Auphonic führt Lautheitsnormalisierung, Rauschunterdrückung und Pegelausgleich durch, transkribiert das gesprochene Wort über Whisper, analysiert thematische Abschnitte mithilfe von Sprachmodellen und bettet die resultierenden Metadaten direkt in die Ausgabedateien, Web-Player und Podcast-Feeds ein.

1. Wie Auphonic Spracherkennung und Inhaltsstrukturierung kombiniert

Auphonic behandelt die Metadaten-Generierung nicht als losgelösten Nachgang, sondern als integralen Bestandteil der Audio-Postproduktions-Pipeline:

1. Signalklassifizierung und Vorverarbeitung: Vor Beginn der Spracherkennung analysieren Auphonic-Algorithmen das Audiosignal und trennen Sprache präzise von Hintergrundgeräuschen, Musik und Stille. Dadurch wird verhindert, dass Nicht-Sprach-Anteile das Erkennungsmodell verfälschen.
2. Automatische Spracherkennung (ASR): Die bereinigten Sprachsegmente werden an das ASR-Modell übergeben. Auphonic bietet mit Auphonic Whisper ASR eine eigene, selbst gehostete Engine auf Basis von OpenAIs Whisper an, die rund 100 Sprachen unterstützt. Da Whisper auf Auphonics eigener Serverinfrastruktur läuft, verlassen die Audiodaten nicht das System, die Verarbeitung erfolgt schnell und für zahlende Nutzer fallen keine externen API-Gebühren an. Externe Dienste wie Amazon Transcribe, Google Cloud Speech API, Wit.ai und Speechmatics werden ebenfalls unterstützt.
3. KI-Inhaltsanalyse und Themenabschnitte: Nach Abschluss der Transkription analysiert ein integriertes Sprachmodell den Textverlauf. Es erkennt Themenwechsel, ermittelt Startzeitpunkte für einzelne Abschnitte, generiert prägnante Kapitelüberschriften und erstellt sowohl eine ausführliche Zusammenfassung (Long Summary) als auch eine Kurzfassung (Brief Summary), einen Untertitel sowie relevante Episoden-Tags (Keywords).
4. Sprecherzuordnung bei Mehrspuraufnahmen (Multitrack): Wenn Moderatoren und Gäste auf getrennten Tonspuren aufgenommen und als Multitrack-Produktion hochgeladen werden, verarbeitet Auphonic jede Spur isoliert. Dies eliminiert Übersprechen (Crosstalk) vollständig, steigert die Erkennungsgenauigkeit deutlich und weist Aussagen im Transkript automatisch den jeweiligen Sprechernamen zu.

2. Schritt-für-Schritt-Einrichtung im Produktionsformular

Die Konfiguration der Metadaten-Automatisierung in Auphonic erfordert lediglich fünf zentrale Schritte, die sich auch als Preset für künftige Episoden speichern lassen.

Schritt 1: Quelldateien hochladen

Erstelle eine neue Production (für Einzeldateien) oder Multitrack Production (für Mehrspurprojekte). Lade unkomprimierte WAV-Dateien oder hochbitratige verlustbehaftete Audios hoch.

Schritt 2: Spracherkennung aktivieren

Navigiere im Produktionsformular zum Abschnitt Speech Recognition:

• Select Service: Wähle Auphonic Whisper ASR (keine externen Konten oder API-Schlüssel erforderlich).
• Select Language: Wähle die Hauptsprache der Aufnahme aus oder nutze die automatische Spracherkennung von Whisper.
• Speaker Diarization: Aktiviere bei Einzelspuraufnahmen mit mehreren Personen die Sprechererkennung. Bei Multitrack-Aufnahmen werden die Sprecher automatisch anhand der Spurnamen übernommen.

Schritt 3: Automatic Shownotes and Chapters aktivieren

Setze das Häkchen bei Automatic Shownotes and Chapters:

• Shownotes Summary Example (Stilanpassung): Füge eine Beispielzusammenfassung aus einer früheren Episode ein. Das KI-Modell orientiert sich an diesem Beispiel, um deinen gewohnten Tonfall, Strukturierungen und Formatierungen (wie Markdown-Aufzählungen oder Überschriften) exakt zu imitieren.

Schritt 4: Ausgabeformate und Metadaten-Mapping festlegen

Wähle im Bereich Output Files die gewünschten Zielformate:

• Audiodateien: Wähle MP3, AAC/M4A, Opus oder FLAC. Auphonic schreibt die generierten Kapitelmarken, Zeiten, Zusammenfassungen und Tags automatisch in ID3-Tags (MP3), MPEG-4-Metadaten (M4A) oder Vorbis Comments (FLAC/Opus).
• HTML Transcript: Erzeugt ein eigenständiges Webdokument mit vollständigem Text, Zeitstempeln, Sprecherbezeichnungen und dem interaktiven Transcript Editor.
• Untertitel (WebVTT oder SRT): Zeitcodierte Untertiteldateien für Web-Player und Videoplattformen.
• Sprachdaten (JSON oder XML): Maschinenlesbare Rohdaten inklusive Zeitstempeln und Konfidenzwerten auf Wortebene.
• Kapiteldateien: Export als MP4chaps-Textdatei, Podlove Simple Chapters (JSON/XML) oder Podcasting 2.0 Chapter JSON.
• Burn-In Subtitles (Untertitel im Video, optional): Wenn du Audiogramme oder Videos generierst, brennt diese Option synchronisierte Untertitel mit anpassbaren Schriftarten und Karaoke-Hervorhebungen direkt in das Videobild ein.

Schritt 5: Produktion starten

Klicke auf Start Production. Auphonic führt Lautheitsanpassung, Filterung, Rauschunterdrückung, Transkription und die Generierung der Shownotes in einem einzigen Rechenlauf aus.

3. Feinabstimmung im Auphonic Transcript Editor

Nach Abschluss der Verarbeitung öffnest du den Auphonic Transcript Editor über die Statusseite per Klick auf Correct and edit speech recognition results (oder durch Öffnen der heruntergeladenen HTML-Transkriptdatei).

+-----------------------------------------------------------------------+
|  AUPHONIC TRANSCRIPT EDITOR                                  [ Save ] |
+-----------------------------------------------------------------------+
|  AUTOMATIC SHOWNOTES                                                  |
|  Summary:   [ Von der KI erstellte Zusammenfassung, editierbar...   ]  |
|  Keywords:  [ podcasting, auphonic, post-production, metadata     ]  |
+-----------------------------------------------------------------------+
|  CHAPTER MARKS                                                        |
|  00:00:00.000  - Begrüßung und Einleitung                             |
|  00:04:15.500  - Vergleich von Spracherkennungsmodellen               |
|  00:14:30.000  - Metadaten-Standards und ID3-Tags                     |
+-----------------------------------------------------------------------+
|  TRANSCRIPT                                                           |
|  [00:00:00] Host A: Herzlich willkommen zu unserem Podcast...         |
|  [00:00:15] Host B: Heute sprechen wir über automatisierte Kapitel... |
+-----------------------------------------------------------------------+

Der Editor bietet spezialisierte Werkzeuge für die zügige redaktionelle Endkontrolle:

• Hervorhebung niedriger Konfidenz (Highlight Low Confidence): Wörter, bei denen das Modell statistisch unsicher war, werden in rötlichen Abstufungen markiert. Je dunkler das Rot, desto geringer die Konfidenz. Dadurch lassen sich Eigennamen oder Fachbegriffe gezielt korrigieren, ohne den gesamten Text Zeile für Zeile lesen zu müssen.
• Play on Click: Ein Klick auf ein beliebiges Wort startet die Audiowiedergabe exakt an dieser Stelle, was das akustische Gegenprüfen beschleunigt.
• Absatzmodus vs. Untertitel-/Zeilenmodus: Schalte zwischen Fließtext und zeilenweisem Untertitelmodus um. Mit Enter wird eine Untertitelzeile getrennt, mit Backspace am Zeilenanfang zusammengefügt.
• Sprecherverwaltung: Sprechernamen lassen sich global für das gesamte Dokument anpassen. Bei Multitrack-Projekten aktualisiert das Speichern auch die Spurenbezeichnungen.
• Kapitelanpassung: Titel und Zusammenfassungen können im Panel Automatic Shownotes korrigiert werden. Die präzisen Zeitstempel der Kapitel sollten direkt im Transkript-Hauptbereich angepasst werden, um sie exakt auf die Sprechpausen abzustimmen.

4. Kostenloses erneutes Rendern ohne Guthabenverlust

Viele Podcaster befürchten, dass nachträgliche Textkorrekturen oder Zeitverschiebungen bei den Kapiteln erneut Rechenzeit (Credits) kosten. Bei Auphonic ist dieses Nacharbeiten kostenfrei:

1. Nach Abschluss der Änderungen im Transcript Editor klickst du auf Save. Der Status wechselt zu Production Changed.
2. Klicke auf Start Production, um die Ausgabedateien neu zu berechnen.
3. Sofern die ursprünglichen Audio-Quelldateien nicht ausgetauscht wurden, aktualisiert Auphonic die Metadaten, Kapitel und Transkripte in allen Zieldateien, ohne zusätzliches Rechenguthaben von deinem Konto abzubuchen.

[!TIP] Wenn beim ersten Durchlauf ein externer, kostenpflichtiger ASR-Dienst genutzt wurde, schalte die externe Spracherkennung vor dem erneuten Speichern der Metadaten aus, um unnötige API-Kosten bei Drittanbietern zu vermeiden.

5. Metadaten-Distribution und Player-Kompatibilität

Die von Auphonic generierten Kapitel und Shownotes werden von allen gängigen Podcast-Clients und Publishing-Plattformen nahtlos verarbeitet:

Durch die Verbindung von Akustik-Algorithmen, Spracherkennung und KI-gestützter Inhaltsstrukturierung verwandelt Auphonic die sonst zeitaufwendige Metadatenpflege in einen konsistenten Ein-Klick-Workflow.

Referenzen

• Automatic Speech Recognition, Shownotes and Chapters — Auphonic Help 2026 documentation
• Production — Auphonic Help 2026 documentation
• Auphonic Speech Recognition Engine using Whisper by OpenAI (Beta) | Auphonic