Dein Interview transkribieren – mit Sprecherzuordnung

Bis zu 95 MB sendest du die Datei mit einem einzigen multipart-Request. Für größere Aufnahmen nutzt du einen Upload in Teilen mit denselben Transkriptionsoptionen. Die Upload-Doku erklärt den Ablauf.

Gib der Aufnahme vor dem Upload eine Sitzungskennung und notiere die Beteiligten. Höre kurz den Anfang und eine Stelle in der Mitte an: Ist es die richtige Datei und die richtige Tonspur? Behalte das Original separat, damit du während der Auswertung darauf zurückgreifen kannst.

Aktiviere im Dashboard „Identify speakers“. Über die API setzt du diarize=true wie im Beispiel. Mit language=auto wird die Sprache erkannt; eine bekannte Sprache kannst du als Hinweis angeben. Die Bezeichnungen Speaker 1 und Speaker 2 gelten nur innerhalb dieser Aufnahme. Sie identifizieren dieselben Personen nicht automatisch in anderen Interviews.

Im Textformat beginnt jede Zeile mit einem Zeitstempel und der Sprecherbezeichnung. So kannst du das Transkript in dein Auswertungstool oder Arbeitsdokument übernehmen.

Höre die Stimmen an und ordne Speaker 1, Speaker 2 usw. deinen Teilnehmerkennungen zu. Halte diese Zuordnung beim Transkript fest. Prüfe besonders Stellen, an denen jemand weit vom Mikrofon entfernt spricht oder mehrere Personen einander ins Wort fallen. Die automatisch erkannten Sprecherwechsel können falsch sein.

Nimm die Zeitstempel mit ins Auswertungsdokument. Mit Sitzungskennung und Zeit bleibt auch ein einzeln codierter Ausschnitt nachprüfbar. Ohne diese Angaben lässt sich ein Zitat später nur schwer zuordnen. Die Zeilen im Beispiel sind erfunden und stammen nicht von echten Teilnehmenden.

Für die Weiterverarbeitung in eigenen Tools rufst du das Transkript als JSON ab. Es enthält die Sprecherliste sowie Sprecher, Sprache und Anfangs- und Endzeit jedes Segments. Die Felder beschreibt die API-Doku zum Transkriptionsobjekt.

Speichere deine Codes und Anmerkungen getrennt vom Wortlaut. Verknüpfe sie mit der Quell-ID und dem jeweiligen Zeitraum. So kannst du eine Codierung ändern, ohne die Aussage zu überschreiben. Derselbe Ausschnitt kann zu mehreren Themen passen.

Ein Segment ist eine Einheit der Transkription, nicht automatisch eine Sinneinheit deiner Studie. Eine Antwort kann sich über mehrere Segmente erstrecken; in einem Segment können mehrere Gedanken stecken. Lies um die Fundstelle herum und behalte die Frage des Interviewers bei, wenn sie für die Interpretation wichtig ist.

Lege vor der Durchsicht fest, wie du mit Wiederholungen, Satzabbrüchen, unverständlichen Wörtern und nonverbalen Beobachtungen umgehst. Wende dieselben Regeln auf alle Interviews an. Dokumentiere Änderungen, die die Lesart eines Zitats beeinflussen könnten.

Das maschinelle Transkript ist ein Entwurf zur Prüfung. Fachbegriffe, Dialekt oder leise Äußerungen können falsch erkannt werden. transcript1 liefert keine vollständige wissenschaftliche Notation für Pausen, Lachen oder Gesten. Wenn deine Methode solche Beobachtungen braucht, ergänze sie anhand der Aufnahme und trenne sie vom erkannten Wortlaut.

Behalte den ursprünglichen Export und eine geprüfte Arbeitsfassung. So bleiben Korrekturen nachvollziehbar und niemand verwechselt die geglättete Lesefassung mit der ursprünglichen Transkription. Prüfe Zitate vor der Veröffentlichung am Audio – einschließlich Sprecher und Gesprächskontext.

Hochgeladene Medien werden 24 Stunden nach dem Status completed, failed oder canceled gelöscht. Das Transkript bleibt bestehen, bis du es selbst löschst. Sichere deine Originalaufnahme daher separat, wenn du sie später noch einmal prüfen musst. Für heruntergeladene Kopien gelten die Zugriffs- und Aufbewahrungsregeln deiner Studie.

Erstelle pro Aufnahme einen Job und verbinde dessen ID mit deiner Sitzungskennung. Bei mehreren Interviews kannst du die Abschlüsse per Webhook sammeln. Ein fehlgeschlagenes Interview darf dabei nicht als leeres, erfolgreich transkribiertes Gespräch gelten. Beachte die Kontolimits: Uploads in Teilen gehen bis 2 GB, KI-Transkriptionen bis 5 Stunden pro Aufnahme.