Seit iOS 18, erschienen im September 2024, kann Apples App „Sprachmemos“ eine Aufnahme direkt auf dem Gerät transkribieren, ganz ohne Werkzeug von Drittanbietern. Den einfachen Fall deckt das gut ab. Nicht abgedeckt ist der Fall, den die meisten ein paar Monate später tatsächlich brauchen — die eine Aufnahme unter zweihundert zu finden, in der etwas Bestimmtes gesagt wurde. Dieser Leitfaden beschreibt deshalb zuerst den eingebauten Weg und danach, was er ungelöst lässt.
Weg 1: Transkription innerhalb von Sprachmemos
Öffne Sprachmemos, wähle eine Aufnahme und suche im Wiedergabebereich das Bedienelement für das Transkript. In unterstützten Versionen erscheint der Text neben dem Audio, scrollt mit der Wiedergabe mit und lässt sich wie jeder andere Text markieren und kopieren. Die Verarbeitung läuft auf dem Gerät, es wird nichts hochgeladen.
Zwei Einschränkungen, bevor du dich darauf verlässt. Apple hat diese Bedienelemente zwischen Versionen verschoben, die genaue Tippfolge auf deinem Telefon kann also von jedem Screenshot abweichen, den du online findest — halte nach dem Transkript- oder Anführungszeichen-Symbol in der Nähe der Wellenform Ausschau. Und die Verfügbarkeit hängt sowohl von der iOS-Version als auch von der Sprache der Aufnahme ab; für Englisch ist die Unterstützung deutlich breiter als für die meisten anderen Sprachen.
Weg 2: diktieren statt aufnehmen
Wenn du Text willst und das Audio dir gleichgültig ist, überspring die Aufnahme ganz. Tipp in einem beliebigen Textfeld auf die Mikrofontaste der iOS-Tastatur und sprich; der Text landet direkt dort, und du kannst falsche Wörter korrigieren, solange du dich noch erinnerst, was du meintest.
Der Preis dafür ist das Original. Für eine Einkaufsliste ist das in Ordnung. Sobald Tonfall, ein Zögern oder ein unsicher ausgesprochener Name zählen, ist die Aufnahme der Beleg und das Transkript nur eine Deutung davon — und wenn das Diktat einen Namen einmal falsch geraten hat, bleibt nichts, woran man ihn prüfen könnte.
Weg 3: in eine App aufnehmen, die beides behält
Der dritte Weg ist, in eine App aufzunehmen, die Audio und Transkript zusammen speichert und den Text über alle je gemachten Aufnahmen hinweg indexiert. Nur dieser der drei Wege beantwortet eine Frage, die Monate später gestellt wird.
Konkret heißt das: Eine Memo vom März über ein Lieferantenproblem ist im August über eine Beschreibung erreichbar, die du dir im Moment des Suchens ausdenkst — und nicht über einen Dateinamen, den du im März vergeben hast, oder über die Erinnerung an die genauen Wörter, die du gesprochen hast.
Warum das eingebaute Transkript kein Archiv ist
Sprachmemos organisiert nach Aufnahme. Das Transkript gehört zu seiner Datei, die Datei hat einen Namen und ein Datum, und alles, was du damit tun kannst, passiert innerhalb dieses einen Objekts. Für einen Rekorder ist das ein guter Entwurf, für ein Gedächtnis ein schlechter.
- Die Suche greift auf Wörter zu, die du tatsächlich gesprochen hast — ein halb erinnertes Thema findet also nichts.
- Aufnahmen liegen getrennt von getippten Notizen und Fotos und verteilen das Denken einer Woche auf drei Apps.
- Nichts extrahiert die laut gegebene Zusage, also bleibt ‚ich schicke es Donnerstag‘ in einer Audiodatei eingeschlossen.
- Nichts verbindet eine Memo mit der Notiz, die du zwei Tage vorher getippt hast, weil die App nichts von deren Existenz weiß.
Ein besseres Transkript bekommen, welchen Weg auch immer
Der größte Gewinn liegt im Moment der Aufnahme, nicht danach. Halte das Telefon in Armlänge, vermeide Taschen und Rucksäcke und nimm dir drei Sekunden, um dich von der lautesten Sache im Raum zu entfernen. Nichts danach repariert Audio, das das Mikrofon nicht sauber eingefangen hat.
Hilf danach der Erkennung dort, wo sie am schwächsten ist. Sprich Eigennamen langsam und buchstabiere ungewöhnliche Nachnamen laut; sag Zahlen vollständig. Schließ mit einem Satz Kontext ab — wer, was und warum das wichtig ist —, denn genau dieser Satz macht die Memo auffindbar, wenn du jedes andere Wort darin vergessen hast.
Ehrliche Grenzen
Transkription auf dem Gerät ist bequem und unvollkommen. Rechne mit Fehlern bei Namen, Fachbegriffen und jedem Satz, der zwei Sprachen mischt, und damit, dass die Qualität in deiner Sprache davon abhängt, wie gut diese Sprache im Modell vertreten ist. Zahlen und Daten werden nach Konvention formatiert; prüfe also jede Angabe, die Folgen hat.
Nichts hier ist Apple-Auskunft von Apple: iOS-Funktionen wandern zwischen Versionen, und die verlässliche Anweisung lautet, wonach man suchen soll, nicht welchen Pixel man antippt. Android-Nutzer haben gleichwertige eingebaute Optionen — Recorder auf Pixel-Geräten, Samsungs Diktiergerät auf Galaxy-Telefonen — mit derselben grundlegenden Grenze: Ein Transkript pro Aufnahme ergibt keinen durchsuchbaren Verlauf.
Nimm Sprachmemos, wenn du den Text einer einzelnen Aufnahme willst, und das Diktat, wenn du das Audio nie brauchen wirst. Geht es darum, in Monaten etwas wiederzufinden, nimm in ein Archiv auf, das Audio und Transkript zusammenhält und alle Memos auf einmal durchsucht.