Eine Sprachaufnahme bereinigen
Eine Aufnahme aus einem lauten Raum ist anstrengend anzuhören und schwer zu transkribieren. Leg sie hier ab, und ein Modell zur Sprachverbesserung entfernt den Hintergrund und behält die Stimme — auf deinem eigenen Gerät, sodass ein Interview oder eine vertrauliche Besprechung es nie verlässt.
- Läuft vollständig in deinem Browser
- Funktioniert offline
- Kein Upload
- Keine Anmeldung
- Kein Wasserzeichen
Werkzeug wird geladen…
So funktioniert es
- Lege eine Audio- oder Videodatei ab: ein Sprachmemo, ein Interview, eine Besprechung oder eine Vorlesung.
- Wähle die Stärke und klicke auf „Aufnahme bereinigen“. Beim ersten Mal werden das Modell (8,6 MB) und die Engine, die es ausführt, heruntergeladen und im Browser gespeichert.
- Vergleiche Original und bereinigte Fassung, passe die Stärke bei Bedarf an (das Ergebnis aktualisiert sich sofort) und lade WAV oder MP3 herunter.
Warum nichts hochgeladen wird
Alles, was auf dieser Seite passiert, erledigt Code, der im Tab deines Browsers läuft — mit derselben Engine, die auch Webseiten darstellt. Die Datei wird von der Festplatte in den Speicher des Tabs gelesen, dort umgewandelt und als Download wieder herausgeschrieben. Sie wird nirgendwohin geschickt — weder zu uns noch zu Dritten.
Prüf es selbst nach
- Öffne die Entwicklerwerkzeuge deines Browsers (F12) und wähle den Tab „Netzwerk“.
- Lade deine Datei und starte das Werkzeug.
- Die einzigen Anfragen, die du siehst, holen den Code des Werkzeugs selbst — und bei ein paar schweren Werkzeugen deren Open-Source-Engine (ebenfalls von dieser Website) oder ein KI-Modell von Hugging Face — dazu ein kleines Seitenaufruf-Signal an loreatec.jp (Adresse und Titel der Seite, mehr nicht). Keine davon trägt deine Datei.
Häufige Fragen
Welche Geräusche entfernt es — und was kann es nicht?
Es ist darauf trainiert, Sprache zu behalten und alles andere zu entfernen: gleichmäßige Geräusche wie Brummen, Rauschen, Lüfter, Klimaanlage und Straßenlärm ebenso wie wechselnde wie Tastaturen, Klappern und Stimmengewirr im Café. Was es nicht kann: eine Stimme von mehreren gleichzeitig sprechenden Personen trennen (es behält alle Sprache), Musik unter einer Stimme entfernen oder starken Hall in einem großen, leeren Raum beseitigen. Ebenso wenig repariert es Verzerrung durch zu lautes Aufnehmen (Clipping) oder lässt eine entfernte Stimme nah klingen — das sind andere Probleme.
Welche Stärke soll ich nehmen?
Die Stärke ist das Höchstmaß an Rauschen, das das Werkzeug entfernen darf. Der Standardwert, 24 dB, entfernt das meiste und lässt eine leichte Spur des Raums übrig, was natürlich klingt. Niedrigere Werte behalten mehr Raumklang und gehen schonender mit der Stimme um; „Maximum“ entfernt so viel Rauschen wie möglich, wodurch Pausen unnatürlich still wirken können. Du kannst sie nach der Bereinigung ändern, und das Ergebnis aktualisiert sich sofort, ohne neue Verarbeitung.
Wird meine Aufnahme irgendwohin hochgeladen?
Nein. Das Audio wird in diesem Tab gelesen und bereinigt. Heruntergeladen werden nur das Modell selbst — DeepFilterNet 3 von Hendrik Schröter und Mitwirkenden, 8,6 MB, MIT-Lizenz, von Hugging Face — und die Engine, die es ausführt (27 MB, von dieser Website). Beides bleibt im Browser gespeichert, sodass das Werkzeug ab dem zweiten Mal auch offline funktioniert.
Kann ich ein Video oder eine Stereodatei verwenden?
Ja. Lege eine MP4-, MOV- oder WebM-Datei ab, und ihre Tonspur wird bereinigt. Die meisten Audioformate öffnen sich direkt; seltene wie WMA oder die AMR-Dateien alter Handys öffnet eine Audio-Engine, die beim ersten Mal heruntergeladen wird (etwa 32 MB). Stereo- und Mehrkanaldateien werden vorher zu einem Kanal gemischt, das Ergebnis ist also mono — genau das, was Sprache braucht. Um den bereinigten Ton wieder ins Video zu bringen, nutze „Die Tonspur eines Videos ändern“ in diesem Bereich.
Wie lang darf die Aufnahme sein, und wie lange dauert es?
Das Audio wird in Blöcken von 10 Sekunden bereinigt, und das Gedächtnis des Modells wird von Block zu Block weitergegeben — eine lange Aufnahme kommt also genau so heraus, als wäre sie in einem Stück verarbeitet worden. Auf einem aktuellen Laptop dauert es etwa ein Zehntel der Aufnahmedauer, also rund eine Minute für ein zehnminütiges Interview. Die eigentliche Grenze ist der Arbeitsspeicher: Die ganze Aufnahme muss in den Tab passen (etwa 400 MB pro zehn Minuten). Teile daher alles, was länger als etwa eine Stunde ist, vorher auf.
Warum klingt die bereinigte Stimme etwas anders?
Das Modell baut den Klang aus dem auf, was es für Sprache hält. Deshalb nimmt es auch etwas Raumhall und Atemgeräusche weg, und der Pegel kann etwas niedriger ausfallen. Bei einer Aufnahme ohne Rauschen ändert sich wenig. Hör dir beide Fassungen an, bevor du das Ergebnis verwendest — besonders bei starkem Rauschen, wo jede Rauschunterdrückung die Stimme dünn oder „wässrig“ klingen lassen kann.