Preisleitfaden

Transkriptionspreise auf einen Blick

Transkription gehört ins Budget

Ein Transkript ist das günstigste, was aus einer Aufnahme entsteht, und zugleich das, was in den meisten Budgets fehlt.

Wofür ein Transkript verwendet wird

Ein Transkript macht aus einer Aufnahme etwas, das Sie durchsuchen, zitieren und weiterverwenden können. Marketingteams zerlegen ein einstündiges Webinar in einen Artikel, einen Newsletter und Social-Media-Beiträge für eine ganze Woche. Suchmaschinen indexieren den Text eines Videos, nicht das Video selbst; das Transkript ist also das, worüber die Aufnahme gefunden wird. Schulungs- und Personalabteilungen verwandeln ein Seminar in ein Nachschlagedokument und reichen es an alle weiter, die nicht dabei sein konnten.

Warum es im Budget fehlt

Der Großteil eines Produktionsbudgets fließt in Ausrüstung, Schnitt und Postproduktion; an das Transkript denkt man erst danach. Kostenlose Tools liefern dann einen Entwurf, der eine Stunde manueller Korrektur braucht, und ein professioneller Dienst liefert ein sauberes Transkript, das Tage später eintrifft, zu einem Preis, mit dem niemand gerechnet hat. Wer die Preise vorab kennt, muss diese Entscheidung nicht unter Zeitdruck treffen.

Drei Arten der Abrechnung

Die meisten Dienste rechnen pro Audiominute ab; es gibt auch Preise pro Zeile oder Arbeitsstunde, sie sind aber seltener und schwerer vergleichbar.

Pro Audiominute oder Audiostunde

Das häufigste Modell berechnet die Länge der Aufnahme, nicht die Zeit, die die Transkription dauert. Eine 30-minütige Datei kostet 30 Audiominuten, ganz gleich, ob die Transkriptionskraft dafür zwei Stunden braucht oder vier. Das ist die Einheit, die die Vergleichstabelle oben verwendet und in der Sonix abrechnet; jede Zahl auf dieser Seite bezieht sich deshalb auf eine Audiostunde, sofern nichts anderes angegeben ist.

Pro Zeile oder pro Seite

Bei der ergebnisbasierten Abrechnung zählt die Länge des fertigen Transkripts. Sie ist in der medizinischen Transkription verbreitet, wo ein üblicher Satz bei 7 bis 14 Cent pro Zeile liegt; manche Dienste rechnen stattdessen pro Seite ab. Mit einem Preis pro Audiostunde vergleichbar wird sie erst, wenn Sie wissen, wie viele Zeilen eine Stunde Sprache ergibt, und das hängt vom Sprecher und von der Formatierung ab.

Pro Arbeitsstunde

Eine kleinere Gruppe spezialisierter Transkriptionskräfte berechnet ihre Arbeitszeit, üblicherweise $25 bis $40 pro Stunde, bei Interviews eher $50. Lesen Sie solche Angebote genau: Es sind Preise pro Arbeitsstunde, nicht pro Audiostunde. Eine Stunde Audio von Hand zu transkribieren dauert deutlich länger als eine Stunde, der Preis pro Audiostunde ist also ein Vielfaches der genannten Zahl.

Menschliche Transkription: $100 bis $150 pro Audiostunde

Kalkulieren Sie $100 bis $150 pro Audiostunde für ein sauberes menschliches Transkript mit normaler Lieferzeit; die Untergrenze liegt bei etwa $90, und jeder Zuschlag treibt das Angebot nach oben.

Etwa $1,50 pro Audiominute

In den USA und Kanada beginnt eine muttersprachliche Transkriptionskraft üblicherweise bei etwa $90 pro Audiostunde, also $1,50 pro Audiominute, für klares Audio mit ein oder zwei Sprechern und einer Standardlieferzeit von 24 bis 48 Stunden. Angebote unter $1 pro Audiominute bedeuten meist, dass die Arbeit an Nicht-Muttersprachler oder ein Team im Ausland geht, und das sieht man der Genauigkeit in der Regel an. Sobald die unten beschriebenen Zuschläge hinzukommen, landen die meisten Angebote zwischen $100 und $150 pro Audiostunde, der Spanne, mit der die Vergleichstabelle rechnet.

Was ein Angebot verteuert

Die vier Karten oben decken die wichtigsten Faktoren ab: Schwieriges Audio kostet 25 bis 50 % mehr, drei oder mehr Sprecher etwa $0,25 pro Audiominute, Lieferung am selben Tag kann den Preis verdoppeln, und Zeitstempel, Untertitel und Übersetzungen werden jeweils als Zusatzleistung berechnet. Ein weiterer Faktor passt auf keine Karte: der Standort. Transkriptionskräfte in Nordamerika verlangen mehr als Teams in Ländern, in denen Englisch nicht die Erstsprache ist, denn Muttersprachler erfassen Redewendungen, Akzente und halb beendete Sätze, an denen alle anderen scheitern.

Warum es eine Spanne ist und keine Zahl

Die Zuschläge addieren sich. Zwei gleich lange Aufnahmen können sich im Preis um 50 % oder mehr unterscheiden, wenn die eine ein sauberes Studiointerview ist und die andere ein Gespräch zu viert über eine schlechte Leitung mit Abgabe morgen. Deshalb zeigen die Rechenbeispiele unten für die menschliche Seite eine Spanne und für Sonix eine einzige Zahl.

Sonix: $10 pro Audiostunde, bei jeder Datei

Sonix berechnet $10 pro Audiostunde, sekundengenau abgerechnet, und der Preis bleibt bei verrauschtem Audio, zusätzlichen Sprechern, Eilaufträgen oder Zusatzleistungen gleich.

Ein Preis, sekundengenau abgerechnet

Pay-as-you-go funktioniert wie die Abrechnung pro Audiostunde bei einer Transkriptionskraft, nur ohne die Zuschlagstabelle. Eine 52-minütige Datei wird als 52 Minuten berechnet ($8,67), ein 6-minütiger Clip kostet $1, und es gibt weder einen Mindestbetrag noch einen Eiltarif. Der Preis ist derselbe für einen Podcast mit einer Stimme und eine Telefonkonferenz mit sechs.

Was in den $10 enthalten ist

Alles, was die Vergleichstabelle in der Sonix-Spalte als inklusive aufführt, kommt mit dem Transkript: Sprecherkennzeichnung, Zeitstempel auf Wortebene, Untertitel als SRT und VTT, der Browser-Editor, Ordner und Freigaben sowie Sicherheit nach SOC 2 Type 2. Die Übersetzung in 54+ Sprachen läuft über dieselben Stunden statt über eine separate Gebühr; ein 30-minütiges Transkript zu übersetzen verbraucht also weitere 30 Minuten Ihres Guthabens.

Genauigkeit und Bearbeitungszeit

Die Genauigkeit liegt in der Spanne von 85 bis 98 %. Klares Audio mit ein oder zwei Sprechern landet am oberen Ende; Durcheinanderreden, Hintergrundgeräusche und starke Akzente eher am unteren, und die Lücke schließen Sie im Editor: Klicken Sie auf ein Wort, um an diese Stelle der Aufnahme zu springen, korrigieren Sie es und machen Sie weiter. Die Bearbeitungszeit beträgt etwa 3 Minuten für eine 30-minütige Datei, und das Transkript öffnet sich im Editor, sobald es fertig ist.

Zwei Rechenbeispiele

Ein 30-minütiges Interview kostet bei einem menschlichen Dienst $45 bis $75 und bei Sonix $5; ein Paket von 10 Stunden kostet $1.000 bis $1.500 gegenüber $100.

Ein 30-minütiges Interview, zwei Sprecher, klares Audio

• Menschlicher Dienst zum Grundpreis von $1,50: 30 x $1,50 = $45.
• Menschlicher Dienst zu den üblichen $100 bis $150 pro Stunde: $50 bis $75, zurück in 24 bis 48 Stunden.
• Sonix Pay-as-you-go: 0,5 x $10 = $5, sekundengenau abgerechnet, zurück in etwa 3 Minuten.
• Sonix mit Core: innerhalb der 5 enthaltenen Stunden, also $2,50 der $25 im Monat und nichts extra.
• Sonix mit einem neuen Konto: $0, denn die 30 kostenlosen Minuten decken es ab.
• Eine spanische Übersetzung bei Pay-as-you-go dazu: weitere 30 Minuten vom Guthaben, also $5 mehr.

Gegenüber dem menschlichen Angebot von $45 bis $75 sind die $5 bei Pay-as-you-go eine Ersparnis von 89 bis 93 %, und daher kommen die 90 % auf dieser Seite.

10 Stunden verrauschte Meetings

• Menschlicher Grundpreis: 600 Minuten x $1,50 = $900.
• Sprecherzuschlag: 600 x $0,25 = $150, also $1.050.
• Zuschlag für schwieriges Audio: 25 bis 50 % des Grundpreises, also $1.275 bis $1.500, was den $100 bis $150 pro Stunde aus der Tabelle entspricht.
• Lieferung am selben Tag: bis zum Doppelten, also $2.550 bis $3.000.
• Sonix Pay-as-you-go: 10 x $10 = $100, jede Datei in etwa 3 Minuten zurück.
• Sonix mit Core: $25 plus 5 zusätzliche Stunden zu je $10, also $75.
• Sonix mit Advanced: $50, und 10 der 20 enthaltenen Stunden bleiben ungenutzt. Pro würde $80 für den Monat kosten.

Gegenüber dem Standardangebot von $1.050 spart Pay-as-you-go etwa 90 % und Advanced 95 %.

Das Muster

Das menschliche Angebot verändert sich mit jeder Eigenschaft der Datei: Länge, Sprecher, Audioqualität, Frist und Zusatzleistungen. Der Sonix-Preis verändert sich nur mit der Länge. Wenn Ihre Dateien unterschiedlich sind, ist das der Unterschied zwischen einem Angebot, das Sie anfragen müssen, und einer Zahl, die Sie selbst ausrechnen können. Der Kostenrechner übernimmt die Rechnung für Ihre eigenen Stunden, Teamplätze und KI-Analysezeit.

Kostenrechner öffnen

Ab 2,5 Stunden gewinnt das Abo

Core deckt für $25 im Monat 5 Stunden ab und unterbietet Pay-as-you-go damit ab 2,5 Stunden; Advanced und Pro senken den effektiven Preis auf $2,50 und $2,00 pro Audiostunde.

Effektive Kosten pro Stunde je Tarif

• Pay-as-you-go: $10 pro Stunde, ohne Bindung.
• Core: $25 im Monat für 5 Stunden, also $5,00 pro Stunde.
• Advanced: $50 im Monat für 20 Stunden, also $2,50 pro Stunde.
• Pro: $80 im Monat für 40 Stunden, also $2,00 pro Stunde.
• In jedem Tarif kosten zusätzliche Stunden je $10 und zusätzliche Teamplätze $25 im Monat.

Jeder Tarif enthält außerdem KI-Analysestunden für Zusammenfassungen und Antworten: 5 bei Core, 25 bei Advanced und 100 bei Pro.

Wo welcher Tarif gewinnt

Ermitteln Sie Ihre monatlichen Stunden und gehen Sie die Stufen durch. Unter 2,5 Stunden ist Pay-as-you-go am günstigsten. Von 2,5 bis 7,5 Stunden gewinnt Core. Von 7,5 bis 23 Stunden gewinnt Advanced. Ab 23 Stunden gewinnt Pro, und ab etwa 80 Stunden im Monat lohnt sich ein Gespräch über einen Enterprise-Vertrag. Die Übergänge sind einfache Arithmetik: Ein Tarif gewinnt in dem Moment, in dem sein Monatspreis unter den Pay-as-you-go-Kosten der Stunden liegt, die Sie tatsächlich nutzen.

Jährliche Zahlung: 1 Monat gratis

Bei jährlicher Zahlung kosten 12 Monate so viel wie 11, Core also $275 im Jahr, Advanced $550 und Pro $880, und die Stunden gelten für das ganze Jahr (60, 240 und 480), statt jeden Monat zurückgesetzt zu werden. Das passt zu saisonalen Arbeitslasten, einem Semester Vorlesungen oder einem Quartal Interviews, und senkt den effektiven Preis auf etwa $4,58, $2,29 und $1,83 pro Stunde.

Drei Aufgaben, für die sich menschliche Transkription lohnt

Zahlen Sie den Preis für menschliche Transkription, wenn das Transkript beglaubigt sein muss, wenn es das offizielle Protokoll eines Verfahrens ist oder wenn das Audio so gestört oder mehrsprachig ist, dass jemand es wiederholt abhören muss.

Beglaubigte Transkripte

Gerichte und manche Aufsichtsbehörden verlangen ein beglaubigtes Transkript, unterzeichnet von einer akkreditierten Transkriptionskraft oder einem Gerichtsstenografen, und ein KI-Transkript erfüllt diese Anforderung nicht, so genau es auch ist. Viele Gerichtsstenografen beginnen heute mit einem KI-Entwurf und beglaubigen das korrigierte Ergebnis; so zahlen Sie den menschlichen Preis nur für den Teil, der einen Menschen braucht.

Störgeräusche oder Sprachwechsel

Eine Aufnahme mit starken Störgeräuschen, mehreren durcheinander redenden Personen oder einem Gespräch, das mitten im Satz die Sprache wechselt, liegt am unteren Ende der Genauigkeitsspanne, und ein Mensch, der ein zwei Sekunden langes Fragment zehnmal abspielen kann, holt die letzten Prozent immer noch besser heraus. Rechnen Sie dafür mit dem Zuschlag von 25 bis 50 % für schwieriges Audio, und rechnen Sie damit, dass er sich lohnt, wenn die Aufnahme wichtig ist.

Der Hybrid-Workflow der meisten Teams

Die meisten Teams entscheiden sich nicht für das eine oder das andere. Sie lassen alles durch Sonix laufen, schicken nur die Aufnahmen, die eine Beglaubigung brauchen, an einen menschlichen Dienst und behalten die Ersparnis von 90 % auf den Großteil ihrer Stunden. Das KI-Transkript macht auch die menschliche Arbeit günstiger, denn eine Transkriptionskraft, die einen Entwurf korrigiert, arbeitet meist schneller als eine, die bei null anfängt.

Fünf Wege, weniger zu zahlen

Sauberes Audio, ein Mikrofon pro Sprecher, ein passender Tarifmonat, Korrigieren statt Eilzuschlag und die 30 kostenlosen Testminuten senken die Rechnung, nicht den Preis.

Sauberes Audio aufnehmen

Ein ruhiger Raum, ein Mikrofon nah am Sprecher und eine Testaufnahme vor der eigentlichen vermeiden den Zuschlag von 25 bis 50 %, den ein menschlicher Dienst für schwieriges Audio verlangt, und bringen Ihre Datei bei Sonix ans obere Ende der Genauigkeitsspanne, was hinterher weniger Nacharbeit bedeutet.

Jedem Sprecher ein Mikrofon geben

Wenn Sie jeden Sprecher auf einer eigenen Spur aufnehmen können, laden Sie die Spuren zusammen als Multitrack-Datei hoch, und Sonix führt sie zu einem Transkript zusammen, in dem die Sprecher bereits gekennzeichnet sind. Auf der menschlichen Seite vermeiden klar getrennte Stimmen den Sprecherzuschlag und die Rückfragen per E-Mail, die eine volle Aufnahme mit sich bringt.

Aufnahmen in einem Tarifmonat bündeln

Wenn Sie ungefähr wissen, wie viele Stunden Sie aufnehmen, wählen Sie den Tarif aus der Übersicht oben und lassen Sie die Aufnahmen einfach einlaufen: Verbinden Sie Zoom oder Google Drive, und jede neue Aufnahme wird automatisch transkribiert, ohne dass jemand daran denken muss, sie hochzuladen.

Nachbessern statt Eilzuschlag

Lieferung am selben Tag kann bei einem menschlichen Dienst den Preis verdoppeln. Das Sonix-Transkript ist in Minuten zurück, sodass die Zeit, die Sie sonst bezahlt hätten, in eine kurze Korrektur fließt: Klicken Sie auf ein Wort, um an diese Stelle der Aufnahme zu springen, korrigieren Sie es direkt und streichen Sie durch, was Sie nicht brauchen.

Die kostenlosen Minuten an einer echten Datei testen

Jedes neue Konto startet mit 30 kostenlosen Minuten und ohne Kreditkarte, sodass das 30-minütige Interview aus dem Rechenbeispiel in einem kostenlosen Test nichts kostet. Laden Sie Ihre schwierigste Datei hoch, nicht die einfachste, und Sie wissen, wo Ihre Aufnahmen in der Genauigkeitsspanne liegen, bevor Sie etwas ausgeben.