Sprache leicht gemacht

Häufig gestellte Fragen

Mein Smartphone hat eine eingebaute Live-Übersetzung – wozu brauche ich VocalStack?

Ein Smartphone nutzt ein kleines Sprachmodell, das auf das Gerät und in den Akku passen muss. Für kurze, klare Alltagssätze reicht das. Nicht aber für das, was bei echter Sprache tatsächlich schiefgeht: seltene Wörter und Namen, gleich klingende Wörter („Lerche“ und „Lärche“, „Meer“ und „mehr“), Fachbegriffe, Akzente, Menschen, die durcheinanderreden, und Hintergrundgeräusche. Das Modell rät, die Übersetzung baut auf dieser Vermutung auf, und niemand im Raum kann sehen, dass sie falsch war.

VocalStack läuft auf Servern, daher sind die Modelle in voller Größe, und jede Zeile wird nach der Erkennung im Kontext geprüft. Laden Sie vorab ein Skript oder Folien hoch, und die Namen und Begriffe darin haben Vorrang vor Verhörtem. Ist trotzdem etwas falsch, können Sie die Zeile live korrigieren, und jeder Zuhörer sieht die Korrektur.

Ein Smartphone hört außerdem den Raum, nicht den Sprecher, und übersetzt nur für eine Person – fünfzig Smartphones liefern also fünfzig verschiedene Transkripte. VocalStack nimmt das Audio direkt vom Mischpult, Stream oder Mikrofon ab, transkribiert den Sprecher einmal, und alle lesen oder hören dasselbe in ihrer eigenen Sprache. Die Übersetzung wird mit der eigenen Stimme des Sprechers vorgelesen, sodass die Zuhörer die Person auf der Bühne hören und keine generische Roboterstimme.

Zahle ich pro Zuhörer? Wie funktionieren die Preise?

Nein. Zuhörer sind kostenlos, egal wie viele es sind und in welcher Sprache sie lesen oder hören. Sie zahlen für das transkribierte Audio, sekundengenau, mindestens 5 Minuten pro Transkription – und das ist die ganze Rechnung: Übersetzung in bis zu 10 Sprachen, gesprochene Übersetzungen, Übertragung, Zusammenfassungen und Exporte sind inklusive.

Preise und Tarife ansehen

Dateien und Live-Transkriptionen haben unterschiedliche Tarife, die in jedem Tarif gleich sind, und Premium enthält jeden Monat $50 Guthaben. Jeder Tarif bietet dieselben Funktionen, und die API wird zum gleichen Satz abgerechnet wie das Dashboard.

Was brauchen Zuhörer, um mitzulesen?

Einen Link oder QR-Code und ein Smartphone. Es muss nichts installiert und kein Konto erstellt werden. Ein Zuhörer öffnet den Link im Browser, wählt eine Sprache und liest das Transkript mit, während gesprochen wird. Wer lieber zuhört, kann sich jede übersetzte Zeile auch vorlesen lassen. Die Sprache lässt sich jederzeit wechseln; das bisherige Transkript wird dann in der neuen Sprache angezeigt.

Wer später dazukommt, sieht alles, was vorher gesagt wurde, und folgt dann live. Bricht die Verbindung ab, holt die Seite automatisch auf, sobald sie wieder steht.

Muss das Audio von einem Mikrofon kommen?

Nein. Eine Live-Transkription kann ein Mikrofon an jedem Gerät hören, einen RTMP-Feed aus OBS oder einem Broadcast-Encoder, einen YouTube-Livestream, einen Internetradiosender oder jede URL, die einen Stream liefert. Bei einem Stream holt VocalStack das Audio selbst ab: Auf Ihrer Seite läuft nichts.

Ein Übertragungslink kann von mehreren Transkriptionen gespeist werden – so teilen sich auch eine Konferenz mit zwei Bühnen oder ein Sender mit Radiostream und YouTube-Livestream einen einzigen Link.

Kann ich steuern, wer das Transkript sieht?

Ja. Eine Übertragung ist standardmäßig öffentlich: Jeder mit dem Link kann ihr folgen. Machen Sie sie privat und legen Sie ein Passwort fest, dann kommen nur Personen hinein, denen Sie beides geben. Benennen Sie den Link später um, funktioniert der alte weiterhin. Außerdem sehen Sie, wer zuhört, in welcher Sprache und seit wann.

Hört ein Zuhörer den echten Sprecher oder eine synthetische Stimme?

Beides ist möglich. Standardmäßig erhält jeder Sprecher eine eigene Standardstimme passenden Geschlechts, damit eine Podiumsrunde auch wie eine klingt. Mit Zustimmung des Sprechers können Sie seine Stimme aus dreißig Sekunden Audio klonen – die Übersetzung wird dann in jeder Sprache mit seiner eigenen Stimme vorgelesen. Eine geklonte Stimme bedeutet außerdem, dass der Sprecher in künftigen Aufnahmen namentlich erkannt und gekennzeichnet wird. Sie können jedem Sprecher eine Stimme zuweisen oder einen stummschalten.

Was bleibt nach der Veranstaltung erhalten?

Alles. Die Aufnahme, ihr Transkript mit Korrekturen und Übersetzungen sowie das Audio werden in Ihrer Bibliothek gespeichert. Titel und Zusammenfassung werden erstellt, sobald der Text feststeht – in jeder Sprache. Sie können die Aufnahme genau so abspielen, wie sie eingegangen ist, alle Transkripte in Ihrer Sprache durchsuchen und sie als SRT-Untertitel, PDF, Excel oder JSON exportieren.

Kann ich das in mein eigenes Produkt einbauen?

Ja. Alles, was das Dashboard kann, ist über die API verfügbar, zum gleichen Satz: Echtzeit-Transkription über einen WebSocket, Live-Transkriptionen mit Übertragungen, Übersetzung und gesprochene Übersetzungen, Datei- und Link-Jobs sowie ein MCP-Server. Offizielle SDKs für TypeScript und Python sind inklusive. Zuhörer können eine Aufnahme aus Ihrer eigenen App mit einem Freigabecode abonnieren – ganz ohne API-Schlüssel.