Hier ist die Antwort, nach Situation.
Hat das Video Untertitel: Nutze die Untertitel-Übersetzungsfunktion der Plattform. Veröffentlichten Text zu lesen schlägt jede Rekonstruktion aus dem Ton.
Hast du die Datei: Transkribiere sie, dann übersetze das Transkript. Genauer, schneller als Echtzeit, und du bekommst editierbaren Text.
Läuft es in einer anderen App: der Mikrofon-Weg — eine App wie OmniTalk hört den Lautsprecher deines Handys ab. Nimm die Kopfhörer raus; die Schleife ist akustisch.
Ist es ein Telefon- oder FaceTime-Anruf auf aktueller Hardware: Apples Live-Übersetzung, ganz ohne App.
Sind die Untertitel ins Bild eingebrannt: Pausieren und das Standbild mit der Kamera übersetzen.
„Übersetz dieses Video" klingt nach einer Aufgabe. Es sind drei — und die falsche zu wählen ist der Grund, warum Leute glauben, dass nichts funktioniert. Die entscheidende Frage ist nicht, in welcher Sprache das Audio ist. Sondern wo das Audio lebt.
| Was du hast | Das eigentliche Problem | Was es löst |
|---|---|---|
| Eine Datei auf Handy oder Computer | Eine feste Aufnahme dekodieren und transkribieren | Ein Transkriptionsdienst oder eine App mit Datei-Import |
| Etwas, das in einer anderen App läuft | An Audio kommen, das das System nicht herausgibt | Das Mikrofon — oder die Untertitel der Plattform selbst |
| Ein Live-Anruf oder ein Stream | Alles davon, in Echtzeit, ohne zweiten Versuch | Live-Übersetzung, im Anruf oder übers Mikrofon |
Die Einschränkung, die alles erklärt
iOS bietet keinen allgemeinen Weg, mit dem eine App die Audioausgabe einer anderen App lesen kann. Es gibt keinen System-Audio-Abgriff, kein Loopback-Gerät, nichts, das eine App anfordern könnte. Apples Bildschirmübertragung kann einer Broadcast-Extension den System-Audiostream übergeben — aber dafür muss der Nutzer eine Bildschirmübertragung im Kontrollzentrum starten, und sie existiert zum Streamen des Bildschirms, nicht zum Mitlesen anderer Apps.
Wenn eine App also behauptet, ein Video aus einer anderen App zu übersetzen, tut sie eines von zwei Dingen: Sie liest Untertitel, die die Plattform ohnehin veröffentlicht, oder sie hört über das Mikrofon den Lautsprecher deines eigenen Handys ab.
Den Mikrofon-Weg nutzen die meisten Apps, unsere eingeschlossen. Es ist eine echte akustische Schleife: Das Handy spielt das Audio laut ab, und das Handy hört es wieder.
Echounterdrückung ist die versteckte Einstellung. Jede Sprach-App läuft normalerweise mit akustischer Echounterdrückung, deren einziger Job es ist, die eigene Lautsprecherausgabe des Handys aus dem Mikrofonsignal zu entfernen, damit du dich in einem Anruf nicht selbst hörst. Für dieses Feature ist genau dieser Filter falsch, denn die Lautsprecherausgabe ist das, was du einfangen willst. Eine App, die das richtig macht, schaltet ihn ab.
Was dich das kostet. Raumlärm, Hall und Lautsprecherqualität landen alle im Transkript. Ein ruhiger Raum und moderate Lautstärke schlagen einen lauten Raum, weil Handy-Lautsprecher nahe am Maximum verzerren. Dieser Weg wird nie mit dem direkten Transkribieren der Datei mithalten.
Die drei Wege sind nicht austauschbar, und die Unterschiede sind groß genug, um die Frage für dich zu entscheiden:
| Weg | Sprachabdeckung | Typische Verzögerung | Was die Genauigkeit begrenzt |
|---|---|---|---|
| Untertitelspur der Plattform, übersetzt | 100+ auf den großen Plattformen | Keine, es ist schon Text | Alles, was die Untertitel der Plattform selbst falsch hatten |
| Datei-Transkription | Je nach Dienst | Schneller als Echtzeit | Die Qualität der Originalaufnahme |
| Lautsprecher zu Mikrofon, live | 60+ in OmniTalk, 9 in Apples Live-Übersetzung | 1 bis 3 Sekunden | Raumlärm, Lautsprecher-Verzerrung, überlappende Stimmen |
Quellen: OmniTalk-Features und Apples Seite zur iOS-Funktionsverfügbarkeit, abgerufen am 12. August 2026. Die Verzögerungswerte sind strukturell, nicht gemessen: Audio muss gesprochen sein, bevor es gehört werden kann.
Problem 1: eine Datei, die du schon hast
Wenn das Audio eine Datei ist, die du bewegen kannst, nimm nicht den Mikrofon-Weg. Das Original zu transkribieren ist genauer, schneller als Echtzeit und liefert eine Textdatei, die du bearbeiten kannst.
Die praktische Reihenfolge:
- Prüf zuerst auf vorhandene Untertitel. YouTube-Auto-Untertitel und die meisten Streaming-Plattformen veröffentlichen eine Untertitelspur, die du direkt übersetzen kannst. Veröffentlichten Text zu lesen schlägt jede Rekonstruktion aus dem Ton.
- Ist es deine eigene Aufnahme, erledigen Transkriptionstools eine Datei in einem Bruchteil ihrer Länge: Ein 10-Minuten-Interview ist meist in unter 1 Minute fertig, und die meisten Dienste übersetzen das Transkript als zweiten Schritt.
- Ist es eine Sprachnachricht, transkribieren manche Messenger inzwischen in der App. Prüf das, bevor du zu etwas anderem greifst. WhatsApp-Sprachnachrichten sind ein eigener Fall — wir haben sie separat behandelt.
Der Fehlerfall hier ist die Qualität des Ausgangsmaterials, nicht das Werkzeug. Zwei Leute, die durcheinanderreden, sind für jedes System schwer, und keine App rettet eine Aufnahme, bei der das Mikrofon in jemandes Hosentasche steckte.
Problem 2: etwas, das in einer anderen App läuft
Für diesen Fall existiert der Mikrofon-Weg, und es ist der häufige: ein Video in einer Social-App, ein Podcast, eine Sprachnachricht, ein Nachrichtenclip.
So bekommst du ein gutes Ergebnis:
- Nimm die Kopfhörer raus: Die Schleife ist akustisch und kann sonst nicht funktionieren.
- Nutze moderate Lautstärke, nicht Maximum: Lautsprecher-Verzerrung kostet mehr Genauigkeit, als die paar zusätzlichen Dezibel bringen.
- Leg das Handy auf eine harte Fläche statt auf eine weiche, oder halte es. Kissen schlucken die Reflexion.
- Rechne mit 1 bis 3 Sekunden Verzögerung: Das Audio muss gesprochen sein, bevor es gehört werden kann — die Untertitel laufen dem Bild hinterher. Das ist inhärent, kein Bug.
- Spiel alles Wichtige noch einmal ab. Ein zweiter Durchgang über dieselben 30 Sekunden kostet nur Zeit und fängt das meiste ein, was ein einzelner Durchlauf verliert.
Was es nicht kann: zwei überlappende Sprecher zuverlässig trennen, Musik mit Gesang verarbeiten oder Wörter retten, die jemand genuschelt hat. Was das Mikrofon wirklich nicht hören kann, ist weg.
Problem 3: ein Live-Anruf
Anrufe sind ein eigener Fall, weil beide Personen ohnehin am Telefon sind und das Audio in beide Richtungen läuft.
Apples Live-Übersetzung läuft bei Telefon- und FaceTime-Anrufen auf geeigneter Hardware — eine wirklich andere Situation als der persönliche Einsatz, und sie trägt nicht die Einbahn-Einschränkung der Präsenz-Version. Die Anforderungen und Sprachen haben wir im Artikel zur Live-Übersetzung aufgeschrieben.
Für alles außerhalb von Telefon und FaceTime bist du zurück beim Mikrofon-Weg — mit dem zusätzlichen Problem, dass ein ans Ohr gehaltener Anruf für das Mikrofon nicht hörbar ist. Der Lautsprecher ist der einzige praktikable Weg, und es sei offen gesagt: Die andere Person merkt das.
Untertitel sind noch einmal ein eigenes Problem
Hat das Video eingebrannte Untertitel statt einer Untertitelspur, ist der Text Teil des Bildes. Ihn zu lesen ist optische Zeichenerkennung, nicht Spracherkennung, und sie scheitert an 3 Stellen, an denen Spracherkennung nie scheitert: stilisierte Schriften, Text über unruhigem Hintergrund und Untertitel, die weniger als 1 Sekunde stehen bleiben.
Der praktische Zug ist: auf dem Bild pausieren und eine Kamera- oder Screenshot-Übersetzung nutzen, statt bewegten Text lesen zu wollen. Die Genauigkeit auf einem Standbild ist weit besser als auf einem bewegten.
Wo OmniTalk verliert
Wir können keine Datei importieren. „Video oder Audio übersetzen" hört live zu. Wenn eine Audiodatei auf deinem Handy liegt und du Zeit hast, liefert ein Transkriptionsdienst ein besseres und besser editierbares Ergebnis — und das sagen wir dir lieber, als dich mit dem Mikrofon-Weg kämpfen zu lassen.
Wir können veröffentlichte Untertitel nicht schlagen. Wenn eine Plattform bereits eine Untertitelspur veröffentlicht, ist die Übersetzung dieses Texts genauer als alles, was aus Ton abgeleitet wird. Prüf auf Untertitel, bevor du irgendeine App öffnest — unsere eingeschlossen.
Die akustische Schleife hat eine Qualitätsobergrenze. Alles oben zu Lautstärke, Abstand und Raumlärm gilt für uns genauso wie für alle anderen. Eine perfekte Transkription eines Handy-Lautsprechers im lauten Café gibt es bei keinem Anbieter.
Es ist ein PRO-Feature. „Video oder Audio übersetzen" ist nicht in der kostenlosen Stufe, laut unserer Features-Seite. Apples eingebaute Untertitel und die Untertitelspuren der Plattformen kosten nichts und sind der richtige erste Versuch.
Eine schnelle Entscheidungsliste
- Das Video hat Untertitel und du willst sie in einer anderen Sprache. Nutze die Untertitel-Übersetzungsfunktion der Plattform.
- Du hast die Datei und sie ist wichtig. Transkribiere die Datei, dann übersetze das Transkript.
- Es läuft in einer anderen App und du willst es jetzt. Mikrofon-Weg, Kopfhörer raus.
- Es ist ein Telefon- oder FaceTime-Anruf auf aktueller Hardware. Apples Live-Übersetzung, ohne App.
- Es sind eingebrannte Untertitel. Pausieren, dann das Standbild mit der Kamera übersetzen.
Häufige Fragen
Warum funktioniert die Audio-Übersetzung nicht mehr, sobald ich meine AirPods einsetze?
Weil die App über ihr Mikrofon den Lautsprecher deines Handys abhört. Kopfhörer leiten das Audio in deine Ohren um, also gibt es für das Mikrofon nichts zu hören.
Kann eine App Audio aus einer anderen App ohne den Lautsprecher übersetzen?
Auf iOS im Allgemeinen nicht. Es gibt keinen System-Audio-Abgriff für Apps — genau deshalb existiert der Mikrofon-Weg überhaupt.
Warum laufen die Untertitel dem Video hinterher?
Das Audio muss gesprochen sein, bevor es gehört und erkannt werden kann. Ein bis zwei Sekunden Verzögerung sind strukturell.
Ist das Transkribieren einer Datei genauer als der Mikrofon-Weg?
Ja, meist mit großem Abstand. Die Datei ist das Originalsignal; der Mikrofon-Weg ist die Neuaufnahme eines Lautsprechers in einem Raum.
Funktioniert es mit Musik?
Schlecht. Spracherkennung ist auf Sprache trainiert, und Gesang über Instrumenten ist ein anderes Problem.
Was ist mit einem Video, in dem zwei Leute gleichzeitig reden?
Rechne damit, dass das Transkript einer Stimme folgt und die andere fallen lässt. Zuverlässige Sprechertrennung ist in diesem Umfeld nicht gelöst.
Abgerufen am 12. August 2026. Plattformverhalten und App-Features ändern sich; die hier beschriebene iOS-Audio-Einschränkung gilt seit mehreren großen Releases — aber prüf alles nach, wovon ein Kauf abhängt.
👉 OmniTalk im App Store laden · OmniTalk-Features · Support-FAQ (auf Englisch)