$5 free credits when you sign up Claim now
Marlin 2b now available Test it!
MiniMax H3 now available! Test it!
Sign in Get started Claim $5
Browse all Models
Browse all
Browse all
Browse all
Browse all
Browse all
Browse all
Browse all
Browse all
Browse all
Browse all
Browse all
Browse all
Browse all
Browse all
Browse all

Video-to-Text

Video transkribieren mit KI: Whisper per API

Lade eine Audio- oder Videodatei hoch oder schick einen Link von YouTube, TikTok, X, Twitch oder Kick. Mit WhisperLargeV3Ct2 kommt JSON mit dem Text, der erkannten Sprache und Segmenten mit Zeitstempeln zurück.

  • Eine Stunde aus einer Datei oder von YouTube kostet 0,052 $, 10 Minuten 0,013 $
  • Segment-Zeitstempel ohne Aufpreis, Wort-Zeitstempel für 50 % mehr
  • Links schickst du direkt als URL, ohne das Video herunterzuladen
5 $ Guthaben sichern Unterstützte Quellen

Keine Kreditkarte nötig · Gratis-Guthaben 90 Tage gültig · Danach Guthaben aufladen und nach Verbrauch zahlen, kein Abo

WhisperLargeV3Ct2 Video-to-Text
Transkript aus der API Danke, dass du heute dabei bist. Wir veröffentlichen die neue Preisseite am Montag und der Support aktualisiert das Hilfe-Center bis Mittwoch.
Datei mit 8,48 s · erkannte Sprache: de (99,61 %) · Zeitstempel pro Segment Kosten bei deAPI: 0,0051 $ (Preisstand Oktober 2026)

Was du transkribieren kannst

Ein Endpoint, POST /api/v2/audio/transcriptions, erkennt selbst, ob du einen Link oder eine Datei geschickt hast.

  1. Zeitstempel: Setz include_ts. ts_level segment ist im Preis enthalten, word kostet 50 % mehr. Die API liefert Start- und Endzeiten in Sekunden. SRT- oder VTT-Dateien baust du selbst daraus.

  2. Sprecher: diarize versieht jedes Segment mit einem Sprecher-Label (SPEAKER_00, SPEAKER_01 …), bei Wort-Zeitstempeln auch jedes Wort. Das kostet 50 % mehr. Zusammen mit Wort-Zeitstempeln bleibt es bei einmal 50 %.

  3. Sprache: Whisper erkennt sie und gibt sie mit language_probability zurück, oder du setzt sie mit lang (zum Beispiel "lang": "de").

Audio- und Videodateien source_file (Multipart-Upload, bis 20 MB Audio oder 50 MB Video) Calls, Podcasts, Interviews, Vorlesungen
YouTube source_url Untertitel, Suche über einen Kanal, Zusammenfassungen
TikTok source_url Untertitel, Social Listening, Content-Moderation
X-Posts und Spaces source_url Social Listening, aufgezeichnete Spaces als Text
Twitch und Kick source_url Stream-Highlights, Sponsorennennungen

Whisper API Kosten pro Minute und Stunde

Abgerechnet wird pro Anfrage nach Länge der Datei. Eine Minute kostet 0,0058 $, eine Stunde 0,052 $. Kein Abo.

1 Minute 0,0058 $ ≈ 864
10 Minuten 0,013 $ ≈ 390
1 Stunde 0,052 $ ≈ 96

Das bekommst du mit dem Gratis-Konto

  • 5 $ Guthaben, das reicht für etwa 96 Stunden Audio aus Dateien oder von YouTube
  • 1 Transkriptions-Anfrage pro Minute und 10 pro Tag bis zur ersten Aufladung
  • Keine Kreditkarte, Guthaben 90 Tage gültig
5 $ Guthaben sichern

Preise für Dateien und YouTube-Links mit WhisperLargeV3Ct2 aus der deAPI-Preis-API, Oktober 2026, in USD. Links von Twitch, Kick und X kosten pro Stunde mehr, X am meisten. TikTok wird nach Längenstufen abgerechnet, Wort-Zeitstempel oder diarize kosten 50 % mehr. Den genauen Preis liefert POST /api/v2/audio/transcriptions/price.

Beispiel für die Transkriptions-API

Schick einen Link als JSON oder lade eine Datei als Multipart hoch. Ersetze YOUR_API_KEY durch einen Key aus deinem Dashboard.

Endpoint
POST /api/v2/audio/transcriptions
Model IDs
WhisperLargeV3Ct2
Input
source_url oder source_file (20 MB Audio, 50 MB Video)
Output
JSON: text, language, segments[] mit start/end
Limits im Gratis-Konto
1 Anfrage pro Minute, 10 pro Tag
curl -X POST 'https://api.deapi.ai/api/v2/audio/transcriptions' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'Accept: application/json' \
  -F 'model=WhisperLargeV3Ct2' \
  -F 'include_ts=true' \
  -F 'ts_level=segment' \
  -F '[email protected]'
import time, requests

API = "https://api.deapi.ai/api/v2"
HEADERS = {"Authorization": "Bearer YOUR_API_KEY", "Accept": "application/json"}

job = requests.post(f"{API}/audio/transcriptions", headers=HEADERS, json={
    "model": "WhisperLargeV3Ct2",
    "source_url": "https://www.youtube.com/watch?v=jNQXAC9IVRw",
    "include_ts": True,
    "ts_level": "segment",
}).json()["data"]

while True:
    status = requests.get(f"{API}/jobs/{job['request_id']}", headers=HEADERS).json()["data"]
    if status["status"] in ("done", "error"):
        break
    time.sleep(3)

# fertig: das JSON-Transkript (text, language, segments) liegt unter status["result_url"]
print(status.get("result_url"))
Vollständige API-Referenz Modellseite

Was ist eine Transkriptions-API?

Eine Transkriptions-API wandelt Sprache aus Audio- oder Videodateien in Text um, den du speichern, durchsuchen oder als Untertitel nutzen kannst. deAPI betreibt das offene Whisper-Modell von OpenAI auf einem verteilten GPU-Netzwerk. Neben Dateien nimmt die API auch Links an, bei einem YouTube-Video reicht also die URL.

  1. Gratis-Konto anlegen

    Registriere dich und hol dir 5 $ Guthaben. Ohne Kreditkarte.

  2. API-Key erstellen

    Erstelle unter Settings → API Keys im Dashboard einen Key. Ohne Code kannst du einen Link vorher im Playground testen.

  3. Datei oder Link senden

    Schick einen POST an /audio/transcriptions und lies das Transkript aus dem Job.

FAQ zur Transkriptions-API

Eine Stunde Audio oder Video aus einer Datei oder von einem YouTube-Link kostet 0,052 $, 10 Minuten 0,013 $ und ein 1-Minuten-Clip 0,0058 $ (Oktober 2026). Links von Twitch, Kick und X kosten pro Stunde mehr, TikTok wird nach Länge in Stufen abgerechnet. Den genauen Betrag liefert vorab POST /api/v2/audio/transcriptions/price. Du zahlst pro Anfrage, ohne Abo.
Ja, mit 5 $ Guthaben für neue Konten. Das reicht für etwa 96 Stunden Audio aus Dateien. Eine Kreditkarte brauchst du dafür nicht. Bis zur ersten Aufladung sind 1 Transkriptions-Anfrage pro Minute und 10 pro Tag möglich.
Ja. Whisper ist ein mehrsprachiges Modell und erkennt Deutsch. Den deutschen Beispielsatz oben hat WhisperLargeV3Ct2 korrekt transkribiert und die Sprache als de mit 99,61 % Wahrscheinlichkeit erkannt. Wenn du die Sprache kennst, kannst du sie mit "lang": "de" vorgeben.
Ja. Schick den Link als source_url. Das funktioniert auch mit X-Posts und Spaces, Twitch, Kick und TikTok. Hochgeladene Dateien sind auf 20 MB bei Audio und 50 MB bei Video begrenzt, für lange Aufnahmen ist ein Link also einfacher.
Ja. Setz include_ts auf true. Zeitstempel pro Segment sind im Preis enthalten. ts_level: "word" kostet 50 % mehr. Jedes Segment hat eine Start- und Endzeit in Sekunden, daraus baust du SRT- oder VTT-Zeilen. Fertige Untertiteldateien liefert die API nicht.
Ja. Setz diarize auf true, dann bekommt jedes Segment ein Sprecher-Label wie SPEAKER_00, mit ts_level: "word" auch jedes Wort. Das kostet 50 % mehr, auch wenn du beides kombinierst.
Nein. deAPI betreibt das offene Whisper-Modell von OpenAI als WhisperLargeV3Ct2 auf dem eigenen GPU-Netzwerk. Die native API hat ein eigenes Request-Format. Wenn du schon das OpenAI SDK nutzt, gibt es zusätzlich einen OpenAI-kompatiblen Endpoint unter https://oai.deapi.ai/v1/audio/transcriptions, mit den Model IDs von deAPI (einen Alias whisper-1 gibt es nicht).

Transkribiere deine erste Stunde mit 5 $ Gratis-Guthaben

Registrierung mit E-Mail oder Google. Keine Kreditkarte, kein Abo.

5 $ Guthaben sichern Docs

Mehr auf deAPI