Irgendwo in deinem WhatsApp-Export liegt eine Datei namens `AUD-20260214-WA0003.m4a`, und nichts an ihr verrät, was drin ist. WhatsApp M4A zu Text zu bringen ist dieselbe Aufgabe wie das Transkribieren jedes anderen Audios aus einem Chat — die Endung ändert sich, das Problem nicht. Aber die Endung verrät, woher die Aufnahme kam, und das zu verstehen ist zwei Minuten wert, bevor du irgendetwas transkribierst.
Warum diese Datei .m4a ist, wenn die anderen .opus sind
Eine in WhatsApp aufgenommene Sprachnachricht — die mit gedrücktem Mikrofon-Knopf — ist Opus-Audio in einem OGG-Container. Im Export kommen diese als `.opus`-Dateien an: `PTT-20260214-WA0007.opus` von einem Android-Telefon (PTT steht für Push-to-Talk), oder nummerierte Namen wie `00000012-AUDIO-2026-02-14-10-31-22.opus` von einem iPhone.
Eine `.m4a` kam durch eine andere Tür in den Chat. Es ist Audio, das außerhalb des Sprachnachrichten-Ablaufs aufgenommen und dann hineingeteilt wurde:
Ein iPhone-Sprachmemo, in den Chat geteilt. Die Sprachmemos-App nimmt in `.m4a` auf, und ein Memo an WhatsApp zu teilen schickt die Datei, wie sie ist. So gelangen längere, bewusste Aufnahmen — ein mitgeschnittenes Gespräch, gesprochene Anweisungen, eine erklärte Begehung — üblicherweise in eine Unterhaltung.
Eine von anderswo weitergeleitete Audiodatei. Weiterleiten reicht die Datei weiter, statt sie neu aufzunehmen — ein Audio, das in einer anderen App oder einem anderen Chat als `.m4a` entstand, bleibt `.m4a`, egal wie viele Stationen es nimmt.
Manche iOS-Exportwege. Ältere iOS-Versionen schrieben selbst Sprachnachrichten als `.m4a`, ein alter, von einem iPhone exportierter Chat kann sie also genau dort enthalten, wo du `.opus` erwarten würdest.
Auf Android verrät der Dateiname den Unterschied: Das Präfix `PTT-` kennzeichnet eine aufgenommene Sprachnachricht, `AUD-` eine geteilte Audiodatei. iPhone-Exporte verwenden die nummerierten `AUDIO`-Namen für beides, dort ist also die Endung der Hinweis.
Die praktische Konsequenz ist bemerkenswert: Eine `.m4a` in einem Chat ist oft die Aufnahme, auf die es am meisten ankommt. Niemand öffnet die Sprachmemos-App, nimmt vier Minuten auf und teilt die Datei aus Versehen in eine Unterhaltung. Diese Aufnahmen sind bewusst gemacht, auf eine Art, wie es eine Sprachnachricht mitten im Chat selten ist.
Was .m4a eigentlich ist — und warum das Problem das Gegenteil von .opus ist
`.m4a` ist ein MPEG-4-Audiocontainer, fast immer mit AAC — dem Codec, den Apple in den Sprachmemos, in Musik und in weiten Teilen von iOS verwendet. Anders als `.opus`, das die meiste Desktop-Software nicht öffnen will, läuft `.m4a` überall. Doppelklick auf einem Mac oder einem Windows-Rechner, und es spielt.
Das stellt die übliche Beschwerde auf den Kopf. Bei `.opus` bleiben die Leute an "die Datei geht nicht auf" hängen — die Situation, die die Massentranskription von WhatsApp-.opus-Sprachnachrichten im Detail durchgeht. Bei `.m4a` öffnet sich die Datei problemlos, und sie zu öffnen ist alles, was du tun kannst. Du kannst darin immer noch nicht nach dem Satz suchen, in dem ein Preis vereinbart wurde, sie überfliegen wie Text, eine Zeile daraus in einer E-Mail zitieren oder sie in der Reihenfolge mit den Nachrichten drumherum lesen. Die Wiedergabe war nie das Hindernis. Audio als Medium ist das Hindernis.
Eine Datei — oder ein Chat voll davon?
Entscheide das, bevor du anfängst, denn die Antworten unterscheiden sich.
Wenn du wirklich nur eine kurze `.m4a` hast und bloß wissen musst, was sie sagt, kann Abspielen und Mitschreiben der schnellste Weg sein. WhatsApp-Audio auf iPhone und Android ohne App transkribieren behandelt die Behelfslösungen direkt am Telefon — aber es sind Behelfslösungen, und nichts, was in einer der beiden Plattformen eingebaut ist, nimmt eine Audiodatei aus einem Chat und gibt dir Text zurück.
Der häufigere Fall ist, dass die `.m4a` nicht allein reist. Sie steckt in einer Unterhaltung mit Dutzenden `.opus`-Sprachnachrichten drumherum, und das Memo ergibt nur vor den Nachrichten Sinn, die ihm vorausgingen. Nur die eine Datei zu transkribieren lässt dich mit einem Absatz Text zurück, der lose neben der Diskussion schwebt, zu der er gehört. Was du eigentlich willst, ist die gesamte Sprachebene des Chats als Text, in Reihenfolge — das ist ein Stapel-Job, und alle Sprachnachrichten eines Exports auf einmal zu transkribieren ist das Muster dafür.
Die Stapel-Antwort: ein Upload, jedes Format
ThreadRecap nimmt das exportierte .zip und transkribiert alles darin, egal mit welcher Endung.
Schritt 1: Exportiere den Chat mit Medien
Öffne in WhatsApp die Unterhaltung, tippe auf den Kontakt- oder Gruppennamen, wähle Chat exportieren und dann Medien hinzufügen auf dem iPhone bzw. Medien einbeziehen auf Android. Dieser Schritt zählt mehr als jeder andere: Die Nur-Text-Option verwirft kommentarlos jede Audiodatei, `.m4a` eingeschlossen, und nichts in der resultierenden Datei warnt dich, dass die Aufnahmen fehlen.
Schritt 2: Lade das .zip hoch
Lade den Export bei WhatsApp-Audio zu Text hoch. Der Parser erkennt jede Audiodatei im Export — `.opus`, `.m4a`, `.ogg` und `.mp3` werden alle erkannt — und ordnet jede ihrer Nachricht im Chatprotokoll zu. Der genaue Preis wird angezeigt, bevor irgendetwas läuft, gemessen an der tatsächlichen Dauer des Audios in deinem Export. Die Textanalyse ist kostenlos; Audio wird nach seiner Menge berechnet, mit Guthaben, das nie verfällt, und ohne Abo. Schlägt eine Transkription fehl, kommt das Guthaben automatisch zurück.
Schritt 3: Lies den Chat als Text
Jedes Transkript wird an der Stelle in die Zeitleiste der Unterhaltung eingefügt, an der sein Audio gesendet wurde, dem Absender zugeordnet. Das geteilte Memo, die Sprachnachrichten drumherum und die getippten Nachrichten dazwischen lesen sich als eine durchgehende Unterhaltung. Von dort aus kannst du suchen, zitieren oder eine Zusammenfassung erstellen — das laut Gesagte zählt genauso wie das Getippte.
Spar dir den Konvertierungsschritt
Ein Großteil der Ratschläge im Netz zur m4a-Transkription beginnt mit "wandle deine .m4a zuerst in MP3 um" oder "konvertiere sie zu WAV". Spar dir das komplett.
Ein verlustbehaftetes Format in ein anderes umzuwandeln kodiert das Audio neu, und Neukodieren kann nur Information verlieren — das Transkriptionsmodell hört am Ende eine etwas schlechtere Aufnahme als die, die du hattest. Die Umwandlung in WAV bläht die Dateigröße auf und holt nichts zurück, denn was die AAC-Kompression verworfen hat, ist bereits weg. Whisper, das Sprachmodell, das ThreadRecap verwendet, liest `.m4a` direkt, genau wie `.opus`. Wenn ein Transkriptionswerkzeug erst eine Konvertierung verlangt, sagt das etwas über das Werkzeug aus, nicht über deine Datei.
Dieselbe Logik gilt innerhalb des Exports. Gemischte Formate brauchen keine Sortierung: Du ziehst nicht die `.m4a`-Dateien heraus, konvertierst sie und verarbeitest sie getrennt von den `.opus`-Dateien. Ein Upload, und die Verarbeitung leitet jede Datei nach dem weiter, was sie tatsächlich ist.
Was die Genauigkeit bei .m4a-Audio beeinflusst
Das Format selbst ist neutral — AAC bei den Bitraten dieser Aufnahmen trägt Sprache problemlos. Was die Genauigkeit bewegt, ist das, was aufgenommen wurde:
Bewusste Aufnahmen werden meist gut transkribiert. Ein absichtlich aufgenommenes Sprachmemo — Telefon nah, ein Sprecher, ruhiger Raum — ist in der Regel sauberer als eine Sprachnachricht, die im Gehen auf der Straße entstand.
Raumaufnahmen sind der schwierige Fall. Ein Memo, quer über den Tisch mitgeschnitten, mit Abstand, Hall und mehreren Stimmen, wird schlechter transkribiert als jede Sprachnachricht. Ist die `.m4a` eine Aufnahme eines Gesprächs statt einer Nachricht an jemanden, plane ein, das Ergebnis gegen das Audio zu prüfen.
Weiterleiten verschlechtert das Audio nicht, verschleiert aber die Quelle. Die Datei kommt in ihrer Originalqualität an, egal durch wie viele Chats sie gereicht wurde — ein sauberes Original bleibt sauber, ein schlechtes bleibt schlecht.
Die Sprache wird pro Clip erkannt: Ein Chat, der englische Sprachnachrichten mit einem deutschen Memo mischt, kommt mit jeder Aufnahme in ihrer eigenen Sprache transkribiert zurück. Und lies jedes Transkript, auf das du dich verlassen willst, gegen das Audio: Maschinentranskription ist ein Arbeitsdokument, kein beglaubigtes.
Das Format ist keine Entscheidung, die du treffen musst
Die Endung einer WhatsApp-Audiodatei hält fest, wie das Audio entstand. `.opus` heißt: in der App aufgenommene Sprachnachricht; `.m4a` heißt meist: eine Aufnahme von außerhalb — ein Sprachmemo, eine weitergeleitete Datei, ein Export von einem älteren iPhone. Das zu wissen lohnt sich, weil es dir sagt, welche Art Aufnahme du in der Hand hast — und die bewussten sind überproportional die, die sich zu lesen lohnen.
Was die Endung nicht ändert, ist der Weg zum Text. Exportiere die Unterhaltung mit Medien, lade das .zip einmal hoch, und jede Aufnahme darin — durch welche Tür sie auch hereinkam — kommt als durchsuchbarer Text mit Zeitstempel und Absender auf der Zeitleiste der Unterhaltung zurück. Sollte sich dein Export am Ende doch als komplett `.opus` herausstellen, behandelt die Seite .opus zu lesbarem Text die Eigenheiten dieses Formats. Der Upload ist so oder so derselbe.
