Transkriptions- & professionelle Video-Untertitel-API auf EU-Servern — Inwista API v1

Heute öffnen wir den Maschinenraum hinter Inwista: Die API v1 ist live. Alles, was unser Studio mit einer Aufnahme macht — Sprache-zu-Text in über 70 Sprachen mit automatischer Sprechererkennung, Untertitel nach Sendestandards formatiert, Untertitelübersetzung auf derselben Datei — steht jetzt als Bausteine für deine eigenen Systeme bereit.

Es ist eine kleine, aber vollständige Transkriptions-API: acht Endpoints verteilt auf vier Ressourcen. Du erstellst eine Transkription aus einer Medien-URL — einer Datei in deinem eigenen Speicher oder einfach einem YouTube-, TikTok- oder Vimeo-Link — und holst dir anschließend Untertitel in vier Formaten (SRT- und VTT-Dateien, reiner Text oder strukturiertes JSON mit Zeitstempeln und Sprechern), lässt eine konfigurierbare Untertitelveredelung in Sendequalität laufen und übersetzt dieselben Untertitel in jede von über 70 Sprachen. Webhooks melden deinen Systemen, wenn Jobs fertig sind, und jede Veredelung und Übersetzung ist eine fixierte Revision, die sich jederzeit wieder abrufen lässt.

Die Abrechnung könnte nicht einfacher sein: Die API verbraucht dieselben AI-Credits wie alles andere in Inwista. Kein separater API-Vertrag, kein neuer Zähler zum Lernen — 4 Credits pro angefangener Minute Medienmaterial, zuerst von den monatlichen Credits deines Abos abgebucht und darüber hinaus von einmaligen Credit-Paketen, mit automatischer Rückerstattung, wenn ein Job fehlschlägt. Alles wird mit voller Datenhaltung in der EU verarbeitet, auf unseren eigenen Servern innerhalb der EU/des EWR — niemals geteilt, niemals zum Trainieren von KI-Modellen verwendet.

  curl -X POST https://api.inwista.ai/v1/transcriptions \
   -H "Authorization: Bearer inw_live_…" \
   -d '{ "source_url": "https://cdn.example.com/episode-04.mp4", "language": "en", "diarization": true }'

Setz diese Bausteine mitten in einen echten Arbeitsablauf, und sie ersetzen Schritte, die ganze Teams heute von Hand erledigen. So sehen automatische Transkription und Untertitelung in fünf verschiedenen Welten aus.

Automatisierte Broadcast-Untertitelung für Produktionsfirmen

Ein Postproduktionshaus, das eine Serie mit zehn Episoden abliefert, beendet heute jedes Projekt auf dieselbe Weise: Die Exporte gehen an einen Untertitel-Dienstleister, die Dateien kommen Tage später zurück, jemand macht Stichproben, eine Revision geht retour, und die Abgabefrist schluckt alles.

Mit der API in der Pipeline löst der Render, der im Speicher landet, eine Transkription aus, die Untertitelveredelung legt euren Hausstil an, und die fertige SRT-Datei kommt über eine signierte Webhook-URL zurück, direkt ins MAM-System. Eine 45-minütige Episode kostet 180 Credits — und ist untertitelt, bevor der Schnittplatz weitergezogen ist.

Und „Hausstil" ist keine Metapher — der `/enhance`-Endpoint nimmt dieselben Regeln entgegen wie ein Styleguide für Broadcast-Untertitel, als explizite Einstellungen:

- Zeilengeometrie: `maxCharactersPerLine` (Standard `42` — die Broadcast-Konvention) und `maxLinesPerBlock` (1 oder 2)

- Zeilenbalance: `blockLineBalancing` — `bottom_heavy`, `top_heavy`, `equal` oder `unconstrained`

- Timing: `minBlockDuration` und `maxBlockDuration` in Sekunden, damit kein Untertitel vorbeihuscht oder hängen bleibt

- Dichte: `textCondensation` — `none`, `smart` oder `aggressive` — wenn der Wortlaut nicht ins Lesefenster passt

- Dialog: `speakerDialogueFormat` — Spiegelstriche, Labels in Klammern oder volle Sprechernamen

- Kontinuität: `continuationMarkers` am Blockanfang/-ende, als Gedankenstrich oder Auslassungspunkte

- Ausspielziel: `gapBetweenBlocks` mit Presets für `broadcasting`, `streaming` oder `sdh`

  curl -X POST https://api.inwista.ai/v1/transcriptions/{id}/enhance \
   -H "Authorization: Bearer inw_live_…" \
   -d '{ "settings": { "maxCharactersPerLine": 37, "blockLineBalancing": "bottom_heavy", "textCondensation": "smart" } }'

Dasselbe Transkript, zugeschnitten auf jedes Ausspielziel — Untertitel für Broadcast, eine eigene Fassung fürs Streaming, eine SDH-Version für Barrierefreiheit — und jede davon ist eine fixierte Revision: Wenn ein Sender fragt, welche Untertitelfassung im März geliefert wurde, lässt sich genau diese Datei per ID wiederherstellen. Die Qualitätskontrolle von Untertiteln hört auf, eine Diskussion über E-Mail-Anhänge zu sein.

Vorlesungen im großen Stil untertiteln — WCAG, EAA und BFSG

Der European Accessibility Act (EAA) — in Deutschland als Barrierefreiheitsstärkungsgesetz (BFSG) umgesetzt — hat Video-Untertitel von einer Gefälligkeit in eine gesetzliche Pflicht verwandelt, und die meisten Einrichtungen sitzen vor demselben Problem: ein Jahrzehnt aufgezeichneter Vorlesungen und ein Untertitel-Angebot, das sich liest wie ein Bauprojekt. Traditionell abgerechnet, pro Minute Handarbeit, wird ein Archiv aus 800 Vorlesungen zur Haushaltssitzung — also bleibt es unbetitelt.

Über die API ist dasselbe Archiv eine Schleife: jede Aufnahme aus dem Speicher holen, transkribieren, die VTT-Datei ziehen, im LMS anhängen. Mit 4 Credits pro Minute läuft das über Nacht statt über ein Semester, und aus dem Barrierefreiheits-Rückstand werden WCAG-konforme Untertitel an jeder Vorlesung. Die Vorzeigekurse gehen einen Aufruf weiter: `/translate` macht aus denselben Untertiteldateien mehrsprachige Untertitel in den Sprachen, die deine Studierenden tatsächlich sprechen — mit vom Original geerbtem Timing.

YouTube-Videos und Podcast-Archive mit einem Aufruf transkribieren

Medienteams haben selten aufgeräumte Quelldateien für ihr Archiv. Was sie haben, sind Links. Die API akzeptiert YouTube- und Vimeo-URLs direkt, und damit wird aus „das Archiv durchsuchbar machen" statt eines Migrationsprojekts ein Nachmittagsskript: über den Kanal loopen, jede Episode mit Sprechernamen transkribieren, das Transkript unter jeder Episodenseite veröffentlichen.

Was das konkret bringt: Ein Interview-Archiv mit 400 Episoden wird für die Redaktion im Volltext durchsuchbar, zitierfähig für Social-Clips, indexierbar für Suchmaschinen — und barrierefrei, wonach Plattformen und Förderanträge immer öfter fragen. Kein erneutes Hochladen, keine Speicherrechnung, kein Praktikant mit Kopfhörern.

Eine DSGVO-konforme Sprache-zu-Text-API für Produktteams

Viele Produkte wollen einen „Untertitel generieren"-Button — Videoplattformen, Interview-Tools, LMS-Anbieter, Legal Tech, HR-Software. Es ist selten die Technik, die das aufhält; es ist die Anbieterprüfung. Irgendwo zwischen „schickt Kundenaufnahmen in eine US-Cloud" und „darf Inhalte fürs Modelltraining verwenden" sagt die Rechtsabteilung Nein.

Inwistas API ist die Version dieses Gesprächs, die schnell vorbei ist: eine DSGVO-konforme Transkriptions-API, bei der die Verarbeitung ausschließlich auf unseren eigenen Servern in der EU/im EWR stattfindet, Inhalte niemals mit Dritten geteilt und niemals für Training verwendet werden — Sätze, die du direkt in deine eigene Datenschutzerklärung schreiben kannst. Auch die technische Seite ist für den Produktionseinsatz gebaut: Idempotenz-Schlüssel auf jeder Schreiboperation, vorhersehbare Rate Limits, atomare Abrechnung mit automatischer Rückerstattung und ein `metadata`-Feld, das deine eigenen Referenz-IDs durch den gesamten Ablauf trägt, sodass Webhooks bereits fertig markiert in deinem System landen.

SDH-Untertitel für öffentliche Sitzungen, noch am selben Nachmittag

Kommunen und Behörden streamen jede Woche stundenlange Sitzungen, und die Erwartungen an Barrierefreiheit bewegen sich nur in eine Richtung. Eine dreistündige Gemeinderatssitzung von Hand zu untertiteln ist eine echte Rechnung; über die API sind es 720 Credits, fertig am selben Nachmittag — transkribiert mit Sprechernamen, formatiert mit dem SDH-Preset, veröffentlicht neben der Aufzeichnung. Wo Menschen mehrere Sprachen sprechen, werden dieselben Untertitel mit einem weiteren Aufruf übersetzt.

Für Vergabe und Einkauf werden die Fragen, die sonst eine eigene Sitzung kosten, in einer Zeile beantwortet: Verarbeitung in der EU/im EWR, DSGVO, kein Training mit Inhalten, Löschung unter eurer Kontrolle.

Jedes Abo enthält API-Credits — auch das kostenlose

Weil die API deine ganz normalen AI-Credits verbraucht, musst du nichts extra kaufen, um sie auszuprobieren. Das kostenlose Abo enthält jeden Monat 100 Credits — genug für etwa 25 Minuten API-Transkription, monatlich erneuert, damit du deine Integration bauen und einen kleinen Arbeitsablauf am Laufen halten kannst, ohne etwas zu bezahlen. (Die 45 Studio-Minuten des kostenlosen Abos sind davon getrennt: Nutze sie, um Transkripte und Untertitelstile mit eigenen Augen in der App zu prüfen, bevor du eine einzige Zeile Code schreibst.)

Bezahlte Abos enthalten 1000–2500 Credits pro Monat, und einmalige Credit-Pakete — die niemals verfallen — decken alles darüber hinaus ab. Fehlgeschlagene Jobs erstatten sich automatisch selbst, genau dorthin zurück, wo die Credits herkamen.

Die vollständige Referenz — Authentifizierung, Webhooks, Formate, Fehlerbehandlung — findest du in unserer API-Referenz. Wenn du etwas Größeres baust oder Volumenpreise für ein echtes Archiv brauchst: sales@inwista.ai.

Häufige Fragen

Was kann diese Transkriptions-API entgegennehmen?

Öffentliche Medien-URLs — Audio- oder Videodateien, oder YouTube-, TikTok- und Vimeo-Links direkt. Über 70 Sprachen, mit automatischer Sprechererkennung (Diarisierung).

Was liefert sie zurück?

SRT, VTT, TXT oder strukturiertes JSON — plus auf Anfrage broadcast-formatierte und übersetzte Fassungen derselben Untertitel.

Kann ich die Untertitel-Formatierung steuern?

Ja — Zeichen pro Zeile, Zeilen pro Block, Zeilenbalance, Zeitgrenzen, Textverdichtung, Dialogmarkierung, Kontinuitätsmarker und Presets für Broadcast, Streaming oder SDH sind allesamt explizite Einstellungen am Veredelungs-Endpoint.

Kann ich die API kostenlos ausprobieren?

Ja. Die API bucht von denselben AI-Credits ab wie der Rest von Inwista, und jedes Abo enthält ein monatliches Kontingent — 100 Credits im kostenlosen Abo, rund 25 Minuten Transkription pro Monat.

Ist die API DSGVO-konform?

Ja — die gesamte Verarbeitung läuft auf Inwistas eigenen Servern in der EU/im EWR. Inhalte werden niemals mit Dritten geteilt und niemals zum Trainieren von KI-Modellen verwendet.

Was kostet es?

4 Credits pro angefangener Minute, zuerst von den monatlichen AI-Credits deines Abos abgebucht und darüber hinaus von einmaligen Credit-Paketen — die niemals verfallen. Fehlgeschlagene Jobs werden automatisch erstattet.

Wie schnell ist es?

Etwa zehn Minuten Verarbeitung pro Stunde Audiomaterial.