Vom Video wird nur der Ton gebraucht
Vor dem Hochladen muss nichts umgewandelt werden. Die Datei wird unverändert hochgeladen, die darin enthaltene Tonspur wird gelesen, und das Bild wird weder angefasst noch an irgendein Modell geschickt: Für die Transkription bringt es nichts und würde den Vorgang nur langsamer und teurer machen.
Das gilt für jeden Container, der im Alltag vorkommt: MP4 vom Handy, MOV vom iPhone, MKV aus einer Bildschirmaufnahme, WEBM aus einem heruntergeladenen Meeting. Wenn Ton drauf ist, wird transkribiert. Und wenn nicht, sagen wir es Ihnen, bevor eine einzige Minute Ihres Kontingents verbraucht wird.