LesskeysSprache zu Text: Glossar
Spracherkennungssoftware verwendet viele Fachbegriffe, und manche bedeuten bei verschiedenen Anbietern Unterschiedliches. Diese Seite sagt, was jeder Begriff hier bedeutet.
Wörter, die auf dieser Website in einem bestimmten oder ungewöhnlichen Sinn vorkommen, und was sie bedeuten, wenn wir sie verwenden.
A
- ASR (automatische Spracherkennung)
Der allgemeine Name für Software, die Sprache in Text umwandelt. Whisper ist ein solches System. „Sprache zu Text“ bedeutet im normalen Sprachgebrauch dasselbe.
D
- Diktat
- Sprechen statt Tippen, sodass die Wörter in der App erscheinen, die Sie ohnehin gerade benutzen. Es geschieht live und ist kurz. Der Gegensatz ist die Transkription, die eine vorhandene Aufnahme nachträglich in Text umwandelt.
H
- Tastenkürzel
Eine Tastenkombination, die überall funktioniert, nicht nur in einer einzelnen App. Lesskeys nutzt eine, um das Diktieren zu starten und zu beenden, sodass Sie zum Sprechen nie das Fenster wechseln müssen.
O
- Auf dem Gerät
Die Arbeit findet auf dem Computer vor Ihnen statt, nicht auf dem Server eines Unternehmens. Bei wo die Verarbeitung stattfindet, und deshalb lässt sie sich prüfen: Netzwerk aus, und es funktioniert trotzdem.Lesskeys heißt das: Die Aufnahme, das Sprachmodell und der fertige Text bleiben auf Ihrem Computer. Es ist eine Aussage darüber,
S
- Sprechertrennung
- Herausfinden, wer in einer Aufnahme mit mehreren Stimmen wann gesprochen hat. Das ist eine eigene Aufgabe neben der Transkription: Die Transkription fragt, was gesagt wurde, die Sprechertrennung, wer es gesagt hat. Beides zusammen ergibt ein Transkript mit einem Namen zu jeder Zeile.
- Systemaudio
- Der Ton, den Ihr Computer wiedergibt, im Unterschied zu dem, was Ihr Mikrofon hört. Wer Systemaudio und Mikrofon zusammen aufnimmt, erfasst beide Seiten eines Anrufs, ohne dass etwas der Besprechung beitritt.
T
- Transkription
- Eine bereits vorhandene Aufnahme – einen Anruf, ein Interview, ein Video – in geschriebenen Text umwandeln. Anders als das Diktat geschieht sie im Nachhinein und betrifft meist mehr als einen Sprecher.
V
- Stimmprofil
Eine gespeicherte Zusammenfassung dessen, wie eine bestimmte Stimme klingt, damit dieselbe Person in verschiedenen Aufnahmen wiedererkannt wird. Lesskeys speichert Stimmprofile auf Ihrem Computer und nirgendwo sonst.
W
- WER (Wortfehlerrate)
- So wird Genauigkeit gemessen. Gezählt werden die Wörter, die ein System falsch erkannt hat – ersetzt, ausgelassen oder eingefügt –, als Prozentsatz der tatsächlich gesprochenen Wörter. Niedriger ist besser, und eine WER von 2,5 % bedeutet, dass ungefähr jedes vierzigste Wort falsch ist.
Whisper Eine Familie offener Spracherkennungsmodelle, die auf gewöhnlicher Hardware laufen können, auch auf einem Benchmark gemessen hat.Mac oder einemWindows . Es gibt sie in mehreren Größen; größer ist nicht automatisch besser, wie unser eigener-PC
Schnelle Antworten
Was bedeutet „auf dem Gerät“ eigentlich?
Dass die Verarbeitung auf Ihrem eigenen Computer stattfindet und nicht auf dem Server eines Unternehmens. Der praktische Test ist einfach: Schalten Sie das Netzwerk ab. Funktioniert es weiter, läuft es auf dem Gerät.
Ist Diktieren dasselbe wie Transkribieren?
Nein. Diktieren geschieht live: Sie sprechen, und die Wörter erscheinen dort, wo Sie gerade schreiben. Beim Transkribieren wird eine bereits vorhandene Aufnahme in Text umgewandelt, meist mit mehr als einem Sprecher.
Was ist eine gute Wortfehlerrate?
Das hängt vom Audio ab, weshalb eine einzelne Zahl irreführend ist. Bei klarer Sprache liegen die besten aktuellen Modelle bei etwa 2–3 %, also ist ungefähr jedes vierzigste Wort falsch. Schwieriges Audio – durcheinandersprechende Personen, starke Akzente, ein schlechter Raum – ist für jedes System deutlich schwerer.