Spracherkennung wandelt Sprache in Text um. Zum Diktieren zählt vor allem, wie gut sie Deutsch versteht und wo Ihr Audio verarbeitet wird.
Spracherkennung, einfach erklärt
Das Mikrofon nimmt Ihre Stimme auf. Die Software zerlegt das Audio in kurze Abschnitte und ein trainiertes Modell berechnet, welche Wörter am wahrscheinlichsten gemeint sind. Heutige Modelle erkennen dabei nicht nur einzelne Wörter, sondern ganze Sätze im Zusammenhang. Deshalb verstehen sie auch schnell gesprochene Sprache und gängige Fachbegriffe.
Moderne Diktier-Apps hängen einen zweiten Schritt an. Ein Sprachmodell liest den erkannten Text und bringt ihn in Form: Satzzeichen, Groß- und Kleinschreibung, Absätze, keine Füllwörter.
Lokal oder in der Cloud
Die wichtigste Frage für Unternehmen ist, wo die Erkennung läuft.
- In der Cloud: Das Audio geht an einen Server, dort wird es erkannt. Das ist der Normalfall, etwa bei Wispr Flow und der Windows-Spracheingabe. Achten Sie auf den Serverstandort und darauf, ob Aufnahmen gespeichert werden.
- Auf dem Gerät: Das Modell läuft auf Ihrem Rechner, das Audio verlässt ihn nicht. Das bieten zum Beispiel der Privacy Mode von Voicely und die lokalen Modelle von Superwhisper.
Bei Voicely gilt: Im Standardmodus geht das Audio an einen EU-Endpunkt zur Transkription und wird danach verworfen. Im Privacy Mode läuft die Spracherkennung ausschließlich auf dem Gerät.
Spracherkennung für das Diktieren auswählen
| Kriterium | Worauf Sie achten |
|---|---|
| Einsatzort | Funktioniert sie in jedem Programm oder nur in einer App? |
| Sprache | Versteht sie Deutsch mit Ihren Fachbegriffen, Namen und englischen Einschüben? |
| Nachbearbeitung | Setzt sie Satzzeichen und entfernt Füllwörter selbst? |
| Datenschutz | Wo wird das Audio verarbeitet, wird es gespeichert, gibt es einen lokalen Modus? |
| Kosten | Gibt es eine Gratisstufe zum Testen, was kostet das Jahr? |