Transkriptqualität verstehen

Warum Sprecherlabels und Text manchmal ungenau sind, was die Konfidenz-Markierung bedeutet und was die Qualität wirklich verbessert.

Die Transkriptqualität hängt vor allem vom Ausgangsmaterial ab: Klares Audio liefert genauen Text und saubere Sprechertrennung. Bei Lärm oder Durcheinanderreden entstehen dagegen Schätzungen. Wer die Schwachstellen kennt, weiß, welche Stellen eine Prüfung brauchen.

Wie genau kann ein Transkript sein?

Keine Aufnahme vor Ort ist perfekt, und deshalb ist auch kein Transkript davon fehlerfrei. Im Raum nimmt jedes Mikrofon auch andere Stimmen, Hall und Hintergrundgeräusche auf, und Menschen sprechen durcheinander. Solange nicht jede teilnehmende Person in ein eigenes Mikrofon spricht (wie in einer Videokonferenz, in der jede Person ihren eigenen Audiokanal hat), ist perfekter Ton praktisch nicht möglich, und damit auch ein makelloses Transkript.

Auch die beste Spracherkennung macht Fehler:

Klare Sprache: Bei klaren Aufnahmen einer einzelnen sprechenden Person erkennen die besten heutigen Systeme in weit verbreiteten Sprachen wie Englisch, Deutsch, Spanisch oder Französisch etwa 1 bis 3 von 100 Wörtern falsch.
Gruppengespräche: Bei lebhaften Gruppengesprächen, die mit Raummikrofonen aufgenommen werden, liegen die Fehlerraten deutlich höher. In internationalen Forschungswettbewerben zu genau dieser Aufgabe erkennen selbst die besten Systeme etwa jedes fünfte Wort falsch oder ordnen es der falschen Person zu, bei den schwierigsten Aufnahmen, etwa Gesprächen am Esstisch, etwa jedes dritte.
Das Mikrofon: In einem veröffentlichten Vergleich derselben Besprechungen machte ein System mit einem einzelnen Mikrofon auf dem Tisch etwa doppelt so viele Fehler wie mit einem Mikrofon, das jede sprechende Person am Körper trug (36 statt 17 von 100 Wörtern).
Die Sprache: Spracherkennung lernt aus aufgenommener Sprache, und für manche Sprachen gibt es davon weit mehr als für andere. Sprachen mit vielen Trainingsdaten werden deutlich besser erkannt als Sprachen mit wenigen.

Was deliberAIde dagegen tut: Nach jedem Beitrag erkennt deliberAIde den Abschnitt ein zweites Mal, gründlicher, und korrigiert die Fehler, die es dabei findet. Einige Fehler bleiben trotzdem. Prüfen Sie deshalb Zitate, Namen und Zahlen, bevor Sie sie veröffentlichen.

Warum es sich trotzdem lohnt: Menschen sprechen etwa drei- bis viermal so schnell, wie man im Durchschnitt tippt. Wer mitschreibt, muss deshalb auswählen, und vieles geht verloren oder wird nur sinngemäß festgehalten. Ein Transkript hält, auch mit einigen Fehlern, die ganze Diskussion fest, nicht nur das, was jemand mitschreiben konnte. Zusammen mit der KI-gestützten Auswertung erfasst das unserer Überzeugung nach deutlich mehr Stimmen, Ideen und Perspektiven, als eine Person beim Mitschreiben allein könnte. Spracherkennung wird ständig besser, und wir aktualisieren deliberAIde entsprechend.

Sprecherlabels

deliberAIde trennt Stimmen automatisch und nummeriert sie, etwa als "Sprecher 1". Bei Zwischenrufen oder ähnlichen Stimmen landet ein Segment manchmal beim falschen Sprecher. Zum Umbenennen klicken Sie auf den Sprechernamen an einem Segment. Geben Sie den echten Namen ein und drücken Sie Enter. Der Name gilt für alle Segmente dieser Person und für neue Segmente. Echte Namen machen auch die Redeanteile in Insights lesbar.

Den Text selbst korrigieren

Sie können auch die Worte in einem Segment korrigieren, nicht nur den Sprecher. Fahren Sie mit der Maus über ein Segment, klicken Sie auf Bearbeiten, ändern Sie den Text und drücken Sie Enter zum Speichern. Original- und Übersetzungstext bearbeiten Sie getrennt: Bei übersetzten Diskussionen korrigieren Sie über den Umschalter Original und Übersetzt über dem Transkript jede Fassung einzeln.

Segmente mit niedriger Konfidenz

Beim Hochladen eines schriftlichen Transkripts fasst die Formatprüfung das Ergebnis zusammen: Segmente, erkannte Sprecher, Zeitstempel. Unsichere Zeilen markiert die Zusammenfassung als Segmente mit niedriger Konfidenz. Prüfen Sie genau diese Stellen in der Vorschau, bevor Sie fortfahren. Korrigieren Sie die Quelldatei, wenn diese Stellen wichtig sind. Welche Formate sauber eingelesen werden, zeigt Text-Transkripte hochladen.

Was die Qualität verbessert

Der größte Hebel liegt vor der Aufnahme, nicht danach:

Nutzen Sie ein gutes Mikrofon nah an den Sprechenden — siehe Audio- und Geräte-Setup für Vor-Ort-Veranstaltungen.
Reduzieren Sie Hintergrundlärm und Hall, wo es geht.
Bitten Sie darum, nacheinander zu sprechen. Überlappungen sind die Hauptursache falscher Sprecherlabels.

Im Nachhinein lohnen sich vor allem zwei Korrekturen: Sprecher umbenennen und die Quelldatei eines Uploads verbessern.