Spracherkennung auf dem eigenen Rechner

Für die Umwandlung von Sprache in Text gibt es freie Modelle, die auf einem gewöhnlichen Rechner mit Grafikkarte laufen. Damit lässt sich eine Besprechungsaufnahme im Haus verarbeiten, statt sie an einen Dienst zu schicken.

Was das praktisch heißt

Eine Stunde Aufnahme braucht auf einer aktuellen Grafikkarte wenige Minuten. Der Text ist danach vollständig, aber ungegliedert. Es fehlen Absätze, Sprecherzuordnung und Struktur. Aus diesem Rohtext ein brauchbares Protokoll zu machen, ist der zweite Schritt.

Wo es gut funktioniert

• Eine Person spricht, andere hören zu.
• Ein ordentliches Mikrofon im Raum, nicht das eingebaute im Laptop.
• Hochdeutsch oder leichter Dialekt.

Wo es schlechter wird

• Mehrere Personen sprechen gleichzeitig.
• Fachbegriffe und Eigennamen, die das Modell nicht kennt.
• Starker Dialekt.

Einordnung

Ein automatisch erzeugtes Protokoll ist ein Entwurf. Es nimmt die Arbeit des Mitschreibens ab, nicht die des Prüfens. Wer es ungelesen verschickt, verschickt irgendwann eine falsche Zahl.