Ein Transkriptions-Tool hat beim Verstehen im Prinzip die gleichen Schwierigkeiten wie ein Mensch. Bei einigen dieser Schwierigkeiten können Sie direkten Einfluss nehmen. Je besser der Input in das Tool, desto besser auch der Output, den Sie erhalten. Und auf der anderen Seite gilt natürlich auch: Garbage in – Garbage out.
Tipp 1: Hochdeutsch sprechen
Viele moderne Sprachtools «können» zwar Schweizerdeutsch, machen darin aber deutlich mehr Fehler als in Hochdeutsch. Einerseits weil sie schlicht nicht so gut darin sind, andererseits aber auch weil für das Transkript jeweils auf Hochdeutsch «übersetzt» wird. Generell lässt sich sagen: Je grösser und dialektfreier die Sprache, desto besser die Transkriptionen.
Tipp 2: Mikrofone richtig verwenden
Ein 150-Franken-Mikrofon liefert bessere Qualität wie ein 15-Franken-Mikrofon. Gleichermassen funktioniert ein Richtmikrofon für Einzelpersonen besser als ein Tischmikrofon, das eher für Gruppen geeignet ist. Wenn Sie ein Mikrofon verwenden, sollten Sie darüber wissen:
- Wo wird reingesprochen (z.B. frontal, seitlich)
- Wo lieg der Fokus des Mikrofons (z.B. nach vorne gerichtet, rundherum)
- Wie nah oder weit sollte es sein (z.B. direkt am Mund, irgendwo im Raum)
- Wie wird das Signal übertragen (z.B. Kabel, Bluetooth)
Damit können Sie schon sehr gut abschätzen, wie das Mikrofon in welcher Situation reagieren wird, und ob es für Ihre Zwecke passend ist. Für Transkriptionen sind Mikrofone nahe am Mund tendenziell besser geeignet als Raummikrofone. Siehe dazu auch Tipp 5.
Tipp 3: Störgeräusche reduzieren
Wird das Gesprochene von Lärm übertönt, kann auch die beste KI nichts mehr transkribieren. Schwierig sind vor allem Hintergrundgeräusche, die vom Computer nur schwer als solche erkannt werden. Klassische Beispiele: Musik in der gleichen Sprache wie die Konversation, oder Hintergrundgespräche anderer Personen.
Beim Reduzieren der Störgeräusche kann man an verschiedenen Orten ansetzen. Zunächst kann man möglicherweise die Störgeräusche selbst leiser machen, wenn man beispielsweise Hintergrundmusik steuern kann. Dann kann ein gut platziertes Mikrofon (z.B. ein Ansteck-Mikrofon am Sprecher) viel Hintergrund filtern. Erst zuletzt sollte man auf Software-Lösungen setzen, da diese nur begrenzt filtern können und bei grösseren Korrekturen die Tonqualität verschlechtern.
Tipp 4: Sprache anpassen
Auch hier sind es Schwierigkeiten, die wir als Menschen auch schon kennen, welche die automatische Transkription durcheinanderbringen: undeutliche Aussprache, zu leise Stimme, starke Dialekte oder Akzente, übermässige Fremd- oder Fachwörter, wenn es auch ohne ginge. Eine saubere, klare Sprache hilft für gute Untertitel enorm. Das heisst nicht, dass man unnatürlich einfach oder langsam sprechen muss. Eine durchschnittlich angepasste Sprache reicht vollends. Steuern können Sie das natürlich nur begrenzt.
Tipp 5: In Gruppen anpassen
Eine grosse Schwäche automatischer Transkriptionen ist der Umgang mit mehreren Sprecher:innen. Die meisten Tools können nicht erkennen, ob mehrere Personen sprechen und was welche Person gesagt hat. Einige Tools verfallen dann in eine Art Schockstarre und hören komplett mit Transkribieren auf, andere transkribieren einfach jedes Wort und mischen diese zu einem Kauderwelsch zusammen. Dafür gibt es gewisse technische Lösungen, wie etwa die farbcodierten Mikrofone von SpeakSee, die allerdings eher teuer sind. Einfacher ist die soziale Lösung: Sprechen Sie das Thema mit ihrer Gruppe an und achten Sie kollektiv darauf, dass nicht mehr als eine Person gleichzeitig spricht.
Wie schlagen sich aktuelle Transkriptions-Tools in der Praxis? Wir haben die neusten Produkte getestet. Hier geht es zum Bericht.
Für wirklich wichtige Gespräche reichen automatische Tools derzeit nicht aus. Wir empfehlen dafür unsere Schriftdolmetscher:innen.