Was ist automatische Spracherkennung? Oft ASR abgekürzt, ist sie die Technik, die Wörter in gesprochenem Audio automatisch erkennt, ohne dass ein Mensch sie tippt. Das Ergebnis ist reiner Text, manchmal mit Zeitmarken. Die Genauigkeit hängt stark von Aufnahmequalität, Akzenten und gesprochener Sprache ab.
Aufnahme transkribieren
Senden Sie Ihre Sprachnachricht, Audio- oder Videodatei an @potok_now_bot in Telegram, und der Text kommt im Chat zurück.
@potok_now_bot in Telegram öffnen
Dateien bis 2 GB · Export als TXT, MD, DOCX, PDF, SRT und VTT · Sprecherkennzeichnung und Zeitmarken · rund 30 Sprachen
Wichtige Fakten
- Moderne ASR-Systeme sind neuronale Netze, die mit großen Sammlungen von Aufnahmen samt zugehörigen Transkripten trainiert wurden.
- ASR heißt auch Speech-to-Text. Beide Namen beschreiben denselben Schritt, Ton in geschriebene Wörter umzuwandeln.
- Systeme werden mit der Wortfehlerrate verglichen, einer Zählung falscher, fehlender und überzähliger Wörter gegenüber einem Referenztext.
- Zusatzschritte wie Zeichensetzung, Sprecherkennungen und Zahlenformatierung kommen oft nach der eigentlichen Erkennung hinzu.
- Dieselbe Engine kann sich bei einem Studiomikrofon und bei einem Handy quer über einem lauten Tisch sehr unterschiedlich verhalten.
So sieht es aus
audio -> features -> acoustic + language model -> text
example result:
{
"text": "the meeting starts at nine",
"segments": [
{"start": 0.0, "end": 2.4, "text": "the meeting starts at nine"}
]
}
Mehr
Sehen Sie sich die vollständige Liste der Sprachen, die Werkzeuge und das Glossar an.
Häufige Fragen
Ist ASR dasselbe wie Speech-to-Text?
Im Alltag ja. ASR ist der Fachname für den Vorgang, Speech-to-Text die schlichtere Bezeichnung für dieselbe Aufgabe und ihr Ergebnis.
Versteht ASR die Bedeutung?
Nicht im menschlichen Sinn. Es sagt die wahrscheinlichsten Wörter zu den gehörten Lauten voraus und kann daher ein falsches Wort schreiben, das richtig klingt.
Was verschlechtert ASR-Ergebnisse?
Hintergrundgeräusche, überlappende Stimmen, starke Akzente, schlechte Mikrofone und seltene Namen senken die Genauigkeit. Die größte einzelne Hilfe ist eine saubere Aufnahme.
Wie wird die ASR-Qualität gemessen?
Meist mit der Wortfehlerrate, bei Sprachen ohne Leerzeichen mit der Zeichenfehlerrate. Beide vergleichen die Ausgabe mit einem menschlichen Referenztext.
Wie nutze ich ASR für eine Aufnahme?
Senden Sie die Datei an den Bot von Potok in Telegram. Sprachnachrichten, Audio- und Videodateien bis 2 GB werden angenommen, der Text kommt als Nachricht oder Datei zurück.
Quellen
Jede Quelle wurde am angegebenen Datum von Hand geöffnet. Seiten ändern sich, öffnen Sie die Quelle also, wenn Ihnen ein Detail wichtig ist.
- Speech recognition (Wikipedia), Wikipedia · geprüft
- Word error rate (Wikipedia), Wikipedia · geprüft
Probieren Sie es mit Ihrer eigenen Aufnahme aus
Senden Sie Ihre Sprachnachricht, Audio- oder Videodatei an @potok_now_bot in Telegram, und der Text kommt im Chat zurück.
@potok_now_bot in Telegram öffnen