Aus Ton wird Text

Wie lange es dauert

• Ihr Gerät: Die Erkennung rechnet auf Ihrem Gerät, nicht auf unserem Server. Kann der Browser den Grafikchip nutzen (meist in Chrome und Edge), geht es deutlich schneller als nur mit dem Prozessor. Ältere Rechner, Handys und Tablets brauchen spürbar länger.
• Das Modell: „Schnell“ ist flotter, „Genau“ macht weniger Fehler.
• Der erste Start: Beim ersten Mal lädt Ihr Browser das Sprachmodell herunter (ungefähr 58 bzw. 158 MB). Danach liegt es im Zwischenspeicher. In einem privaten Fenster wird es beim Schließen verworfen und beim nächsten Mal neu geladen.
• Die Länge: Am Rechner gehen höchstens 120 Minuten, auf Handy und Tablet höchstens 20 Minuten. Längere Aufnahmen bitte vorher teilen.

Damit es durchläuft

• Lassen Sie den Tab geöffnet und im Vordergrund. Browser bremsen Tabs im Hintergrund stark.
• Auf Handy und Tablet: nicht die App wechseln und das Gerät nicht sperren. Sonst kann der Browser die Seite anhalten oder neu laden, und der Text ist weg.
• Am Laptop das Netzteil anschließen und andere große Programme oder viele Tabs schließen. Das gibt der Erkennung mehr Rechenleistung und Arbeitsspeicher.

Wenn es nicht geklappt hat

• „Die Datei ließ sich nicht öffnen“: Nicht jeder Browser kann jedes Format entpacken, vor allem manche Videoformate. Wandeln Sie die Datei in MP3, M4A oder WAV um oder versuchen Sie einen anderen Browser.
• Abbruch mittendrin: Der bisher erkannte Text bleibt erhalten. Der Transkripteur versucht selbst weiterzumachen und wechselt notfalls auf das schnelle Modell. Klappt es dann noch nicht: Text sichern, Seite neu laden, das schnelle Modell wählen oder die Aufnahme in kürzere Teile teilen.
• Kein Text oder Lücken: Stille, sehr leise Stellen und Musik werden übersprungen. Besser klappt es, wenn nah am Mikrofon und mit wenig Nebengeräuschen gesprochen wird.
• Unsinn oder fremde Sprache: Stellen Sie die Sprache der Aufnahme fest ein, statt sie automatisch erkennen zu lassen.
• Fehler im Text: Namen, Fachbegriffe, Dialekt und Durcheinanderreden erkennt die Spracherkennung oft falsch. Sprecher*innen unterscheidet sie nicht.
• Immer noch ratlos? Unter „Technische Details“ steht ein Protokoll. Es enthält den Dateinamen und Angaben zu Browser und Gerät, aber weder Ton noch Text. Sie können es kopieren und mitschicken, wenn Sie um Hilfe bitten.