Apples neue Spracherkennung macht Hoffnung auf bessere Diktate

Die Spracherkennung auf iPhone und Mac ist in den vergangenen Jahren schrittweise leistungsfähiger geworden. Mit SpeechAnalyzer hat Apple die technische Grundlage für Diktate, Untertitel und automatische Transkriptionen erneut überarbeitet. Ein Vergleich von den Machern der Transkriptions-App „Inscribe“ zeigt, dass das neue System deutlich weniger Fehler macht als Apples bisherige Lösung.

Apple verschriftlicht Sprache schnell und lokal

Für den Test ließen die Inscribe-Entwickler mehrere Tausend Sprachaufnahmen von verschiedenen Systemen in Text umwandeln. Apples SpeechAnalyzer erkannte dabei mehr Wörter korrekt als die bisherige Lösung und die ebenfalls getesteten Varianten von Whisper, einem weitverbreiteten Modell für automatische Transkriptionen. Zugleich arbeitete Apples Technik schneller.

Inscribe ist eine Anwendung für iPhone, iPad und Mac, die Sprachaufnahmen direkt auf dem Gerät verarbeitet. Die Dateien müssen dafür nicht an einen externen Dienst übertragen werden. Nach den Testergebnissen bevorzugt die App nun Apples SpeechAnalyzer, sofern die passende Sprache unterstützt wird. Für andere Fälle bleibt Whisper verfügbar.

Die Wort-Fehler-Rate (WER) im Vergleich. Geringere Werte sind besser.

Der Vergleich stammt allerdings von einem Anbieter, der die Technik selbst in seinem Produkt verwendet. Die Ergebnisse lassen sich deshalb nicht ohne Weiteres auf jedes Diktat übertragen. Gespräche mit mehreren Personen, Dialekte, Eigennamen, Hintergrundgeräusche und Fachbegriffe können eine Spracherkennung weiterhin überfordern. Auch neuere Konkurrenzmodelle wie Parakeet wurden in dem Test nicht berücksichtigt.

Zwischen Fortschritt und Frust beim Diktieren

Auf dem iPhone zeigt sich schon länger, dass gute Spracherkennung nicht allein von der Zahl korrekt verstandener Wörter abhängt. Entscheidend ist auch, ob Satzzeichen, Namen und der Zusammenhang richtig erfasst werden. Gerade bei Nachrichten oder längeren Texten können kleine Fehler den Nutzen schnell schmälern.

Parallel zu den Fortschritten entsteht bei manchen Anwendern der Eindruck, dass deutsche Sprachdiktate zuletzt unzuverlässiger geworden sind. Wörter werden nicht erkannt, nachträglich verändert oder durch unpassende Begriffe ersetzt. Die lokale Verarbeitung Apples bleibt dennoch ein Vorteil. Sie verkürzt Wartezeiten, reduziert die Übertragung persönlicher Aufnahmen und stellt die Technik mehreren Apps zur Verfügung. Entwickler müssen kein eigenes großes Sprachmodell in jede Anwendung einbauen. Davon können auch Live Untertitel und Bedienungshilfen profitieren.

• Notizen: iPhone-Live-Transkripte ersetzen separate Mitschnitt-Apps

Mit iOS 27 soll Apple seine Sprachmodelle erneut überarbeiten. Damit verbindet sich die Hoffnung, dass nicht nur Messwerte steigen, sondern auch deutsche Diktate wieder zuverlässiger funktionieren. Ob dies gelingt, wird sich vor allem bei Nachrichten, Namen, Dialekten und längeren gesprochenen Texten zeigen.