Kostenlose Spracherkennung für Deutsch

Deutsch ist mit rund 95 Millionen Muttersprachlern die meistgesprochene Muttersprache in der Europäischen Union. Es ist Amtssprache in Deutschland, Österreich, der Schweiz, Liechtenstein und Luxemburg sowie in Teilen Belgiens und Italiens – deutsche Aufnahmen entstehen daher überall, von Berliner Redaktionen bis zu Zürcher Konferenzräumen.

Deutsch stellt eine Spracherkennung zugleich vor ganz eigene Aufgaben. Substantive werden großgeschrieben, und ein Transkript, das das nicht hinbekommt, ist sofort als Maschinenausgabe erkennbar – ConvertSpeech schreibt sie korrekt. Komposita entstehen durch Verschmelzen statt durch Trennen, sodass ein einziges gesprochenes Wort als Rechtsschutzversicherung oder Lebensmittelunverträglichkeit ankommt und auch zusammengeschrieben werden muss. Und gesprochene Zahlen unter hundert laufen rückwärts: einundzwanzig heißt wörtlich „eins und zwanzig", weshalb ein naives System aus 21 schnell eine 12 macht.

Dazu kommt das ß. Es existiert in Deutschland und Österreich, nicht aber in der Schweiz, wo durchgängig ss geschrieben wird – derselbe Satz wird also je nach Herkunft der sprechenden Person unterschiedlich geschrieben. Unsere Engine folgt der Konvention der Aufnahme, statt einen Standard zu erzwingen. Deshalb bewahrt das Beispieltranskript weiter unten die ältere Schreibung daß genau so, wie sie vorgelesen wurde.

Laden Sie Ihre Audio- oder Videodatei hoch, und die Engine schreibt das gesprochene Deutsch als sauberen, durchsuchbaren Text mit Zeichensetzung nieder. Alles läuft im Browser, ohne Installation, und die ersten Minuten sind kostenlos, ganz ohne Konto.

Dies ist eine echte 45-Sekunden-Aufnahme eines menschlichen Sprechers, durch unsere KI-Engine geschickt – genau so, wie Sie Ihre eigene Datei verarbeiten würden. Nichts wurde nachträglich korrigiert. Drücken Sie auf Play und lesen Sie mit.

Besonders bemerkenswert: Die russischen Namen Abraham Petrowitsch Hannibal und Katharina kommen korrekt heraus, der französische Rang en chef bleibt französisch, statt eingedeutscht zu werden, und die historische Schreibung daß bleibt erhalten, statt zu dass modernisiert zu werden. Achtzehn und zweiundneunzigsten bleiben ausgeschrieben, so wie sie gesprochen wurden.

Das ist sorgfältiges, klar artikuliertes Vorlesen – nah an einer Vorlesung oder einem Diktat. Ein lautes Café-Interview, in dem drei Personen durcheinanderreden, wird nicht so sauber herauskommen; das schafft kein automatisches System. Die Aufnahmequalität bleibt der wichtigste Einzelfaktor für das Ergebnis.

Standarddeutsch (Hochdeutsch) ist die Sprache der meisten Rundfunk-, Business- und Wissenschaftsaufnahmen – und genau darauf ist ConvertSpeech abgestimmt. Das in Deutschland, Österreich und der Schweiz gesprochene Standarddeutsch wird zuverlässig erkannt.

Deutsch kennt zudem starke regionale Unterschiede: Bairisch und österreichisches Deutsch im Süden, Schweizerdeutsch in der Schweiz und Plattdeutsch im Norden. Vor allem Schweizerdeutsch weicht so weit vom Standarddeutschen ab, dass ausgeprägter Dialekt jedes automatische System vor Herausforderungen stellt – es ist eher eine Gruppe alemannischer Dialekte als ein Akzent, mit eigenem Wortschatz und eigenem Vokalsystem. Bei stark dialektalen Aufnahmen sollten Sie damit rechnen, dass das Transkript die Aussage in standarddeutscher Rechtschreibung wiedergibt, statt den Dialekt nachzubilden.

Österreichisches Deutsch liegt deutlich näher am Standard und wird gut transkribiert, mit gelegentlichen Ausrutschern bei ausgeprägt österreichischem Wortschatz – Jänner statt Januar, Erdäpfel statt Kartoffeln, Sackerl statt Tüte. Diese Stellen lohnen beim Korrekturlesen einen kurzen Blick.