Kostenlose Spracherkennung für Spanisch

Spanisch wird von rund 500 Millionen Menschen als Muttersprache gesprochen und liegt damit nur hinter dem Mandarin-Chinesischen. Es ist Amtssprache in zwanzig Ländern – Spanien, Äquatorialguinea und achtzehn Staaten Lateinamerikas – sowie in Puerto Rico. Wegen dieser Verbreitung kommen spanische Aufnahmen aus Madrider Redaktionen, Callcentern in Mexiko-Stadt, Podcast-Studios in Buenos Aires und der Feldforschung in den Anden – alle schreiben dieselbe Sprache und keiner spricht sie ganz gleich.

Die spanische Rechtschreibung bildet die Laute sehr genau ab, was den größten Teil der Schwierigkeit anderswohin verschiebt: auf die Zeichen. Der Akzent (die tilde) ist keine Zierde, er trägt Bedeutung. Papá ist Papa und papa eine Kartoffel; sí heißt ja und si heißt wenn; término, termino und terminó sind ein Substantiv, eine erste und eine dritte Person, getrennt allein durch die Stelle des Akzents. Das ñ ist ein eigenständiger Buchstabe und kein n mit Hütchen – año ist ein Jahr, ano nicht. ConvertSpeech schreibt all das, und genau das trennt lesbares Spanisch von abgespeckter Maschinenausgabe.

Dann sind da die umgekehrten Satzzeichen. Spanisch eröffnet eine Frage mit ¿ und einen Ausruf mit ¡ – und zwar dort, wo die Frage tatsächlich beginnt, was oft mitten im Satz ist statt an seinem Anfang. Das wiegt im Spanischen schwerer, als die Symmetrie vermuten lässt: Die Wortstellung unterscheidet Frage und Aussage häufig nicht – „tienes hambre" und „¿tienes hambre?" sind dieselben Wörter –, und erst die Zeichen sagen der Leserin, worum es sich handelt. Das Beispieltranskript weiter unten zeigt, wie die Engine ein ¿ mitten im Satz nach einem Komma setzt, genau dort, wo es auch ein menschlicher Redakteur setzen würde.

Die Aussprache legt eine letzte Schicht darauf, die auch sauberstes Audio nicht entfernt. Sprecher mit Seseo sprechen casa und caza identisch aus, der Yeísmo macht cayó und calló zum selben Laut, b und v sind im Spanischen ein Laut, und h ist stumm – ob also tuvo oder tubo, ob haya, halla oder aya geschrieben wird, entscheidet allein der Kontext. Laden Sie Ihre Audio- oder Videodatei hoch, und die Engine schreibt das gesprochene Spanisch 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.

Bemerkenswert: Die erste Zeile endet mit ¿por qué no ministro?, und das ¿ wird mitten im Satz nach einem Komma geöffnet – genau dort, wo die Frage beginnt, und nicht am Satzanfang. Das ist die Regel, die automatisch erzeugtes Spanisch am häufigsten verfehlt. Die direkte Rede beginnt mit «¡Mia tú, und die Engine hat sich von selbst für spanische Winkelanführungszeichen und das umgekehrte Ausrufezeichen entschieden. Die Akzente sitzen dort, wo sie das Wort verändern: tú und quién in ¿Sabes tú quién tiene la culpa? sind gesetzt, das unbetonte tu in a tu abuela nicht. Sacristán, había, llegaría, quizá, célebre, compañero, ponía, empeños, mamá und tías kommen alle korrekt heraus. Fehlerfrei ist es nicht – der Junge heißt im Roman Cadalso, das Transkript schreibt Carso, aus der Pfarrei Monserrat wird Monserrate, und bei Eigennamen rutscht ein spanisches Transkript zuerst ab.

Das ist sorgfältiges, klar artikuliertes Vorlesen – näher an einer Vorlesung oder einem Diktat als an echtem Gespräch. Ein lautes Café-Interview, in dem drei Personen durcheinanderreden, oder ein schneller karibischer Sprecher, der jedes silbenauslautende s verschluckt, wird nicht so sauber herauskommen; das schafft kein automatisches System. Die letzte Zeile bricht außerdem mitten im Satz ab, weil dort schlicht die 45 Sekunden enden. Die Aufnahmequalität bleibt der wichtigste Einzelfaktor für das Ergebnis.

Das europäische (kastilische) Spanisch bewahrt eine Unterscheidung, die der Großteil der spanischsprachigen Welt verloren hat: c vor e oder i sowie z werden als /θ/ gesprochen, also wie das englische „th" in think – casa und caza sind damit nicht nur auf dem Papier, sondern auch fürs Ohr verschiedene Wörter. Der Fachbegriff dafür lautet distinción, nicht ceceo: Ceceo ist die umgekehrte Zusammenlegung, bei der /s/ selbst als /θ/ realisiert wird, und ein regionales Merkmal von Teilen Andalusiens, nicht die spanische Norm. Im iberischen Spanisch begegnen Ihnen außerdem vosotros und die zugehörigen Verbendungen – habláis, tenéis, sois, vosotros os –, die in lateinamerikanischen Aufnahmen schlicht nicht vorkommen.

Das mexikanische Spanisch ist nach Sprecherzahl die größte Einzelvariante und eine der unkompliziertesten für die Transkription: Das silbenauslautende s bleibt deutlich hörbar, und der Rhythmus ist gleichmäßig. Einen zweiten Blick verdienen Wortschatz und Ortsnamen aus dem Nahuatl – elote, popote, chamaco, guajolote – sowie der Buchstabe x, der in México, Oaxaca und Xalapa wie ein j klingt, in taxi aber als /ks/ und in Xochimilco als „sch". Nichts davon lässt sich aus der Schreibung ableiten, deshalb lohnen Eigennamen einen Kontrollblick.

Das Rioplatense-Spanisch rund um Buenos Aires und Montevideo hat zwei Merkmale, die den Text selbst verändern. Der Voseo ersetzt tú durch vos und bringt eigene Verbformen mit – vos hablás, vos tenés, vos sos sowie Imperative wie vení, mirá, decime –, und das ist korrektes Spanisch und kein Fehler, der zu tú eres normalisiert werden müsste. Das zweite ist der Žeísmo: ll und y werden als „sch"- oder „dsch"-Laut gesprochen, sodass calle wie „cashe" und yo wie „sho" klingt. Die Engine transkribiert, welche Wörter es sind, nicht wie sie ausgesprochen wurden – die Ausgabe bleibt also in der Standardrechtschreibung.

Das karibische Spanisch – Kuba, Puerto Rico, die Dominikanische Republik sowie die Küsten Venezuelas und Kolumbiens – ist für jedes automatische System die schwierigste Gruppe, und das aus einem ehrlichen Grund. Silbenauslautendes s wird zu einem h behaucht oder ganz weggelassen, sodass aus los dos „loh doh" wird und las casas identisch mit la casa klingen kann. Weil genau dieses s den Plural markiert, muss die Engine grammatische Information rekonstruieren, die nie ausgesprochen wurde – allein aus dem Kontext. Endkonsonanten schwächen sich ab, para verkürzt sich zu pa, und das Tempo ist hoch. Klares Audio hilft hier mehr als irgendwo sonst.

Das Andenspanisch im Hochland von Peru, Bolivien und Ecuador steht am anderen Ende: Es ist konservativ, das silbenauslautende s bleibt erhalten, und in Teilen der Region lebt die alte Unterscheidung von ll und y, die der Yeísmo anderswo getilgt hat, noch fort. Die Schwierigkeit liegt hier im Wortschatz statt im Klang – Lehnwörter und Ortsnamen aus dem Quechua und Aymara durchziehen die Alltagssprache, und zweisprachige Sprecher können Vokalmuster aus diesen Sprachen zeigen. Das chilenische Spanisch verdient eine eigene Warnung: schnell, stark behaucht, mit zusammengezogenen Verbendungen wie ¿cachái? und ¿estái?, gehört es zu den anspruchsvollsten Varianten überhaupt.