#audiotranskription

Der Transkriptionssoftware wurden Manieren programmiert

Ich öffne die Textdatei mit dem Transkript eines Interviews, das ich vor einiger Zeit geführt habe, um mir den Inhalt ins Gedächtnis zu rufen. Das Transkript hat die Videokonferenz-Software Microsoft Teams, in der das Gespräch stattgefunden hat, automatisch angefertigt.

Beim Lesen treffe ich plötzlich auf eine Reihe von Sternchen. Wie gewünscht hat die Person, mit der ich gesprochen habe, sehr offen über ihre Arbeit erzählt. Beim Bericht über Aspekte eines Projektes, die nicht so gut gelaufen sind, hat sie einen Ausdruck aus der Fäkalsprache benutzt. Offenbar wurde die Transkriptionssoftware darauf programmiert, solch unflätige Begriffe nicht auszuschreiben, sondern in Sternchen umzuwandeln.

Ich nehme das schmunzelnd zur Kenntnis, habe aber sofort Anwendungen vor Augen, bei denen diese Funktion Probleme bereiten könnte. Müssen beispielsweise Fäkalsprach-Forschende ihre Interviews von Hand transkribieren, um alle Details erfassen zu können?

Ich kann kein Russisch, aber...

In der angespannten Lage um die Ukraine und Russland und den Westen verfolge ich akribisch die Entwicklung – nicht nur aus politischem Interesse, sondern auch aus beruflichen Gründen. Nach einem mit Spannung erwarteten Telefonat von US-Präsident Joe Biden und dem russischen Präsidenten Wladimir Putin möchte ich natürlich, wie viele, genauer wissen, was da eigentlich besprochen wurde.

Das Weiße Haus veröffentlicht recht schnell eine Zusammenfassung. Der Kreml hingegen publiziert, durchaus ungewöhnlich, das Audio eines Briefings von Putin-Berater Juri Uschakow. Auf Russisch. 

Ich kann kein Russisch. Und der übliche Weg, einen russischen Text durch eine Übersetzungs-Software laufen zu lassen, fällt erstmal weg. Weil es ja keinen Text gibt, sondern eine Audiodatei.

Ich frage im Techniktagebuch-Redaktionschat, ob jemand eine Webseite mit Audio-Transkription kennt, die russische Sprache transkribiert. Kathrin Passig empfiehlt sonix.ai*, und ich probiere das schnell aus: Audio-Datei von der Kreml-Seite herunterladen, bei sonix.ai einen Testaccount erstellen, das Audio hochladen.

* Anmerkung Kathrin Passig: Ich habe das nur schnell gegoogelt und selbst nicht ausprobiert. Dass auch die beiden mir bekannten Tools Trint und Amberscript Russisch verstehen, habe ich erst gemerkt, als Thomas sein Problem schon gelöst hatte.

Nach etwa einer Viertelstunde liegt das Ergebnis vor, und ich bekomme eine russische Textdatei. Die kopiere ich in deepl.com, inzwischen meine bevorzugte Übersetzungssoftware (wenn es nicht um außereuropäische Sprachen geht, die diese Seite nicht kennt). Und nach wenigen Minuten habe ich eine durchaus lesbare deutsche Übersetzung.

Das ging schnell. Aber der Kreml war diesmal auch schneller als erwartet: Kurz nachdem ich das Ergebnis meines mehrstufigen Prozesses vor mir habe, liefert die Kreml-Webseite das russische Transkript. Dann lasse ich, bei solchen Dingen kommt es schon auf Präzision an, doch lieber die offizielle Fassung durch die Übersetzungssoftware laufen.

Allerdings, der spätere Vergleich zeigt: Der Weg Audio-Datei -> Transkript in Originalsprache -> deutsche Übersetzung ist gar nicht so schlecht im Vergleich zum kürzeren Weg von der - vermutlich menschlichen - Transkription zur automatischen Übersetzung. 

Die deutsche Übersetzung des Transkript vom Audio:

Guten Abend. Das Telefongespräch zwischen dem Präsidenten der Russischen Föderation und dem Präsidenten der Vereinigten Staaten wurde soeben beendet. Das Gespräch dauerte etwas mehr als eine Stunde. Es handelte sich um eine Fortsetzung der amerikanisch-russischen Videokonferenzen vom 7. Dezember und der Telefonkontakte vom 30. Dezember. In diesem Moment begannen die beiden Staats- und Regierungschefs mit dem wichtigsten Thema des heutigen Tages, nämlich der Gewährleistung langfristiger, gesetzlich verankerter Sicherheitsgarantien für die Russische Föderation. Das heutige Gespräch fand inmitten einer noch nie dagewesenen Hysterie der US-Beamten über einen angeblich unmittelbar bevorstehenden Einmarsch Russlands in die Ukraine statt. Jeder weiß das. Unter Hinweis auf die Wahrscheinlichkeit eines solchen Katastrophenszenarios hat die US-Seite übrigens um den heutigen Telefonkontakt zwischen den Präsidenten gebeten, obwohl dieser für Anfang nächster Woche geplant war. Insbesondere am Montag hatten wir vor, ähnliche Ersuchen um dringende Telefongespräche mit anderen Mitgliedern der Verwaltung zu stellen, die gestern und heute mit vielen ihrer russischen Amtskollegen gesprochen haben.

Und zum Vergleich die Übersetzung vom russischen Original-Transkript:

Guten Abend! Das Telefongespräch zwischen dem Präsidenten der Russischen Föderation und dem US-Präsidenten ist soeben beendet worden. Das Gespräch dauerte etwas mehr als eine Stunde. Dieses Gespräch war eine Art Fortsetzung der amerikanisch-russischen Gespräche, die am 7. Dezember per Videokonferenz stattfanden, sowie des Telefongesprächs, das am 30. Dezember stattfand. Dann begannen die beiden Staatsoberhäupter mit dem wichtigsten Thema des Tages, nämlich der Bereitstellung langfristiger, rechtlich verankerter Sicherheitsgarantien für die Russische Föderation. Das heutige Gespräch fand inmitten einer noch nie dagewesenen Hysterie der US-Beamten über den angeblich bevorstehenden Einmarsch Russlands in die Ukraine statt, der bekanntlich unmittelbar bevorsteht. Übrigens hat die amerikanische Seite unter Hinweis auf die Wahrscheinlichkeit eines solchen Katastrophenszenarios um das heutige Telefongespräch mit den Präsidenten gebeten, obwohl es für Anfang nächster Woche - Montag, so war unser Plan - vorgesehen war.

Nun kann ich, ich spreche ja kein Russisch, nicht beurteilen, ob da gegebenenfalls das russische Transkript gegenüber dem gesprochenen Wort in der Audio-Datei etwas geglättet wurde. Aber mit dem Ergebnis des - wenn auch etwas umständlich - übersetzten Audios kann ich ganz gut leben. 

Audiotranskription damals (bis 2017) und heute (2017/2018 im Winter)

2014 muss ich ca. 30 Stunden Interviewmaterial transkribieren, d.h. Aufnahmen, die ich während verschiedener Interviews gemacht habe, verschriftlichen. 

In meine Fall handelt es sich um Interviews, die ich für meine Dissertation geführt habe, und die zur Feinanalyse schriftlich vorliegen müssen. Transkription findet aber an vielen Orten statt – prominent natürlich im Journalismus, wenn z.B. Interviews abgedruckt werden. 

Über die professionelle Erstellung – eben z.B. im Printjournalismus – kann ich nichts sagen, aber im Privaten / in der Wissenschaft lief es damals so ab: 

Man besorgt sich möglichst bequeme Kopfhörer, sofern man nicht alleine zuhause arbeitet, 

durchsucht den Markt nach Software, die einem beim Transkribieren hilft, 

wird fündig, setzt sich an den Schreibtisch und legt los.

Die marktübliche Software hilft insofern, dass sie ein Textfeld und einen Audioplayer bietet, in dem sich die Aufnahmen sehr langsam abspielen lassen (beispielsweise 5x so langsam wie das eigentliche Sprechtempo). Außerdem lassen sich viele Shortcuts zum Stoppen, Wiederholen und Weiterspielen programmieren, mit denen man im Idealfall unterbrechungsfrei und zügig arbeiten kann.

Wenn man das alles eingerichtet hat und frohen Mutes begonnen hat, hört man gleich wieder auf und weint ein bisschen, weil man feststellt, dass es einfach eine unglaubliche Arbeit ist:

Dauert es ewig. als LaiIn hat man zu Beginn oftmals eine Quote von vielleicht 1:10, d.h. für eine Minute gesprochenen Text benötigt man 10 Minuten zum Mitschreiben. Das wird mit der Zeit in der Regel schneller, jedoch, abhängig von Sprache, Sprechtempo, Aufnahmequalität und Tippgeschwindigkeit, nur insignifikant (Profis schaffen 1:3, habe ich damals gelesen).

Ist es unglaublich dröge. Stunde um Stunde um Stunde sitzt man da und tippt und kommt ja mit der eigentlichen Arbeit dadurch nicht weiter (natürlich ist die Transkription ein wichtiger Bestandteil, um das Interviewmaterial kennenzulernen, aber es fühlt sich genauso natürlich ab der 20. Minute nur noch an besonders spannenden Stellen danach an).

Kann man nichts nebenher machen. Das ist fast das Härteste. Während viele andere Arbeiten zumindest das Musikhören / Kaffeetrinken / Rauchen nebenbei erlauben, ist man bei der Transkription komplett auf sich gestellt. Der Rechner, die Kopfhörer, das Interview, die Finger auf der Tastatur. Wochenlang. 

Also setzt man sich hin und durchwühlt den Markt nach digitalen und humanen Helferleins. Natürlich gibt es Firmen, die Audiotranskription anbieten, jedoch liegen die Kosten hierfür meist außerhalb des Budgets der/des üblichen DoktorandIn.

Und es gab schon damals Apps, die Speech-to-Text anboten, also gesprochene Sprache in Text umwandelten, jedoch war die Qualität meist so schlecht, dass die Nachbearbeitung des Textes wieder unverhältnismäßig viel Zeit in Anspruch genommen hätte. 

Vor ein paar Wochen geisterte nun ein Link durch mein Internet, der in einem kurzen Video zeigt, dass Google Docs in seinen Tools eine Lösung anbietet. Man spricht Text ein und Google schreibt ihn in das Dokument. Es passiert also genau das, was alle anderen Apps auch anbieten. Aber – und das ist der entscheidende Unterschied – es funktioniert! Und das nicht nur in Englisch, sondern in ganz vielen verschiedenen Sprachen (das Video zeigt Englisch, Deutsch und Mandarin als Beispiele). 

Das ist die Zukunft! Das macht alles einfacher! Ich bin so begeistert, dass ich nicht mal mehr allzu traurig darüber bin, dass ich es erst jetzt gefunden habe, ungefähr drei Jahre nachdem ich diese Software herbeisehnte wie eine Vierjährige Weihnachten.

Meine KI-Assistenz telefoniert mit deiner KI-Assistenz. Auf Analog-Niveau

Zur allgemeinen KI-Aufregung gehört Anfang 2025 das Szenario, dass ein sogenannter „KI-Assistent“ sehr bald Telefonate für uns Menschen erledigen könnte. Aus Gründen gehört das Beispiel „Termin beim Friseur ausmachen“ zu den beliebten Anwendungsbeispielen. In der Folge wird, vor allem in feuilletonistischen Kreisen, spekuliert, dass die Menschen bald gar nicht mehr miteinander sprechen, sondern nur noch ihre Bots miteinander kommunizieren lassen würden. Das wäre dann der Fall, wenn nicht nur ich, sondern auch mein Friseur einen KI-Bot das Telefon bedienen lässt.

Am 4.4.2025 hat nun das erste Mal meine KI mit einer anderen KI gesprochen. Es ist allerdings alles andere als spektakulär gelaufen. Und KI war vermutlich auch nicht im Spiel. Und das geht so: Mein Smartphone bietet ein Google-Funktion namens „Call Screening“. Wenn eine mir unbekannte Nummer anruft, starte ich eine automatische Ansage, die dem Anrufer sinngemäß sagt: „Hallo, sag bitte erstmal, wer Du bist und was Du willst. Ich zeige dem Angerufenen ein Transkript davon. Und er kann dann entscheiden, ob er mit Dir telefonieren will.“ In den bisher ca. zehn Fällen, in denen ich das gemacht habe, hat noch nie jemand etwas drauf gesprochen oder auch nur das Ende der Ansage abgewartet. Nun ist doch mal etwas passiert, sodass ich nach und nach ein Transkript auf dem Smartphone sehen konnte, was die Gegenseite so drauf gesprochen hat.

Am anderen Ende der Leitung sprach, ziemlich sicher, auch eine automatische Ansage, die mir finanziell lukrative Angebote im Krypto-Umfeld in Aussicht stellte. Daraufhin wählte ich sowas wie „Nee, will ich nicht drangehen.“ Woraufhin mein KI-Assistent sich verabschiedete und das Gespräch beendete.

Neben der Unspektakularität der Sache finde ich vor allem bemerkenswert, dass beide Seiten des Anrufs nicht nur keine Anzeichen von Intelligenz zeigten, sondern sogar klassische Telefontechniken des analogen Zeitalters als Vorbild hatten: Mein Bot ist quasi ein Anrufbeantworter mit Live-Verschriftlichung. Und der andere Bot ruft automatisch Rufnummern nacheinander an und spielt eine Standard-Absage ab. Wenn meine oberflächliche Recherche stimmt, ist das Verfahren erstmals vor ungefähr 100 Jahren erprobt worden.

Audiotranskription 2023

Ich möchte den Inhalt eines Podcasts verschriftlichen und frage meine Arbeitskolleg*innen, wie sie Audiodateien transkribieren. "Mit Premiere" ist die vielstimmige Antwort, gemeint ist das Videoschnittprogramm von Adobe. Das verwirrt mich zunächst, denn ich will ja was mit Audio machen, nicht mit Video. Die Verwirrung klärt sich aber schnell: Die Transkriptionsfunktion ist eigentlich dafür da, Videos automatisch mit Untertiteln zu versehen. Man kann das Ergebnis aber auch als .txt oder .csv exportieren und nach Belieben weiterverarbeiten. Das Ergebnis ist sehr gut, das Programm hält die drei Personen, die sich auf Deutsch unterhalten, einwandfrei auseinander und lässt auch nur wenige Wörter aus. Ich wähle diese Technik, weil das Programm auf meinem Arbeitsrechner zur Standardsoftware gehört; viele Transkriptionsdienste sind billiger als das Abonnement für Premiere. Eine weitere Transkriptionsmöglichkeit entdecke ich durch Zufall. Ich bezahle das Unternehmen Dropbox dafür, dass es mir Speicherplatz vermietet. Als ich die Audiodatei im Dropbox-Speicher aus Versehen anklicke, wird sie abgespielt und automatisch transkribiert. Auch hier ist die Texterkennung sehr gut, aber das Transkript erscheint als durchgehender Text, es wird nicht zwischen den Sprechern unterschieden. Der Dienst steht nur zahlenden Kunden zur Verfügung, in der Kostenlos-Variante des Programmes gibt es ihn nicht. Wie ich auf Google Pinpoint aufmerksam werden, weiß ich nicht mehr. Der Dienst soll Journalisten helfen, große Datenmengen zu organisieren und zu analysieren. Hier dauert die Transkription am längsten. Es sind nur ein paar Minuten für den 20 Minuten-Podcast, aber die beiden anderen Programme erledigen das in wenigen Sekunden. Das Ergebnis wird als .pdf ausgegeben, kann aber als .txt exportiert werden. Es gibt keine Sprecher-Erkennung und der Anteil an sinnloser Übersetzung ist deutlich höher als bei den beiden Alternativen, dafür muss ich aber auch nichts bezahlen.

Microsoft beginnt damit, seine Office-Produkte mit einer Audiotranskriptionsfunktion auszustatten. Den Start macht Word im Web.

Microsoft beginnt damit, seine Office-Produkte mit einer Audiotranskriptionsfunktion auszustatten. Den Start macht Word im Web.

Microsofts neues Feature Transcribe für Office wandelt Sprache in Text um. Nutzer können Audiodateien zum Transkribieren live aufzeichnen oder bereits bestehende hochladen. Die Aufzeichnungen werden in OneDrive gespeichert. Die maximale Größe jeder Aufnahme liegt bei…

Die Datenanalyse hat sich in den letzten Jahrzehnten stark verändert und sehr an Bedeutung gewonnen. In der Marktforschung, aber auch für wissenschaftliche Studien werden mündliche Befragungen ins Schriftliche übertragen. Die Transkriptionen von Interviews sind ein fester Bestandteil bei vielen Abschlussarbeiten von Studenten und wertige Wiedergaben von verbalen und nonverbalen Äusserungen bestimmten häufig das Ergebnis entscheidend mit.

Interviewformen beeinflussen die Transkription

Neuer Artikel gepostet bei http://www.torstenjaeger.de/transkription-so-verwandeln-sie-ihr-gesprochenes-wort-augenblicklich-in-feurigen-content/

Transkription - So verwandeln Sie Ihr gesprochenes Wort augenblicklich in feurigen Content

Transkription – So verwandeln Sie Ihr gesprochenes Wort augenblicklich in feurigen Content

In diesem Beitrag wird die Wirkungsweise und Bedeutung von  Transkription behandelt. Wer kennt sie nicht? Hörbücher, Podcast und diverse Audioprodukte sind immer beliebter werdende Informationsprodukte. Es gibt sie in den verschiedensten Varianten und sie sind sowohl im Internet als auch in Fachgeschäften erhältlich. Durch die verstärkte Nutzung von Smartphones und Tablets wird auch die Zielgruppe immer breiter.

Wie funktioniert Transkription?

Für Unternehmer stellt sich jedoch oft die Frage, wie das eigene Material an Audio- oder Videodateien in Text umgewandelt werden kann. Dies geschieht durch Transkription. Aufgenommenes Material kann auf unzählige Art und Weise, zu Papier gebracht werden. Die Vorteile von transkribierten Texten sind die vielfältigen Nutzungsmöglichkeiten. Audio – und Videofiles sind das Ergebnis von Beratungsgesprächen, Sitzungen und Seminaren, die mitgeschnitten wurden. Genauso können auch Interviews via Skype oder Telefonkonferenzen aufgezeichnet werden, um danach in Text umgewandelt zu werden.

Warum Transkription?

Transkription ermöglicht relativ einfach, neuen Content zu schaffen. Der Text kann in Blogbeiträgen verwendet werden oder auf diversen Social Media Kanälen als Fachartikel veröffentlicht werden. Genauso kann der frische Content zum Aufbau von Newslettern, Trainings- und Schulungsunterlagen oder als Content im Form eines Gratis-PDFs zum Downloaden verwendet werden. Durch den durch Transkription gewonnenen Text stehen einem Unternehmer auch viele weiteren Möglichkeiten offen, das Niedergeschriebene für Verlinkungen oder zur Befüllung von Webseiten zu nutzen. “Content is King” lautet noch immer die Devise, wenn man im Suchmaschinenranking auf den oberen Plätzen landen will. Jedoch haben Webmaster oft keine Ressourcen, das Material aus Audio- oder Videofiles auch noch auf Papier zu bringen. Mit durchschnittlich 10 Minuten Transkription-Zeit muss man für 1 Minute aus einer Audio-oder Videodatei schon rechnen.

Was sind Transkription Services?

“Transkription Services” transkribieren ihre Dateien und bringen somit die gesprochenen Botschaften in eine schriftliche Form. Der Kunde erhält die so gewonnenen Texte nach der Transkription auf beliebige Weise (PDFs, DOCs,usw.) zugestellt. Aber Transkription Services übertragen nicht nur Sprache in Text, sondern wandeln auch Schriftarten in andere Schriftsysteme um. Transkription heißt ja im übersetzten Sinn, die Umsetzung eines Systems in ein anderes System. Somit kann auch kyrillische Schrift, die mittlerweile fast niemand mehr lesen kann, in lateinische Schrift umgewandelt werden. Durch eine professionelle Transkription können viele weitere Schriftarten so in lesbare Schrift umgewandelt werden. Transkription Services können genauso gut zum Umwandeln von einer Fremdsprache in die eigene genutzt werden, und umgekehrt. Die Branche entwickelt sich rasant weiter, und der Nutzer kann mittlerweile unter vielen verschiedenen professionellen Anbietern von Transkription Services wählen. Der Umwandlungs-Dienst ist auch durchaus erschwinglich und bietet eine Vielzahl an Möglichkeiten, wo der frische Text eingesetzt werden kann.

Transkriptionservice und Softwareanbieter

Im Internet gibt es auch Software zum Kaufen, wie z.b. Camtasia oder Voice Pro, mit denen Sie auch selbst digitale Infoprodukte zusammenstellen können. Wollen Sie ihre mulitmedialen Inhalte lieber von Profis transkribieren lassen, sind Transkription Services zu empfehlen. Bekannte professionelle Anbieter sind z.B.

transkription.eu

audiotranskription.de

free-days.de

amanu.de 

alphatrad.de

Für Übersetzungszwecke eignen sich beispielsweise english-express oder english-medien-transkription. Egal ob Sie Diskussionen, Seminare, Telefonmitschnitte, Konferenzen, Vorträge auf Messen oder Kongressen, Meetings, Schulungen (Coachings) oder Videos, Trailer oder Youtube-Videos in Sprache umwandeln wollen, Text kann immer hilfreich sein und ist auch in vielerlei Formaten abspeicherbar.

Es macht wirklich Sinn, wenn Sie in Zukunft ihre Meetings und Veranstaltungen jeglicher Art entweder mit einem Audio-Aufnahmegerät oder einem Video festhalten. Das transkribierte Material kann auf vielfältige Weise genutzt werden. Zum Aufbau von Freebies, Einträge in Wikis, Produktinformationen, Hochglanzbröschüren, Flyer, Gastbeiträge auf Foren oder auf Facebook, Google+ oder sogar für ihren eigenen Blog, wo sie durch den geschickten Einsatz von Text nicht nur Content generieren können, sondern auch ihren Kunden durch die zur Verfügungstellung von interessanten Beiträgen einen Vertrauensvorschuss bieten. Dieser führt nachhaltig zu einer besseren Kundenbindung. Es ist wirklich einfach und von den Kosten überschaubar, gesprochenes Wort in digitale Informationsprodukte umzuwandeln.