#transkription

1 seltsames Problem

Höchst bemerkenswert sind die Fortschritte, die in letzter Zeit Speech-to-text-Algorithmen gemacht haben. Und zwar auch die, die in gängigen Smartphone-Applikationen standardmäßig verfügbar sind. Vor wenigen Jahren brauchte man noch kostenpflichtige Software, um halbwegs fehlerfreie Transkripte zu bekommen. Inzwischen muss man nur in sein Handy sprechen und bekommt Verschriftlichungen, in denen sogar die Interpunktion meist stimmt.

Auch in der Videoerstellungssoftware, die in der TikTok-App mitgeliefert wird, ist so eine Speech-to-text-Funktion verfügbar. Die kann man nutzen, um für Videos automatisch Untertitel zu generieren. Das begann vor ein paar Jahren als nutzerseitiges Feature, das man (wie bei YouTube oder früher schon über Videotext) ein- und ausschalten konnte. Das geht immer noch, aber inzwischen bauen die meisten, die Videos produzieren, die Untertitel direkt in die Videos ein. Dann können auch die, die im ÖV oder in der Vorlesung oder so TikToks ohne Ton schauen, verstehen, worum es in den Videos geht.

Ich wundere mich bei meinen eigenen Videoproduktionen immer wieder, wie gut diese vollautomatisierten Untertitel inzwischen sind. Das zeitliche Alignment ist auf das Wort genau nahezu perfekt, von kleinen Problemen bei sehr seltenen Fachbegriffen abgesehen funktioniert die Verschriftlichung oft fehlerfrei und sogar Sprachenwechsel werden erkannt. Nur mit dem unbestimmten Artikel im Nominativ Singular Maskulinum hat TikTok 1 Problem.

Aus mir völlig rätselhaften Gründen wird das Wörtchen „ein“ konsequent als „1“ transkribiert – aber eben nur dieses Wort. Mit dem Akkusativ „einen“ oder dem weiblichen Artikel „eine“ kommt der Algorithmus klar. Mit der abgetrennten Verbpartikel wie in „ich schlaf gleich ein“ wiederum nicht, denn das wird als „ich schlaf gleich 1“ transkribiert.

Ob das eine Reminiszenz an das 2016er-Meme „Was ist das für 1 Life“ ist? Ich kann das nicht so recht glauben.

Als angehende Selbstversorgerin erzählt Kathi Blumfeld aus Berlin über ihr außergewöhnliches Projekt. Vor Wochen hat sie als Stadtmensch die Entscheidung für den Gemüseanbau auf einem eigens dafür vorgesehenen gepachteten Acker getroffen. 

Kathi arbeite viel, es dreht sich seit Jahren alles um Arbeit … und sie unterbricht nur, wenn sie mit ihren Hunden spazieren geht oder zu einem Event reisen muss. Das war ihr auf Dauer zu wenig. Sie wünscht sich schon immer einen Ausgleich und das am besten in freier Natur. Das Angebot, das sie in den sozialen Netzwerken kürzlich gefunden hatte, entsprach daher ganz und gar ihren Bedürfnissen. 

Ein Bauernhof verpachtet ganze Ackerparzellen, die seit letztem Herbst bereits mit Gründüngung vorbehandelt und für die Bepflanzung aufbereitet wurden. Von den Hofbetreibern sind schon einige Gemüsesorten gesät worden. Kohlrabi, Erbsen, Salat, Fenchel, Spinat, Sonnenblumen, Rote Bete, Zwiebeln, Möhren, Spitzkohl, Mangold, Rotkohl, Dill, Weißkohl, Pastinaken verweilen längst im Acker, um zu wachsen. 

Kathi ist nun für das Unkraut jäten, Pflegen, Pflanzen, Hegen und Gießen verantwortlich. In ein paar Wochen, wenn kein Frost mehr zu befürchten ist, sorgt sie für die restliche Anpflanzung der vom Landwirt vorgezogenen Jungpflanzen wie Tomaten, Radieschen, Zuckermais, Stangenbohne, Buschbohne, Paprika, Kürbis. Die Kartoffeln bringt der Hofbetreiber in der nächsten Woche für sie in den Acker. 

Die Parzelle ist ausreichend groß, um für einen 2-Personenhaushalt eine ordentliche Erntemenge einfahren zu können. Von Mai bis Ende Oktober bringt ihr Acker verschiedene Gemüsesorten ans Tageslicht und ohne große Umwege direkt in ihren Kochtopf. 

„Frisch geerntet schmeckt Gemüse richtig gehaltvoll und wesentlich aromatischer als das vorab gekühlte Gemüse (damit es besser hält) aus dem Supermarkt und konventionellem Gemüsehandel“, so versichert es ihr die Hofbetreiberin. Als Selbstversorger ist Kathi in diesem Jahr unabhängig von Preisschwankung durch Angebot und Nachfrage. Zudem ernährt sie sich gesünder, weil sie bei ihrem eigenen Gemüse weiß, dass keine Pestizide eingesetzt werden. Sie wird ihr Gemüse mit Netzen vor Insekten schützen. Die vorausgegangene Gründüngung hat den Boden auch schon genügend gekräftigt, sodass sie nur noch wenig düngen muss.

Überdies lernt Kathi nun auch einiges über den Anbau von Gemüse. Zum Beispiel, welches Gemüse, zu welcher Jahreszeit ausgepflanzt und ausgesät wird. Und welche Gemüsesorten sich zusammen vertragen und welche in der Nachbarschaft gepflanzt werden, um ungebetene Insekten zu vertreiben. Die Hofbetreiber beraten sie und stehen ihr bei Fragen und Tipps jederzeit und sogar per Messenger zur Verfügung.

Dadurch bekommt Kathi ein Feingefühl für das, was sie tut und worauf sie achten muss. „Der Austausch mit den Landwirten liegt mir sehr am Herzen. Dadurch bekomme ich eine Sichtweise auf Dinge, die mir sonst als Stadtmensch gänzlich fremd bleiben würde. Ich werde mir auch für meinen eigenen Garten nützliche Fertigkeiten und Wissen aneignen können“, so erzählt sie. 

Natürlich geht es Kathi nicht nur ums Arbeiten, sondern auch um das Verweilen in der Natur. Bei gutem Wetter draußen sein, den Abend auf dem Acker entspannt ausklingen lassen und den Sonnenuntergang genießen, ist eine entschleunigende, wohltuende Aktivität, die den Menschen neue Energie verleiht.  

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?

Schon wieder erledigt sich ein Problem ungefragt

Mein Telefon meldet sich mit etwas, das wie eine SMS aussieht, in der mich jemand um Rückruf bittet. Ich tippe auf die Meldung und lande seltsamerweise in meiner Voicemail. Ich denke mir nichts dabei und rufe zurück.

Erst nach dem Gespräch sehe ich, was hier technisch wirklich passiert ist: Ich habe gar keine SMS bekommen, sondern wirklich nur die Voicemail. Die transkribiert das Smartphone seit einigen Wochen eigenständig in Text, der mir dann als Meldung angezeigt wird.

Für mich, die das Anhören von Sprachnachrichten nach Möglichkeit vermeidet (das Techniktagebuch berichtete) ein wirklich angenehmer Schritt in die Zukunft. Gerne weiter so.

Alte Texte transkribieren mit Word

Wir treffen uns in der Lesegruppe und ich erzähle, dass ich in den nächsten Tagen alte Briefe und Tagebücher transkribieren werde. Th. staunt über meine Technik – Abtippen – und zeigt mir die Diktierfunktion von Word. Ich arbeite schon seit immer mit diesem Programm, aber noch nie ist mir das Mikrofon in der Menüleiste aufgefallen. Es funktioniert recht gut. Nur jetzt, wo ich das aufschreibe und für das bessere Verständnis einen Screenshot machen will, geht es nicht. Es dauert einen Moment, bis ich merke, dass ich an einem externen Bildschirm arbeite, der zwar eine Kamera hat, aber kein Mikrofon. Ich muss den angehängten Laptop öffnen und laut sprechen, dann bleiben nur ein paar Rechtschreibefehler zu korrigieren.

Die Metamorphosen der Nachricht

Ich stelle Alexander Krützfeldt bei WhatsApp eine Frage. Die Antwort möchte ich für einen zu schreibenden Text verwenden, als Zitat oder als Hintergrundinformation.

Er beantwortet meine Frage mit drei Sprachnachrichten. Ich finde Sprachnachrichten nicht so praktisch, bekomme aber auch fast keine, eigentlich nur von Alexander Krützfeldt, und da habe ich mich dran gewöhnt. In diesem Fall will ich ja auch was von ihm wissen, da finde ich es angemessen, dass er den Weg wählt, der für ihn am bequemsten ist und nicht für mich.

Ich höre die ersten Sekunden an und finde alles so interessant, dass ich schon anfangen will, mitzuschreiben. Dann fällt mir ein, dass ich das ja jetzt nicht mehr machen muss. Ich lade alle drei Sprachnachrichten herunter (bei WhatsApp geht das, anders als im Facebook Messenger) und dann bei Amberscript hoch. Amberscript ist ein kostenpflichtiges Transkriptionstool, das ich in den letzten Jahren öfter für Techniktagebuchbeiträge verwendet habe.

Ein paar Minuten später ist meine Transkription der Sprachnachrichten fertig. Ich höre sie mir einmal im Amberscript-Editor an und überarbeite dabei ein paar Stellen, die das Tool falsch verstanden hat. Viele sind es nicht, es weiß nicht, was eine Casio-Uhr ist und weigert sich, einzusehen, dass Seehofer mit Vornamen Horst heißt. Sonst ist alles fast perfekt.

Ich kopiere die transkribierten Sprachnachrichten zurück nach WhatsApp, falls Alexander noch was ergänzen möchte. Der Vorgang fühlt sich ein bisschen skurril an, insgesamt bin ich aber zufrieden mit dem aktuellen Zustand.

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.