Chinesische Transkription ist zuerst eine Beschaffungsfrage und erst danach ein Datei-Upload. Fragen Sie, welche gesprochene Varietät das Modell verarbeitet, welche Schrift es ausgibt und ob das Ergebnis die Sprache bewahrt oder sie in formelles schriftliches Chinesisch normalisiert. Eine einzelne Einstellung „Chinesisch“ kann diese Entscheidungen unausgesprochen lassen.

Wichtige Erkenntnisse

Chinesische Transkription hat drei getrennte Anforderungen

Gesprochene Varietät sagt dem Erkennungssystem, welche Sprache es erwarten soll. Mandarin und Kantonesisch brauchen getrennte Bewertung; ein Modell, das einen allgemeinen chinesischen Code akzeptiert, liefert für beide möglicherweise nicht dieselben Ergebnisse. Schrift fragt, ob die Ausgabe vereinfachte oder traditionelle Zeichen verwenden soll. Register fragt, ob ein kantonesisches Transkript umgangssprachliche Formulierungen beibehalten oder wie Standard Written Chinese klingen soll. Das sind unterschiedliche Lieferanforderungen, selbst wenn ein Dienst sie in einer Einstellung zusammenfasst.

Eine formelle Umformulierung mag für Besprechungsnotizen passen, kann aber ohne Prüfung der Aufnahme kein wörtliches Zitat ersetzen. Für ein Interview, ein Rechtsprotokoll oder ein Forschungstranskript sollten Sie ein Beispiel anfordern, das die benötigte Formulierung bewahrt, und das Quell-Audio für die Prüfung verfügbar halten.

Brauchen Sie einen breiteren Tool-Vergleich? Unser Leitfaden zur mehrsprachigen Transkription vergleicht Live-Übersetzung mit Transkripten nach dem Meeting. Diese Seite konzentriert sich auf die chinesischen Sprachoptionen innerhalb des Transkriptionsauftrags.

Was ein Kantonesisch-Benchmark-Label verbergen kann

Ein ACL-2025-Dataset-Audit klassifizierte die schriftlichen Prompts, die an kantonesisch gekennzeichnete Sprachuntersets angehängt waren. Tabelle 5 zeigte einen deutlichen Unterschied zwischen Common Voice 17.0 yue und FLEURS yue_hk:

TextpromptsStandard Written ChineseGeschriebenes umgangssprachliches KantonesischUnmarkiert
Common Voice 17.0 yue0.1%75.7%24.1%
FLEURS yue_hk89.8%0%10.2%

Diese Prozentsätze klassifizieren Textprompts, nicht die gesprochene Varietät einzelner Aufnahmen. Common Voice hat außerdem eine kleine gemischte Kategorie, die in dieser Tabelle ausgelassen wurde.

Die Arbeit legt nahe, dass FLEURS yue_hk falsch beschriftet sein könnte, weil seine Prompts überwiegend Standard Written Chinese verwenden. Das belegt nicht, dass kein Sprecher die Aufnahmen auf Kantonesisch ausgesprochen hat. Es bedeutet, dass das Label allein kein ausreichender Beleg für eine Aussage über umgangssprachliche kantonesische Transkription ist. Fragen Sie, ob der Benchmark eines Anbieters gelesene Prompts, gesprochene Alltagssprache oder Ihre Ziel-Domäne verwendet.

Eine separate Kantonesisch-Dataset-Studie von LREC 2022 fand 10.15% Character Error Rate, als ein auf seinem MDCC-Korpus trainiertes Modell auf MDCC getestet wurde, aber 83.42%, als dasselbe Modell auf Common Voice zh-HK getestet wurde. Das ist ein Ergebnis für eine Architektur und zwei Testsets, nicht eine universelle Fehlerquote für Kantonesisch. Die praktische Lehre ist, Ihre Akzente, Mikrofone und Sprechweise zu testen.

Eine ASR-Studie zu mehreren Dialekten aus dem Jahr 2026 berichtet ebenfalls unterschiedliche Ergebnisse für Mandarin und seine Dialekt-Testsets, doch diese Zahlen lassen sich nicht direkt mit dem Kantonesisch-Experiment von 2022 vergleichen. Mehr zu Fehlermetriken finden Sie in unserem Vergleich der Genauigkeit von KI-Transkription.

Sprachcodes als modellspezifische Zusagen lesen

Google Cloud Speech-to-Text führt Codes wie cmn-Hans-CN für vereinfachtes Mandarin, cmn-Hant-TW für traditionelles Mandarin und yue-Hant-HK für traditionelles Kantonesisch auf. Diese Codes bündeln Varietät, Schrift und Region. Welche Erkennungsmodelle jeden Code unterstützen, variiert außerdem je nach Standort.

Die Modellliste von Deepgram kennzeichnet traditionelles Kantonesisch für Nova-3 als zh-HK, neben Optionen für vereinfachtes und traditionelles Mandarin. Die Sprachliste von Flux STT enthält kein Chinesisch. Eine Sprache, die für ein Modell angezeigt wird, sollte niemals automatisch auch für ein anderes angenommen werden.

Keine der Code-Listen sagt Ihnen, ob umgangssprachliches Kantonesisch in formelle Prosa normalisiert wird. Fordern Sie ein kurzes Beispiel in der gewünschten Schrift und im gewünschten Register an. Wenn der Anbieter die Registerfrage nicht beantworten kann, vergleichen Sie das Beispiel Zeile für Zeile mit dem Audio.

Den Dienst vergleichen, nicht nur den Einstiegspreis

Stand Oktober 2026 listet ElevenLabs’ Chinese Scribe-Seite $0.40 pro Audio-Stunde, während GoTranscripts chinesische Seite menschliche Transkription ab $1.02 pro Minute bewirbt. Das sind Einstiegspreise für unterschiedliche Leistungsumfänge, keine gleichwertigen Angebote. Der menschliche Dienst wirbt mit Unterstützung für Mandarin und Kantonesisch, Lieferformaten in vereinfachter oder traditioneller Schrift und optionaler Lokalisierung. Prüfen Sie aktuelle Preise, Zusatzleistungen und das genaue Lieferergebnis vor der Bestellung.

Benchmark-Zahlen brauchen ähnliche Sorgfalt. Der vom Anbieter durchgeführte mehrsprachige Vergleich von AssemblyAI zeigt eine chinesische Spalte statt getrennter Zeilen für Mandarin und Kantonesisch. Es ist eine Momentaufnahme der getesteten Systeme und Datensätze, kein Beweis für die Leistung bei Ihrem kantonesischen Interview. Fragen Sie, welche Modellversion, welcher Sprachunterset und welche Berechnung der Character Error Rate zu einem zitierten Wert geführt haben.

Für Mandarin-Englisch-Code-Switching sollten Sie ebenfalls ein zweisprachiges Beispiel erstellen. Die ISCSLP-2022-Chinesisch-Englisch-Challenge meldete 16.70% Mixture Error Rate für ihr Sieger-System gegenüber einer 26.50% Challenge-Baseline. Dieses kontrollierte Ergebnis kann nicht jedes Meeting vorhersagen, zeigt aber, warum eine monolinguale Demo kein vollständiger Einkaufstest ist.

Ein vierstufiger Test für chinesisches Audio-zu-Text

  1. Identifizieren Sie die Sprache. Halten Sie fest, ob die Quelle Mandarin, Kantonesisch, eine andere Varietät oder gemischt mit Englisch ist. Wählen Sie einen expliziten unterstützten Code, sofern das Modell einen anbietet.
  2. Definieren Sie die Ausgabe. Geben Sie vereinfachte oder traditionelle Zeichen an und ob das Transkript umgangssprachliche Formulierungen bewahren muss.
  3. Testen Sie repräsentatives Audio. Schließen Sie echte Akzente, Hintergrundgeräusche, Namen und jeden Sprachwechsel ein. Prüfen Sie die Ausgabe zusammen mit der Aufnahme.
  4. Halten Sie einen Prüfpfad bereit. Speichern Sie das Audio, dokumentieren Sie das Modell und die Einstellungen und planen Sie menschliche Prüfung ein, wenn der genaue Wortlaut wichtig ist.

Live-Untertitel und ein Archivtranskript haben unterschiedliche Erfolgskriterien. Siehe Echtzeit- versus Audioaufnahme-Transkription für diese Workflow-Entscheidung. Wenn das Ziel chinesischer Text ist, der aus einer anderen gesprochenen Sprache übersetzt wurde, verwenden Sie einen Speech-Translation-Workflow wie unseren Leitfaden zum Arabisch-zu-Chinesisch-Übersetzer.

Wo MirrorCaption passt

MirrorCaption zeigt derzeit eine chinesische Sprachoption. Es bietet keine separate Kantonesisch-Option und keine Steuerung für vereinfachte oder traditionelle Schrift, und wir veröffentlichen keine chinesische Character Error Rate für das Produkt. Hochgeladene Aufnahmen erhalten pro Datei eine ausgewählte Ausgangssprache. Verwenden Sie einen Dienst mit expliziten Steuerungen und menschlicher Prüfung, wenn Ihr Auftrag einen zertifizierten oder wörtlichen kantonesischen Nachweis erfordert.

Für live geführte Mandarin-Englisch-Gespräche kann MirrorCaption die Originalsprache neben einer Übersetzung anzeigen, während die Personen sprechen. Testen Sie es mit Ihrem eigenen Beispiel, um zu entscheiden, ob das für das Meeting nützlich ist; es ersetzt kein geprüftes Archivtranskript.

MirrorCaption kostenlos testen

Sehen Sie Live-Untertitel auf Chinesisch und Englisch nebeneinander in einem repräsentativen Gespräch. Eine kostenlose Stunde zum Ausprobieren, einmalig, ohne Kreditkarte.

Kostenlos starten

Häufig gestellte Fragen

Ist die Transkription von Kantonesisch genauso genau wie die von Mandarin?

Es gibt keine einzelne vergleichbare Genauigkeitszahl. Eine Kantonesisch-Studie von 2022 zeigte, dass ein Modell von 10.15% Character Error Rate auf seinem eigenen Testset auf 83.42% auf einem anderen Korpus anstieg. Testen Sie die Art von Audio, die Sie transkribieren möchten.

Kann Transkriptionssoftware Mandarin und Kantonesisch automatisch unterscheiden?

Die Erkennung hängt vom Modell und der Aufnahme ab. Google Cloud führt Kantonesisch als yue-Hant-HK auf; Deepgram Nova-3 führt es als zh-HK auf. Wählen Sie, wenn verfügbar, eine explizite Varietät und testen Sie ein Beispiel.

Kommt ein chinesisches Transkript in vereinfachten oder traditionellen Zeichen zurück?

Das hängt vom Dienst und Modell ab. Einige dokumentierte Sprachcodes bündeln die Schrift mit einer Varietät und Region. Bestätigen Sie die tatsächliche Ausgabe, bevor Sie einen großen Stapel einreichen.

Wie gehen Tools mit einem Meeting um, in dem Chinesisch und Englisch gemischt werden?

Verwenden Sie eine repräsentative Aufnahme mit Sprachwechseln und Namen. Die ISCSLP-2022-Challenge meldete 16.70% Mixture Error Rate für ihr Sieger-System auf dem eigenen Testset, was daran erinnert, zweisprachiges Audio direkt zu testen.

Kann ich bei MirrorCaption die chinesische Varietät und Schrift auswählen?

Nein. MirrorCaption bietet derzeit eine chinesische Sprachoption ohne separate Kantonesisch- oder Schriftsteuerung. Wir veröffentlichen keinen eigenen chinesischen Genauigkeits-Benchmark.