Spracheingabe ohne Bearbeiten

Das Problem mit der Spracheingabe war nie, dass Computer Sie nicht hören können. Sie hören Sie gut. Das Problem ist, dass sie genau das aufschreiben, was Sie gesagt haben — und was Menschen laut und in Echtzeit sagen, sieht nicht so aus wie geschriebener Text.

Sie beginnen einen Satz, entscheiden mitten im Satz, dass es der falsche Satz war, und fangen neu an. Sie sagen „ähm“, während Sie nachdenken. Sie korrigieren sich selbst. Eine wörtliche Transkription hält all das treu fest und gibt Ihnen einen Absatz, den Sie nun bearbeiten müssen. Für viele Menschen dauert diese Bearbeitung genauso lange wie das Tippen gedauert hätte.

Dieser Leitfaden geht es darum, diese Lücke zu schließen: was sie verursacht, was sie nicht behebt und was sie behebt.

Warum wörtliche Transkription Arbeit erzeugt

Sagen Sie das laut in normalem Tempo: „also ich denke, wir sollten — eigentlich, können wir die Roadmap-Besprechung, ähm, auf Donnerstag verschieben?“

Ein wörtlicher Transkribierer schreibt genau das auf. Was Sie eigentlich wollten, war: „Können wir die Roadmap-Besprechung stattdessen auf Donnerstag verschieben?“

Jeder diktierte Absatz trägt eine Version davon in sich. Die erste Lösung, zu der Menschen greifen, ist, vorsichtiger zu sprechen — langsamer, bewusster, ohne Füllwörter. Das funktioniert ungefähr zwei Minuten lang, ist anstrengend und nimmt Ihnen den Grund, warum Sie überhaupt diktieren wollten: dass Sprechen schneller ist als Tippen.

Was es nicht behebt

Bessere Spracherkennung. Genauigkeitsverbesserungen machen die Transkription treuer zu Ihrer Sprache, was das Problem eher etwas verschlimmert als verbessert. Ein perfekter Transkribierer bewahrt jedes „ähm“ perfekt.

Interpunktionsbefehle. Laut „Komma“ und „neuer Absatz“ zu sagen, hilft bei der Struktur und ändert nichts an Füllwörtern und Fehlstarts. Außerdem fühlt sich Sprechen dadurch wie Programmieren an.

Nachträgliches Bearbeiten. Das ist der Status quo, und genau das führt dazu, dass Menschen nach einer Woche stillschweigend aufhören, Diktieren zu benutzen.

Was hilft: eine Bereinigungsschicht

Die Lösung besteht darin, einen Schritt zwischen Erkennung und Ausgabe zu setzen. Das Tool hört, was Sie gesagt haben, erschließt, was Sie meinten, und gibt Ihnen die geschriebene Version.

MirrorCaption Typer macht das mit drei Veredelungsmodi, die Sie je nach Moment wählen, denn das richtige Maß an Bereinigung ist nicht immer dasselbe:

• Raw speech — genau das, was Sie gesagt haben, jedes Füllwort und jeder Fehlstart bleibt erhalten. Nützlich, wenn die wörtlichen Worte zählen: Zitate, Notizen dazu, wie jemand etwas formuliert hat, Sprachpraxis.
• Tidy (der Standard) — entfernt Füllwörter wie „ähm“ und „äh“, streicht Versprecher und Fehlstarts, fügt Satzzeichen hinzu und bewahrt Ihre Bedeutung und Ihren Ton. Das ist der Modus, in dem sich Diktieren so anfühlt, wie es sich von Anfang an hätte anfühlen sollen.
• Formal — formuliert den Abschnitt in klare, professionelle Sprache um, bereit zum Einfügen in eine E-Mail oder ein Dokument. Dabei ändert es Ihre Formulierung bewusst, weshalb es optional ist.

Beim Beispiel oben gilt: Raw gibt Ihnen den Satz mit dem Neustart und dem „ähm“. Tidy gibt Ihnen „Können wir die Roadmap-Besprechung stattdessen auf Donnerstag verschieben?“ Formal gibt Ihnen etwas näher an „Könnten wir die Roadmap-Besprechung auf Donnerstag verschieben?“

Die andere Hälfte: den Text dorthin bringen, wo Sie ihn brauchen

Sauberer Text ist nur die halbe Arbeit. Wenn er in einer Transkriptions-App landet, müssen Sie ihn immer noch in das Fenster kopieren, in dem Sie ihn eigentlich haben wollten.

Typer läuft in einem kleinen Fenster, das über allem anderen schwebt — Ihrem Mail-Client, einem Dokument, einem Chatfenster. Wenn Sie aufhören zu sprechen, wird der veredelte Text automatisch in Ihre Zwischenablage kopiert. Es gibt keinen Button, den Sie suchen müssen, und keine App, zu der Sie wechseln müssen. Sie fügen ein, und fertig.

Weil es im Browser läuft, muss nichts installiert werden, was auf verwalteten Arbeitslaptops wichtig ist, auf denen Software zu installieren bedeutet, ein Ticket einzureichen.

Namen, Fachjargon und die Wörter, die wirklich Ihnen gehören

Die Fehler, die eine gute Bereinigungsschicht überleben, sind meist Eigennamen: Namen von Kolleginnen und Kollegen, Produktnamen, interner Jargon, technische Begriffe. Kein allgemeines Modell hat sie gesehen.

Zwei Dinge helfen. Erstens ein benutzerdefiniertes Vokabular — Sie fügen die Begriffe hinzu, die Sie verwenden, und sie werden zuerst erkannt. Zweitens Lernen aus Ihren Korrekturen: Wenn Sie etwas berichtigen, merkt sich das Tool Ihre Präferenz, statt Sie nächste Woche wieder dazu zu zwingen.

Wenn Sie Sprachen mischen

Viele Menschen sprechen nicht immer nur eine Sprache. Eine chinesischsprachige Person streut englische Produktnamen ein. Ein deutscher Ingenieur verwendet mitten im Satz englische Fachbegriffe. Die meisten Diktierwerkzeuge zwingen Sie dazu, eine Erkennungssprache auszuwählen und manuell zu wechseln, was den Arbeitsfluss so stark unterbricht, dass viele aufgeben.

Typer erlaubt es Ihnen, mehrere Erkennungssprachen gleichzeitig festzulegen, sodass ein gemischter Satz korrekt herauskommt, ohne den Modus zu wechseln. Wenn Ihr Problem stattdessen ist, dass andere Menschen Sprachen sprechen, die Sie nicht sprechen, dann geht es um Transkription und Übersetzung statt um Diktieren — siehe Diktieren vs. Transkription, um zu sehen, auf welcher Seite Sie stehen.

Wann wörtlich die richtige Antwort ist

Bereinigung ist nicht immer das, was Sie wollen. Verwenden Sie den Raw-Modus, wenn Sie jemanden zitieren, wenn die genaue Formulierung der Punkt ist, wenn Sie eine Sprache üben und sehen möchten, was Sie tatsächlich gesagt haben, oder wenn Sie einen Gedanken in der Form festhalten, in der er angekommen ist. Der Punkt ist, dass es eine Wahl ist und nicht die einzige Option.

Häufig gestellte Fragen

Wie diktiere ich Text, der keine Bearbeitung braucht?

Verwenden Sie ein Diktierwerkzeug, das beim Schreiben bereinigt, statt wörtlich zu transkribieren. Der Tidy-Modus von MirrorCaption Typer entfernt Füllwörter wie „ähm“ und „äh“, streicht Fehlstarts und Versprecher und fügt Satzzeichen hinzu, bevor der Text Ihre Zwischenablage erreicht, sodass Einfügen der letzte Schritt ist und nicht der erste von mehreren.

Kann Spracheingabe „ähm“ und „äh“ automatisch entfernen?

Integrierte Tools wie Apple Dictation, Windows Voice Typing und Google Docs Voice Typing transkribieren wörtlich, daher bleiben Füllwörter erhalten. Tools mit einer Bereinigungsschicht entfernen sie automatisch. In MirrorCaption Typer ist das ein Modus, den Sie je nach Moment wählen: Raw behält alles, Tidy entfernt Füllwörter und fügt Satzzeichen hinzu, Formal formuliert den Abschnitt in professionelle Sprache um.

Verändert das Bereinigen meiner Sprache, was ich gemeint habe?

Das sollte es nicht. Der Tidy-Modus ist darauf ausgelegt, Ihre Bedeutung und Ihren Ton beizubehalten und nur das Rauschen zu entfernen — Füllwörter, Neustarts und Versprecher. Der Formal-Modus formuliert bewusst um, weshalb er ein separater Modus ist, den Sie wählen, statt der Standard zu sein.

Kann ich in mehr als einer Sprache gleichzeitig diktieren?

Bei den meisten Tools nein — Sie wählen eine Erkennungssprache und wechseln, wenn Sie die Sprache ändern. MirrorCaption Typer erlaubt es Ihnen, mehrere Erkennungssprachen gleichzeitig festzulegen, sodass Mischungen aus Chinesisch und Englisch oder Deutsch und Englisch innerhalb eines Satzes trotzdem korrekt herauskommen.

Wie bringe ich Spracheingabe dazu, Namen und Fachjargon zu erkennen?

Fügen Sie sie einem benutzerdefinierten Vokabular hinzu. Typer erlaubt es Ihnen, die Namen, Produktbegriffe und den Jargon hinzuzufügen, den Sie häufig verwenden, damit sie zuerst erkannt werden, und es lernt aus den Korrekturen, die Sie an seiner Ausgabe vornehmen, sodass sich derselbe Fehler nicht wiederholt.

Funktioniert Spracheingabe auch in Apps außerhalb des Browsers?

Typer läuft in einem kleinen Browserfenster, das über Ihren anderen Apps schwebt, und kopiert den fertigen Text automatisch in Ihre Zwischenablage, sodass Sie in E-Mail, Dokumente, Chat oder jede andere Anwendung einfügen können. Es muss nichts installiert werden, was auch bedeutet, dass es nichts gibt, was die IT genehmigen muss.

Das Fazit

Spracheingabe ist schon vor einiger Zeit kein Genauigkeitsproblem mehr gewesen. Es ist ein Übersetzungsproblem — zwischen der Art, wie Menschen sprechen, und der Art, wie Text gelesen werden soll — und wörtliche Transkription überlässt Ihnen diese Übersetzung.

Tools, die das für Sie erledigen, machen aus Diktieren etwas, das Sie einmal ausprobiert haben, zu etwas, das Sie jeden Tag nutzen. Vergleichen Sie die Optionen in unserem Leitfaden zur besten Diktier-Software.