Formatierungsdurchgang

Entfernt Füllwörter und Fehlstarts. Setzt Satzzeichen und Großschreibung. Schreibt Zahlen, Uhrzeiten, Daten, Preise, Einheiten, E-Mail-Adressen und URLs in der richtigen Form. Führt Sprachbefehle wie „new paragraph“ aus. Fügt Textbausteine und Wörterbuchbegriffe genau so ein, wie sie gespeichert sind. Passt sich dem Tonfall der Ziel-App an, locker oder professionell, und lässt sich pro App festlegen. Lässt Terminals und Code-Editoren unangetastet. Alles auf dieser Liste ist entweder eine Regel oder ein Modell mit eng gefasstem Auftrag, und die Reihenfolge zählt: zuerst die Regeln, damit das Modell nie eine Uhrzeit infrage stellen kann.

Ein LLM ist gut im Abwägen und unzuverlässig bei Präzision. Bei „ten thirty AM“ schreibt es meistens 10:30 AM, und genau dieses „meistens“ ist das Problem, denn das eine Mal, bei dem es 10:30 PM schreibt, bemerkst du erst, wenn du das Meeting verpasst hast. Alles mit genau einer richtigen Antwort, also Uhrzeiten, gesprochene Satzzeichen, Wörterbuchwörter, Textbausteine und Symbolnamen, sollte eine deterministische Regel erledigen, die jedes Mal dasselbe Ergebnis liefert und sich testen lässt. Das Modell bekommt den Rest: Satzfluss, Absatzumbrüche, welche Füllwörter wirklich Füllwörter waren, und den Tonfall.

Auf drei solltest du bestehen. Eine Inhaltsprüfung: Wenn die Ausgabe des Modells ein Wort verliert, das du gesagt hast, oder eines hinzufügt, das du nicht gesagt hast, wird sie verworfen und das per Regel formatierte Transkript behalten. Ein Zeitbudget: Wenn das Modell nicht innerhalb eines festen Zeitfensters antwortet, landet das Transkript ohne es. Und ein wörtlicher Ausweg: Apps, in denen jede Umformulierung ein Fehler ist, bekommen gar kein Modell. Mit diesen drei kann ein Formatierungsdurchgang den Text nur verbessern oder in Ruhe lassen. Ein Diktat kaputtmachen kann er nie.

Apples eingebaute Diktierfunktion erledigt einen kleinen Teil dieser Arbeit automatisch und überlässt den Rest gesprochenen Befehlen. Wenn du weißt, wo diese Grenze liegt, siehst du, was dir ein vollständigerer Formatierungsdurchgang abnehmen würde.

Der automatische Teil ist die automatische Interpunktion, die in unterstützten Sprachen beim Sprechen Kommas, Punkte und Fragezeichen setzt. Absätze, Großschreibung über die Standards hinaus und Symbole sprichst du aus.

1. 01 Wähle Menü „Apple“ → Systemeinstellungen, klicke in der Seitenleiste auf „Tastatur“ und geh zu „Diktierfunktion“.
2. 02 Schalte die Diktierfunktion ein und prüfe, ob „Automatische Interpunktion“ an ist, wenn Kommas, Punkte und Fragezeichen für dich gesetzt werden sollen.
3. 03 Starte das Diktat und sag „neue Zeile“ oder „neuer Absatz“, wo du einen Umbruch willst.
4. 04 Sag „Ziffer“ vor einer Zahl, um den nächsten Text als Zahl zu formatieren.
5. 05 Sag „Großbuchstaben: ein“, um die folgenden Wörter mit großem Anfangsbuchstaben zu schreiben, und „Großbuchstaben: aus“, um zur normalen Schreibweise zurückzukehren. Sag „Großbuchstaben“, um das nächste Wort ganz in Großbuchstaben zu schreiben.
6. 06 Sag den Namen eines Symbols, um es einzufügen, etwa „At-Zeichen“, „Prozentzeichen“, „Raute“ oder „Dollarzeichen“.
7. 07 Lies das Ergebnis nach. Alles, was du noch von Hand korrigieren musstest, ist Arbeit, die ein Formatierungsdurchgang erledigen müsste.

Inverse Textnormalisierung ist der ältere, engere Name für einen Teil dieser Aufgabe: gesprochene Formen in geschriebene umwandeln, etwa „ten thirty“ in 10:30. Laut dem Whisper-Paper enthalten viele Spracherkennungssysteme sie in gewissem Umfang, oft einfach oder regelbasiert und daran erkennbar, was sie nicht abdeckt, zum Beispiel, dass nie Kommas gesetzt werden.

Neuere offene Modelle haben einen Teil dieser Arbeit in die Erkennung selbst verlagert. Whisper wurde darauf trainiert, den Text von Transkripten so vorherzusagen, wie er geschrieben wurde. Laut seinen Autoren fällt dadurch ein eigener Schritt für die inverse Textnormalisierung weg. NVIDIA beschreibt Parakeet TDT 0.6B v2 so, dass es Satzzeichen und Großschreibung direkt unterstützt.

Ein Formatierungsdurchgang ist alles, was danach noch passiert. Satzzeichen aus der Spracherkennung sind ein Ausgangspunkt. Füllwörter entfernen, deine eigenen Begriffe anwenden und zur Ziel-App passen sind eigene Schritte, die eine Spracherkennung nicht ausführt.

macOS hat eine kleine eigene regelbasierte Formatierungsschicht. Sie zeigt gut, was eine deterministische Regel ist: Dieselbe Eingabe ergibt immer dieselbe Ausgabe. Textersetzungen tauschen eine Zeichenfolge gegen eine andere, und intelligente Anführungs- und Gedankenstriche ändern Satzzeichen bei der Eingabe.

Apple weist darauf hin, dass Textersetzungen, intelligente Anführungs- und Gedankenstriche und intelligente Links nicht in allen Apps verfügbar sind. Kommt Text mit typografischen Anführungszeichen oder einer Ersetzung an, die du nicht erwartet hast, prüf diese Einstellungen, bevor du woanders suchst.

1. 01 Wähle Menü „Apple“ → „Systemeinstellungen“ und klicke dann in der Seitenleiste auf „Tastatur“.
2. 02 Klicke auf „Textersetzungen“.
3. 03 Klicke auf die Taste „Hinzufügen“, gib den zu ersetzenden Text und seinen Ersatz ein und klicke dann auf „Hinzufügen“.
4. 04 Um das Verhalten von Anführungs- und Gedankenstrichen zu ändern, geh in den Tastatureinstellungen zu „Texteingabe“ und klicke auf „Bearbeiten“.
5. 05 Schalte „Intelligente Anführungs- und Gedankenstriche verwenden“ ein oder aus, wähle bei Bedarf die Art der Anführungszeichen und klicke dann auf „Fertig“.
6. 06 Wähle in einer einzelnen App „Bearbeiten“ → „Ersetzungen“, um die Textersetzung für diese App ein- oder auszuschalten.