Sprachidentifikation
Auch: LID
Aktualisiert:
Definition
Sprachidentifikation ist der Schritt, in dem Sprachsoftware herausfindet, welche Sprache gesprochen wird, bevor oder während sie transkribiert. Damit kann ein mehrsprachiges Tool die Sprache wechseln, ohne dass du eine Einstellung änderst.
Eine Erkennung, die von der falschen Sprache ausgeht, produziert selbstbewussten Unsinn: Französisch, das durch ein englisches Modell läuft, kommt als englisch klingendes Kauderwelsch heraus. Herkömmliche Diktiersoftware löste das mit einer Einstellung, die du von Hand ändern musstest. Das ist in Ordnung für jemanden, der in einer Sprache arbeitet, und mühsam für die vielen Menschen, die mitten im Gespräch wechseln.
Moderne Tools lassen einen kleinen Detektor über die ersten ein, zwei Sekunden Audio laufen, wählen die wahrscheinlichste Sprache und leiten das Audio an das passende Modell weiter. Die guten erkennen bei jedem neuen Diktat neu, sodass eine Slack-Antwort auf Deutsch und die nächste auf Englisch keinen Eingriff brauchen.
Wie die Erkennung funktioniert
Manche ASR-Modelle erkennen die Sprache selbst, als Nebeneffekt des Transkribierens; Whisper macht das im ersten Durchgang. Andere verlassen sich auf einen separaten, winzigen Klassifikator, der den Anfang einer Äußerung hört und eine Sprache mit einem Konfidenzwert zurückgibt. So oder so muss die Entscheidung früh fallen, weil das falsche Modell aufgegeben werden muss, bevor es viel produziert, und sie muss aus sehr wenig Audio fallen. Deshalb sind die ersten ein, zwei Wörter eines Diktats der Moment, in dem mehrsprachige Tools am anfälligsten sind.
Erkennung ist keine Übersetzung
Die Sprache zu erkennen und in dieser Sprache zu transkribieren ist das Standardverhalten und das sichere. Übersetzung, bei der du in einer Sprache sprichst und der Text in einer anderen landet, ist ein eigener, optionaler Schritt, und sie sollte aus sein, bis du sie einschaltest. Ein Tool, das ungefragt übersetzt, hat über deine Wörter eine Entscheidung getroffen, die ihm nicht zustand.
So diktierst du auf dem Mac in mehr als einer Sprache
Apples Diktierfunktion arbeitet mit den Sprachen, die du hinzufügst, und du wechselst beim Diktieren selbst zwischen ihnen. Die Einrichtung dauert eine Minute.
- Wähle Menü „Apple“ → „Systemeinstellungen“ und klicke dann in der Seitenleiste auf „Tastatur“.
- Geh zu „Diktierfunktion“ und klicke neben „Sprachen“ auf die Taste „Bearbeiten“.
- Wähle jede Sprache und Region aus, in der du diktieren möchtest.
- Starte die Diktierfunktion in einem beliebigen Textfeld.
- Um die Sprache zu wechseln, klicke auf die Sprache neben dem Cursor. Sie erscheint als Abkürzung oder als Zeichen, die für die Sprache stehen.
- Oder drück die 🌐-Taste und wähle die gewünschte Sprache.
Wie erkennen Whisper und Parakeet die Sprache?
Whisper wurde darauf trainiert, die gesprochene Sprache zu bestimmen, als eine seiner Aufgaben neben Transkription und Übersetzung. Wenn du keine Sprache angibst, erkennt sein Transkriptions-Tool eine anhand von bis zu den ersten 30 Sekunden des Audios und transkribiert dann die ganze Datei in dieser Sprache. Die reinen Englisch-Modelle überspringen die Erkennung und gehen von Englisch aus.
Parakeet TDT 0.6B v3 geht enger vor. Laut NVIDIA erkennt es die Sprache des Audios automatisch und transkribiert es ohne zusätzliche Anweisung, in den 25 europäischen Sprachen, die es unterstützt. Eine Sprache außerhalb dieser Gruppe wird nicht unterstützt.
Warum die falsche Sprache erkannt wird und wie du das behebst
Die Erkennung ist eine Schätzung aus wenig Audio, und ein paar Situationen bringen sie zuverlässig durcheinander. Für die meisten gibt es eine einfache Lösung: Sag dem Modell die Sprache selbst.
- Die Aufnahme wechselt mittendrin die Sprache. Das Tool von Whisper erkennt die Sprache einmal, am Anfang der Datei, und wendet sie auf den Rest an.
- Für die Sprache gibt es wenig Trainingsdaten. Die Model Card von Whisper berichtet bei solchen Sprachen von geringerer Genauigkeit.
- Das Modell unterstützt die Sprache gar nicht, es kann also nur mit einer Sprache antworten, die es unterstützt.
- Die Lösung für Whisper: Ergänze im Befehl --language und den Namen der Sprache, zum Beispiel --language German.
- Die Lösung für Apples Diktierfunktion: Wähle die Sprache selbst, indem du auf die Sprache neben dem Cursor klickst.
Fragen, die Leute stellen.
Kann Diktiersoftware erkennen, welche Sprache ich spreche?
Moderne Tools können das schon anhand der ersten ein, zwei Sekunden Audio und leiten die Sprache an das passende Modell weiter. Bei älteren Tools musst du die Sprache vor dem Sprechen in einer Einstellung wählen.
Was passiert, wenn es die falsche Sprache errät?
Du bekommst selbstbewussten Unsinn im falschen Alphabet oder in der falschen Schreibweise, weil das Modell Laute als die Wörter transkribiert, die es kennt. Tools, die bei jedem Diktat neu erkennen, fangen sich beim nächsten Satz; bei Tools mit fester Einstellung musst du die Einstellung ändern.
Wie ändere ich die Diktiersprache auf dem Mac?
Füge die Sprache unter Systemeinstellungen → Tastatur → Diktierfunktion hinzu, indem du neben „Sprachen“ auf „Bearbeiten“ klickst. Klicke beim Diktieren auf die Sprache neben dem Cursor, oder drück die 🌐-Taste und wähle die Sprache.
Wie verhindere ich, dass Whisper die falsche Sprache wählt?
Gib die Sprache im Befehl an, zum Beispiel whisper audio.mp3 --language German. Whisper überspringt dann die automatische Erkennung, die sonst bis zu den ersten 30 Sekunden des Audios nutzt.
Kann ein Spracherkennungsmodell die Sprache automatisch erkennen?
Ja. Whisper erkennt die Sprache, wenn du keine angibst, und Parakeet TDT 0.6B v3 von NVIDIA erkennt sie automatisch in seinen 25 unterstützten europäischen Sprachen.
