Sprachaktivitätserkennung
Auch: VAD
Aktualisiert:
Definition
Sprachaktivitätserkennung (Voice Activity Detection, VAD) ist die Technik, die erkennt, wann jemand spricht und wann nur Stille oder Hintergrundgeräusche zu hören sind. Damit kann Software die Aufnahme automatisch starten und stoppen.
Ein VAD-Modell ist klein und schnell und läuft ununterbrochen auf dem Audiostrom, ohne etwas zu transkribieren: Seine einzige Aufgabe ist ein Ja oder Nein auf die Frage „Ist das Sprache?“. Diktier-Tools nutzen es für Freihandmodi (starten, wenn Sprache beginnt, stoppen bei einer Pause) und um Stille abzuschneiden, bevor die Erkennung läuft.
Eine saubere Umsetzung schaltet das Mikrofon nur ein, wenn du darum bittest, und verwirft Audio, aus dem nie ein Diktat wurde.
So funktioniert es
Der klassische Ansatz misst die Energie: Ist das Mikrofonsignal lange genug lauter als ein Schwellenwert, gilt es als Sprache. Das scheitert in jedem Raum mit einem Ventilator, einer Tastatur oder einer zweiten Person. Moderne VAD ist ein winziges neuronales Netz, das darauf trainiert ist, menschliche Sprache von allem anderen zu unterscheiden. Es braucht pro Audioabschnitt nur wenige Millisekunden und ist sparsam genug, um auf einem Laptop ständig zu laufen, ohne dass es jemand merkt.
Das Ergebnis ist ein Strom aus Abschnitten mit und ohne Sprache. Ein Diktier-Tool nutzt den ersten Wechsel, um die Erkennung zu starten, und eine ausreichend lange Strecke ohne Sprache, um zu entscheiden, dass du fertig bist.
Warum das für den Datenschutz zählt
Ein Freihandmodus bedeutet, dass ein Tool zuhört, bevor du etwas gesagt hast. Was eine vertrauenswürdige Umsetzung von einer unheimlichen trennt, ist, was mit Audio passiert, das sich als keine Sprache herausstellt, oder mit Sprache, aus der nie ein Diktat wird. Die richtige Antwort: Es wird nie gespeichert, nie irgendwohin gesendet und verschwindet, sobald der Detektor Nein sagt. Ein Tool, das VAD auf dem Gerät ausführt, kann das versprechen; ein Tool, das an einen Server streamt, um zu entscheiden, ob du sprichst, kann es nicht.
Wo VAD an Grenzen stößt
Eine Pause zu erkennen ist nicht dasselbe, wie das Ende eines Gedankens zu erkennen. Menschen halten mitten im Satz inne, um nachzudenken, und ein Stopp per VAD schneidet sie ab; stellst du die Pause länger ein, wirkt das Tool träge. Deshalb passen Freihandmodi zu gleichmäßigem, flüssigem Diktieren und Push-to-Talk zu allem anderen, und deshalb bietet ein gutes Tool beides.
So siehst du die Stilleerkennung auf deinem Mac in Aktion
Du brauchst keine spezielle Software, um zuzusehen, wie ein Sprachdetektor eine Entscheidung trifft. Apples Diktierfunktion stoppt automatisch, wenn 30 Sekunden lang keine Sprache erkannt wird, und diese Regel kannst du selbst auslösen.
- Wähle Menü „Apple“ → „Systemeinstellungen“, klicke auf „Tastatur“, geh zu „Diktierfunktion“ und schalte sie ein.
- Klicke in eine leere Notiz oder ein leeres Dokument.
- Drück den Kurzbefehl für die Diktierfunktion und sag einen Satz.
- Hör auf zu sprechen und lass den Mac in Ruhe.
- Sieh zu, wie die Diktierfunktion ohne Tastendruck endet, sobald 30 Sekunden ohne Sprache vergangen sind.
- Wiederhole den Test mit Musik oder einem laufenden Ventilator in der Nähe, um zu sehen, ob Hintergrundgeräusche das Ergebnis bei deinem Setup verändern.
Warum schneidet mich freihändiges Diktieren ab oder verpasst mein erstes Wort?
Ein Sprachdetektor kann nur das Signal beurteilen, das er bekommt. Ist das falsche Mikrofon ausgewählt oder das Eingangssignal sehr leise, ähneln sich deine Stimme und der Raum immer mehr, und die Entscheidungen über Start und Stopp werden schlechter. Bevor du dem Tool die Schuld gibst, prüfe, worauf der Mac tatsächlich hört.
- Klicke unter Systemeinstellungen → Ton auf „Eingang“ und wähle das Mikrofon aus, in das du wirklich sprichst.
- Zieh auf demselben Bildschirm den Regler für die Eingangslautstärke nach oben, wenn deine Stimme zu leise ist, oder nach unten, wenn sie zu laut ist.
- Prüfe für Apples Diktierfunktion die „Mikrofonquelle“ unter Systemeinstellungen → Tastatur → Diktierfunktion. Mit „Automatisch“ wählt der Mac das Gerät, das du am wahrscheinlichsten benutzt.
- Geh näher ans Mikrofon oder nutze ein Headset, damit deine Stimme deutlich lauter ist als der Raum.
- Wenn du mitten im Satz zum Nachdenken pausierst, nutze für diese Passagen eine gehaltene Taste oder einen Umschalter statt eines Freihandmodus.
So prüfst du, ob dein Mikrofon offen ist
Jedes Tool, das auf Sprache wartet, muss das Mikrofon offen halten, während es wartet. macOS zeigt dir, wann das passiert, und lässt dich entscheiden, welche Apps das überhaupt dürfen.
- Öffne das Kontrollzentrum und achte auf den Aufnahmeindikator. Er zeigt, ob das Mikrofon gerade benutzt wird oder vor Kurzem benutzt wurde.
- Wähle Menü „Apple“ → „Systemeinstellungen“ und klicke dann in der Seitenleiste auf „Datenschutz & Sicherheit“.
- Klicke auf „Mikrofon“.
- Lies die Liste der Apps, die nach dem Mikrofon gefragt haben.
- Schalte den Zugriff für jede App aus, die nicht zuhören soll.
Fragen, die Leute stellen.
Was macht VAD in einer Diktier-App?
Sie entscheidet, ob das Mikrofon Sprache aufnimmt. Im Freihandmodus startet sie die Erkennung, wenn du zu sprechen beginnst, und stoppt, wenn du eine Pause machst, sodass du nie eine Taste berührst.
Hört ein Freihandmodus ständig zu?
In einem gut gebauten Tool erst, wenn du ihn einschaltest. Selbst dann entscheidet der Detektor nur „Sprache oder nicht“ und transkribiert nichts, und Audio, aus dem nie ein Diktat wird, sollte sofort verworfen werden. Frag, wo diese Entscheidung fällt; die Antwort, die du hören willst, ist: auf dem Gerät.
Wofür steht VAD?
VAD steht für Voice Activity Detection, auf Deutsch Sprachaktivitätserkennung. Es ist der Teil eines Sprach-Tools, der entscheidet, ob der eingehende Ton Sprache ist oder nicht, ohne herauszufinden, welche Wörter es sind.
Wie lange wartet die Diktierfunktion auf dem Mac, bevor sie aufhört zuzuhören?
Apples Diktierfunktion stoppt automatisch, wenn 30 Sekunden lang keine Sprache erkannt wird. Du kannst sie früher beenden, indem du den Kurzbefehl für die Diktierfunktion noch einmal oder die Esc-Taste drückst.
Wie erkenne ich, ob eine App auf dem Mac mein Mikrofon benutzt?
Öffne das Kontrollzentrum und achte auf den Aufnahmeindikator, der zeigt, ob das Mikrofon gerade benutzt wird oder vor Kurzem benutzt wurde. Welche Apps es benutzen dürfen, siehst du unter Systemeinstellungen → Datenschutz & Sicherheit → Mikrofon.
