Lässt sich eine schlechte Aufnahme vor dem Transkribieren aufbereiten?

Sollte man die Audiodatei überhaupt bereinigen?

Lassen Sie zuerst die Originaldatei transkribieren. Moderne Spracherkennung wird mit unperfekten Aufnahmen trainiert. Viele Dateien, die für menschliche Ohren schlecht klingen, ergeben trotzdem ein brauchbares Transkript. Reicht das erste Ergebnis aus, hören Sie an dieser Stelle auf. Jeder Eingriff kann die Sprache beschädigen.

Hat das Transkript viele Lücken oder offensichtliche Fehler, hören Sie mit Kopfhörern in die Datei hinein und suchen Sie die genaue Ursache. Ist sie zu leise? Brummt es durchgehend? Hallt der Raum? Übersteuert eine Stimme? Jedes Problem verlangt ein anderes Vorgehen, und für manche gibt es gar keine Lösung.

Für eine schnelle Entscheidung schneiden Sie einen einminütigen Ausschnitt aus der schwierigsten Stelle heraus (etwa den Teil mit dem stärksten Rauschen oder dem leisesten Sprecher) und transkribieren nur diesen. Das kostet kaum Zeit, zeigt, wie die Erkennung mit Ihrem spezifischen Problem umgeht, und liefert Ihnen einen Referenzwert für den Vergleich nach einer Bereinigung.

Was hilft bei einer zu leisen Aufnahme?

Die Lautstärke anzuheben, oft Normalisieren genannt, schadet nicht und reicht häufig schon aus. Dabei wird die lauteste Stelle der Datei auf einen Standardpegel gebracht und die Sprache gleich mit angehoben. Das klappt gut, wenn die Aufnahme zwar leise, aber sauber ist, etwa weil das Telefon in einem ruhigen Zimmer zu weit weg lag.

Schwieriger wird es, wenn neben einer leisen Stimme auch laute Störgeräusche auf der Aufnahme sind. Hebt man den Pegel an, wird beides lauter. Wer weit weg vom Mikrofon spricht, hat im Verhältnis zur Stimme außerdem mehr Raumklang auf der Spur, und ein Verstärker kann beides nicht trennen. Ist nur eine Person deutlich leiser als die anderen, heben Sie lieber nur deren Passagen vorsichtig an statt die ganze Datei.

Verzichten Sie auf automatische Pegelregler, die in Sprechpausen die Lautstärke hochziehen. Sie holen zwischen den Sätzen das Hintergrundgeräusch nach vorn, sodass leise Wörter am Anfang des nächsten Satzes schwerer zu hören sind. Ein fester, vernünftig eingestellter Aufnahmepegel arbeitet verlässlicher als einer, der ständig nachregelt.

Hilft eine Rauschunterdrückung?

Gleichmäßige Hintergrundgeräusche wie das Summen einer Klimaanlage oder eines Netzteils lassen sich leicht dämpfen, was menschlichen Zuhörern helfen kann. Für die Transkription bringt das weniger, als viele erwarten, und eine hohe Einstellung schadet oft. Der Filter kann Rauschen und die leisen Ränder von Konsonanten nicht sauber auseinanderhalten. Er nimmt von beidem etwas weg, und die Sprache klingt danach verwaschen.

Ein Filter gegen tiefes Rumpeln, der Straßenlärm oder Griffgeräusche unterhalb der menschlichen Stimme kappt, ist ein sicherer erster Schritt. Alles, was stärker eingreift, sollten Sie vorher und nachher an einem kurzen Ausschnitt testen. Transkribieren Sie beide Fassungen und behalten Sie die, die den besseren Text liefert, nicht die, die schöner klingt.

Wechselnde Störgeräusche sind viel schwerer in den Griff zu bekommen als gleichmäßiges Rauschen. Spricht jemand im Hintergrund, oder hört man ein Café, eine Straße oder eine Menschenmenge, lässt sich das nicht herausfiltern, ohne die Hauptstimme anzugreifen. Denn auch dieser Hintergrundlärm liegt im Frequenzbereich der Sprache.

Lassen sich Hall und Raumklang entfernen?

Nur zum Teil, und selten gut. Hall heißt, dass jeder Laut zweimal kurz nacheinander ankommt, und das verzögerte Echo verwischt die Konsonanten. Programme können diesen Effekt bei einer einzelnen Stimme im Raum zwar abschwächen, aber die Details, die von den Reflexionen überdeckt wurden, holen sie nicht zurück.

Wenn Sie mit Hall kämpfen, hilft die wichtigste Lehre vor allem beim nächsten Mal: Nehmen Sie in einem kleineren oder stärker gedämpften Raum auf, stellen Sie das Mikrofon näher heran und setzen Sie die sprechende Person dichter davor. Bei der Aufnahme, die schon vorliegt, müssen Sie das Transkript dort genauer prüfen, wo Wörter ineinanderlaufen.

Was ist mit verzerrtem oder übersteuertem Ton?

Übersteuerung (Clipping) entsteht, wenn das Signal für das Aufnahmegerät zu laut ist und die Spitzen der Wellenform abgeschnitten werden. Diese Information ist weg, keine Einstellung bringt sie zurück. Manche Werkzeuge versuchen, die fehlende Kurve zu schätzen, damit es weniger schrill klingt, stellen die verlorenen Wörter aber nicht wieder her.

Die Lautstärke einer übersteuerten Datei nachträglich herunterzudrehen hilft ebenso wenig, weil der Schaden schon fest in der Aufnahme steckt. Auch hier hilft nur Vorsorge beim Aufnehmen: Drehen Sie den Eingangspegel etwas herunter und halten Sie laute Quellen eine Handbreit weiter vom Mikrofon weg. Ein Pegel, dessen Spitzen deutlich unter dem Maximum bleiben, ist viel sicherer als einer, der ans Limit stößt.

Wie sieht ein sinnvoller Ablauf bei der Bereinigung aus?

Arbeiten Sie an einer Kopie. Filtern Sie tiefes Rumpeln heraus, gleichen Sie die Lautstärke behutsam an und schneiden Sie lange Pausen oder belanglosen Lärm nur weg, wenn sie bei der Arbeit stören. Exportieren Sie die Datei in einem gängigen Format in Standardqualität und komprimieren Sie sie nicht mehrfach. Wenn Sie unsicher sind, ob die Bearbeitung geholfen hat, laden Sie sowohl das Original als auch die bereinigte Kopie hoch und vergleichen Sie die Transkripte an den wichtigen Sätzen.

Wie auch immer Sie vorgehen: Prüfen Sie Namen, Zahlen und Zitate anhand der Aufnahme. Automatische Transkripte machen Fehler, und bei schlechtem Ton passiert das öfter. In KolWrite können Sie die Audiodatei direkt neben dem mit Zeitstempeln versehenen Text abspielen und unsichere Stellen gezielt gegenhören. Den korrigierten Text exportieren Sie dann als TXT, DOCX, PDF oder SRT.