Das Wichtigste in Kürze
- Worterkennung und Sprechererkennung laufen getrennt ab. Letztere klärt nur, wer wann spricht, und kann selbst dann danebenliegen, wenn jedes einzelne Wort stimmt.
- Das Programm sortiert Redebeiträge nach Stimmklang in Gruppen, denen Sie dann Namen geben. Von allein weiß die Software nicht, wer da spricht.
- Durcheinanderreden, ähnlich klingende Stimmen, knappe Einwürfe und ein einzelnes Raummikrofon für alle führen am häufigsten zu falschen Zuordnungen.
- Eine gute Aufnahme bringt mehr als jede Einstellung in der Software. Geben Sie jeder Person ein eigenes Mikrofon, reden Sie nacheinander und starten Sie mit einer kurzen Vorstellungsrunde.
- Kontrollieren Sie die Namen an den Stellen, an denen der Sprecher wechselt. Hören Sie vor jedem wörtlichen Zitat und vor dem Zuweisen einer Aufgabe noch einmal kurz in die Aufnahme hinein.
Was macht die Sprechererkennung eigentlich?
Die Spracherkennung macht aus Ton geschriebene Wörter. Die Sprechererkennung, im Fachjargon oft Diarisierung genannt, klärt eine andere Frage: Wer hat wann geredet? Dafür zerlegt sie die Aufnahme in einzelne Abschnitte, analysiert den Klang jeder Stimme und sortiert alles zusammen, was nach derselben Person klingt. Heraus kommen anonyme Gruppen, die meist einfach Sprecher 1, Sprecher 2 und so weiter heißen.
Dass diese Gruppen erst einmal anonym bleiben, ist so gedacht. Das Programm merkt zwar, dass zwei Passagen zur selben Stimme gehören, kann aber nicht wissen, dass das Noa aus der Finanzabteilung ist. Den Namen tragen Sie einmal pro Person ein. Danach steht er bei jeder Zeile, die diese Stimme gesprochen hat.
Weil das Erkennen der Wörter und das Zuordnen der Stimmen zwei getrennte Schritte sind, passieren dort auch unabhängig voneinander Fehler. Ein Transkript kann jedes Wort richtig wiedergeben und einen Satz trotzdem der falschen Person zuordnen. Prüfen Sie beim Durchsehen deshalb beides getrennt voneinander: den Text und die Sprechernamen.
Warum wird manchmal die falsche Person genannt?
Am häufigsten liegt es daran, dass mehrere Leute gleichzeitig reden. Überlappen sich zwei Stimmen, stecken beide im selben kurzen Audioabschnitt. Ein System, das jede Sekunde genau einer Person zuweisen muss, entscheidet sich dann für eine Seite. Schwierig sind auch kurze Einwürfe wie „ja“, „genau“ oder „okay“. Eine halbe Sekunde Ton liefert kaum Stimmmerkmale, weshalb solche Schnipsel oft einfach der Person zugeschlagen werden, die direkt davor gesprochen hat.
Klingen zwei Stimmen sehr ähnlich, wird das Trennen ebenfalls schwer. Wenn zwei gleichaltrige Kollegen mit demselben Akzent in ein einziges Laptop-Mikrofon sprechen, tun sich selbst aufmerksame Zuhörer schwer, sie auseinanderzuhalten. Bei einem in Mono aufgenommenen Telefonat kommt hinzu, dass beide Stimmen auf derselben Spur liegen und durch die Telefonleitung komprimiert sind.
Auch der Raum spielt mit hinein. Hall verwischt eine Stimme über die Zeit, und wer sich vom Mikrofon wegdreht oder entfernt, klingt schnell wie jemand anderes. In langen Aufnahmen verändert sich eine Stimme außerdem, etwa weil jemand müde oder aufgeregt ist oder sich räuspert. Dann macht die Software aus einer Person manchmal zwei Gruppen oder fasst zwei Personen zu einer zusammen.
Wie nimmt man auf, damit sich Sprecher sauber trennen lassen?
Jede Person sollte möglichst nah an einem eigenen Mikrofon sitzen. Ein einzelnes Aufnahmegerät in der Tischmitte ist zwar praktisch, trennt die Stimmen aber am schlechtesten. Legen Sie lieber vor jede Person ein eigenes Mikrofon oder Smartphone. Bei Online-Meetings hilft es sehr, wenn alle ein Headset tragen. Führen Sie ein Gespräch zu zweit, legen Sie das Aufnahmegerät zwischen sich, und zwar ein Stück näher zu der Person, die leiser spricht.
Bitten Sie alle, nacheinander zu sprechen. Wenn man sich zu Beginn eines Meetings kurz darauf einigt, andere ausreden zu lassen, steigt die Trefferquote sofort. In einer lebhaften Runde wird man sich trotzdem mal ins Wort fallen, aber schon etwas weniger Durcheinander spart später beim Korrigieren viel Zeit.
Starten Sie mit einer Vorstellungsrunde, in der jede Person ihren Namen und einen ganzen Satz sagt. So gibt es von jeder Stimme eine saubere Probe und einen verlässlichen Anhaltspunkt, wenn Sie die Gruppen später benennen. Sie müssen dann nur in die erste Minute hineinhören, um zu wissen, wer wer ist.
Wie benennt man Sprecher und behält die Namen bei?
Öffnen Sie das Transkript, hören Sie sich den ersten Satz jeder Gruppe an und tragen Sie den richtigen Namen ein. In KolWrite können Sie Sprecher direkt beim Lesen umbenennen. Der neue Name wird in jeden Export übernommen, sodass im Word-Dokument und in der Untertiteldatei genau das steht, was Sie auf dem Bildschirm sehen. Die Trennung der Stimmen läuft zwar in der Cloud, aber eine lokale Sprecherdatenbank kann sich Namen merken und Stimmen direkt auf Ihrem Gerät wiedererkennen. Sie müssen eine Aufnahme also nicht noch einmal hochladen, um eine schon bekannte Stimme zuzuordnen.
Wählen Sie die Schreibweise, die Ihre Leser brauchen: voller Name samt Funktion für offizielle Protokolle oder einfach der Vorname für interne Notizen. Bleiben Sie bei regelmäßigen Meetings bei einer einheitlichen Schreibweise. Nur so findet die Suchfunktion später auch wirklich jeden Beitrag einer Person.
Wenn Sie jemanden auf der Aufnahme nicht zuordnen können, nennen Sie die Gruppe nach dem, was Sie wissen, zum Beispiel „Gast“ oder „Anrufer“, und lassen Sie es dabei. Ein allgemeiner Platzhalter ist immer besser als ein falscher Name.
Wie prüft man die Zuordnungen schnell?
Um die Sprechernamen zu kontrollieren, müssen Sie nicht den ganzen Text lesen. Schauen Sie sich in den wichtigen Passagen gezielt die Sprecherwechsel an und hören Sie jeweils in die erste Sekunde nach dem Wechsel hinein. Die meisten Fehler passieren dort, wo gleichzeitig geredet wird, bei kurzen Antworten und direkt nach einer Pause.
Prüfen Sie jedes wörtliche Zitat und jede Zusage. Steht in der Zusammenfassung, dass Omar eine Datei schicken wollte, hören Sie sich genau diesen Satz noch einmal an. Bei einer Randbemerkung ist ein falscher Name nicht weiter schlimm. Geht es aber um ein Versprechen, eine Zahl oder eine Beschwerde, verfälscht der Fehler das gesamte Protokoll.
Ist nur ein einzelner Satz falsch zugeordnet, ändern Sie den Namen direkt in dieser Zeile. Wurde eine Person hingegen in zwei Gruppen aufgespalten, lösen Sie das über die Gruppen: Geben Sie beiden Gruppen einfach denselben Namen, um sie zusammenzulegen. Automatische Transkripte machen Fehler und müssen kontrolliert werden. Das gilt für die Sprechernamen genauso wie für den Text.
Wann sind Sprechernamen besonders wichtig?
Sprechernamen sind überall dort unverzichtbar, wo klar sein muss, wer was gesagt hat: in Sitzungsprotokollen, Interviews, Kundengesprächen, Anhörungen und in der Forschung. Spricht auf einer Aufnahme ohnehin nur eine Person, etwa bei einer Vorlesung oder einer Sprachnotiz, braucht man sie kaum. Da reicht ein durchlaufender Text.
Wichtig sind die Namen auch, wenn Sie die Aufnahme übersetzen oder untertiteln wollen. Stehen in der Untertiteldatei die Sprechernamen, wissen die Zuschauer auch dann, wer gerade redet, wenn die Person nicht im Bild ist. Tragen Sie deshalb erst alle Namen fertig ein, bevor Sie die Datei exportieren.
Häufige Fragen
Was ist Sprecherdiarisierung?
Gemeint ist das Zerlegen einer Tonaufnahme in einzelne Abschnitte pro Stimme, um zu klären, wer wann gesprochen hat. Das Programm vergibt dafür zuerst anonyme Platzhalter, die Sie danach durch die echten Namen ersetzen.
Kann ein Transkript zwei Personen trennen, die gleichzeitig sprechen?
Nicht verlässlich. Wenn zwei Stimmen übereinanderliegen, stecken beide im selben kurzen Tonabschnitt, und das Programm schlägt die Stelle meistens nur einer Person zu. Solche Passagen sollten Sie sich immer selbst anhören.
Wie viele Sprecher lassen sich in einer Aufnahme erkennen?
Eine feste Obergrenze gibt es nicht. Je größer die Runde, je ähnlicher die Stimmen und je lauter die Hintergrundgeräusche, desto schwerer tut sich aber die Trennung. Am saubersten klappt es in einer kleinen Gruppe, in der jeder ein eigenes Mikrofon hat.
Trennt jedes Modell in KolWrite verschiedene Sprecher?
Nein. Einige der schnelleren Modelle lassen die Sprechertrennung weg. Wenn Sie Sprechernamen brauchen, schauen Sie in der App kurz in die Modellbeschreibung und wählen Sie eines, das die Sprechertrennung unterstützt.
Muss ich die Sprecher in jeder Aufnahme neu benennen?
Bei einer einmaligen Aufnahme ja. Nehmen Sie dieselben Leute aber regelmäßig auf, kann sich die Sprecherdatenbank die Namen merken und die Stimmen direkt auf Ihrem Gerät wiedererkennen. Sie sollten den Vorschlag dann nur noch kurz bestätigen.
