Speech-to-Text
Gesprochene Sprache aus Audiodaten in Text umwandeln.
Was bedeutet Speech-to-Text?
Speech-to-Text, kurz STT, wandelt gesprochene Sprache in Text um. Aufnahmequalität, Aussprache und Umgebungsgeräusche können die Erkennung beeinflussen. Bei einer laufenden Übertragung können zunächst Zwischenstände erscheinen, die sich noch ändern. Das Transkript ist ein Erkennungsergebnis; die Bedeutung einer Aussage und die daraus folgende Handlung müssen gesondert behandelt werden.
Ein erfundener Telefonassistent verarbeitet die Aussage „am Dienstag“. Selbst eine richtige Verschriftlichung legt noch kein konkretes Kalenderdatum und keine Uhrzeit fest. Die Anwendung muss diese Angaben klären, bevor sie einen Termin anlegt. Bei unverständlicher Sprache braucht sie eine passende Rückfrage. Das Team plant deshalb getrennte Prüfungen für erkannte Wörter, Auslegung und tatsächliche Speicherung des Termins. Ein lesbarer Text allein reicht für diesen gesamten Ablauf nicht aus.
Quellen
Verwandte Begriffe
- Multimodale KIKI mit mehreren Informationsarten wie Text, Bild oder Ton in Eingaben oder Ausgaben.
- Text-to-SpeechGeschriebenen Text als synthetische Sprache ausgeben.
- KI-ChatbotEin KI-Chatbot unterstützt einen Dialog mit KI. Eine verständliche Antwort ist vom tatsächlich ausgeführten Geschäftsvorgang zu unterscheiden.
- DatenvalidierungDatenvalidierung prüft Daten gegen festgelegte Anforderungen, etwa Format, Pflichtfelder oder erlaubte Wertebereiche.
- ModellkarteEine Modellkarte dokumentiert Zweck, Grundlagen, Bewertungsbedingungen und bekannte Grenzen eines KI-Modells für eine bestimmte Version.
- KI-EinsatzbereitschaftKI-Einsatzbereitschaft beschreibt die Voraussetzungen für ein KI-Vorhaben: Ziel, nutzbare Daten, Fähigkeiten, Zuständigkeit und Betriebsablauf.
Beiträge zum Thema
KI & Automatisierung mit ASES
KI-Assistenten und automatisierte Abläufe