WER HAT WANN GESPROCHEN
Sprecher-Diarisierung erklärt.
Und was die Labels nicht verraten.
Sprecher-Diarisierung teilt eine Aufnahme in Redebeiträge und markiert, wer wann gesprochen hat. So funktionieren Sprecherlabels in Voice Note Transcriber auf iPhone und Android – und wo du genauer hinsehen solltest.
TRANSKRIPT
Speaker A: Können wir das Review auf Donnerstag legen? Speaker B: Donnerstag passt, wenn der Entwurf fertig ist.
DIE KURZE ANTWORT
Wer wann sprach – nicht, wer jemand ist
Sprecher-Diarisierung ist der Schritt, der Sprache nach Stimmen in Abschnitte teilt und jeder Stimme ein Label gibt, sodass sich ein Transkript als Folge von Redebeiträgen liest statt als ein Textblock. Sie beantwortet die Frage „Wer hat wann gesprochen?“. Die Frage „Wer ist diese Person?“ beantwortet sie nicht – das ist Sprechererkennung, die eine Stimme einer bekannten Identität zuordnet.
In Voice Note Transcriber sind Sprecherlabels eine Option im Power-Tarif. Aktiviere vor dem Senden einer Aufnahme Speaker labels (Sprecherlabels), wähle Transcribe (transkribieren), und das Ergebnis zeigt jeden Redebeitrag in einer eigenen Zeile – als Speaker A, Speaker B usw. Dieser Leitfaden richtet sich an alle, die eigene Aufnahmen auf dem Telefon transkribieren. Wenn du als Entwickler ein Diarisierungsmodell oder eine API suchst, schau in die Dokumentation von Speech-to-Text-Plattformen.
WER HAT WANN GESPROCHEN
So bekommst du ein Transkript mit Sprecherlabels
1. Mit einer passenden Aufnahme starten
Diarisierung funktioniert am besten, wenn sich die Stimmen deutlich unterscheiden und nacheinander gesprochen wird. Nutze eine Aufnahme, die du verarbeiten darfst: ein Meeting, ein Interview, ein mit Einverständnis aufgezeichnetes Gespräch oder eine Podcastfolge. Importiere die Audio- oder Videodatei, teile sie mit der App oder nimm in der App auf (bis zu 2 Stunden pro Aufnahme). Sehr lange Aufnahmen können für die Sprechererkennung abgelehnt werden – versuch es dann mit einer kürzeren.
2. Speaker labels aktivieren und senden
Schalte in den Sendeoptionen Speaker labels ein. Die Option erscheint für Power-Abonnenten, in anderen Tarifen ist sie gesperrt. Wähle Transcribe für ein Transkript Beitrag für Beitrag. Ein Auftrag mit Sprecherlabels zählt mit doppelter Länge für die Nutzung deines Tarifs – nutze ihn also, wenn mehr als eine Stimme zu hören ist.
3. Prüfen und Sprecher benennen
Lies das Transkript mit der Aufnahme. Aufeinanderfolgende Abschnitte derselben Stimme werden zu einem Beitrag zusammengefasst. Die Labels sind anonym: Entscheide, wer Speaker A und Speaker B ist, kopiere den Text und ersetze die Labels in deinem eigenen Dokument durch Namen. Prüfe kurze Antworten und Unterbrechungen genau – sie werden am leichtesten der falschen Stimme zugeordnet.
WER HAT WANN GESPROCHEN
So erscheinen Labels in jedem Ergebnis
Jeder Auftrag liefert ein Ergebnis. Das machen Sprecherlabels jeweils:
- Transcribe: eine Zeile pro Beitrag, beginnend mit einem Label wie „Speaker A:“.
- Translate: dieselben Labels in derselben Reihenfolge; übersetzt wird nur das Gesprochene.
- Summarize: Die Zusammenfassung behält den gewählten Stil, etwa Action items, und ordnet Punkte einem Sprecher zu, wo es wichtig ist. Sie wiederholt nicht jeden Beitrag.
- Summarize + Translate: eine solche Zusammenfassung in der Zielsprache.
- Wenn Labels nicht erhalten bleiben: Der Auftrag schlägt fehl, statt stillschweigend Text ohne Labels zu liefern, und du kannst ihn erneut senden.
WER HAT WANN GESPROCHEN
Wo Sprecherlabels danebenliegen
Diarisierung schätzt Sprecherwechsel allein aus dem Ton. Sie sieht keine Gesichter und weiß nicht, wer vorgestellt wurde. Diese Situationen musst du am genauesten prüfen:
- Durcheinanderreden: Wenn zwei gleichzeitig sprechen, können Wörter im falschen Beitrag landen.
- Ähnliche Stimmen: Zwei ähnlich klingende Personen können unter einem Label zusammenfallen – oder eine Stimme wird in zwei geteilt.
- Sehr kurze Beiträge: Ein schnelles „Ja“ oder „Genau“ wird leicht der falschen Person zugeordnet.
- Abstand und Lärm: Eine Stimme weit weg vom Mikrofon oder ein lauter Raum erschweren das Erkennen von Wechseln.
WER HAT WANN GESPROCHEN
Labels gelten pro Aufnahme und sind anonym
Speaker A in einer Aufnahme ist nicht dieselbe Person wie Speaker A in einer anderen. Labels werden jedes Mal neu vergeben, in der Reihenfolge, in der Stimmen erkannt werden. Es sind keine Namen, und die App erkennt oder merkt sich keine Stimmen.
Labels gelten für neue Aufträge, die mit aktivierter Option gesendet werden. Früher verarbeitete Ergebnisse bekommen nachträglich keine Labels – sende die Aufnahme erneut, wenn du sie brauchst. Für Interviews, bei denen Zitate zählen, behandelt die Interview-Anleitung die Zuordnung ausführlicher. Wie du aus einem Meeting mit Labels Aufgaben machst, zeigt die Anleitung zum Meeting-Transkribieren.
FRAGEN
Fragen zur Sprecher-Diarisierung
Zeigt das Transkript die Namen der Personen?
Nein. Es zeigt anonyme Labels: Speaker A, Speaker B usw. Selbst wenn jemand seinen Namen nennt, ersetzt die App das Label nicht durch diesen Namen. Ersetze die Labels nach dem Abgleich mit der Aufnahme selbst durch Namen.
Ist Speaker A in jeder Aufnahme dieselbe Person?
Nein. Labels werden für jede Aufnahme getrennt vergeben, derselbe Buchstabe kann also in zwei Ergebnissen zu verschiedenen Personen gehören.
Kann ich einem vorhandenen Transkript Sprecherlabels hinzufügen?
Einem bestehenden Ergebnis nicht. Aktiviere Speaker labels und sende die Aufnahme als neuen Auftrag. Er zählt wie jeder Auftrag mit Sprecherlabels für die Nutzung deines Tarifs.
Ist das eine API oder ein SDK für Sprecher-Diarisierung?
Nein. Voice Note Transcriber ist eine iPhone- und Android-App für deine eigenen Aufnahmen. Entwickler, die Diarisierung in eigener Software brauchen, sollten die API einer Speech-to-Text-Plattform nutzen.
Lerne die App und ihre Funktionen kennen oder erfahre, wie du Audio- und Videodateien importierst.
WER HAT WANN GESPROCHEN
Sieh, wer was gesagt hat – und mach den Text zu deinem.
Hol dir Voice Note Transcriber für iPhone oder Android, aktiviere Speaker labels mit Power und transkribiere eine Aufnahme Beitrag für Beitrag.
Die Oberfläche der App ist derzeit auf Englisch. Sie transkribiert deutsche Sprachnachrichten und kann Texte ins Deutsche übersetzen.