1
Der Bedarf
Aus einer Aufnahme einen brauchbaren Text machen: das Protokoll eines Gesprächs, ein Aktenstück, ein Korpus zur Auswertung, die Untertitel eines Videos. Ohne einen ganzen Tag damit zu verbringen.
Transkription und Untertitel für Aufnahmen
Ihre Aufnahmen, auf Ihrem eigenen Rechner transkribiert
Klarword macht aus einem Gespräch, einer Besprechung oder einem Video Text mit Zeitmarken: Sie lesen ihn beim Anhören gegen, korrigieren ihn und exportieren ihn als Word-Dokument oder als Untertitel. Es ist für Berufe gedacht, in denen Menschen aufgenommen werden, und gerechnet wird in Ihrem Browser: der Ton wird nirgendwohin gesendet.
Wofür Klarword da ist
Eine Stunde Gespräch von Hand abzutippen dauert meist vier bis sechs Stunden. Online-Transkriptionsdienste sind viel schneller, aber man muss ihnen die Aufnahme überlassen.
2
Der Haken
Ein Online-Dienst verlangt, dass Sie den Ton bei ihm hochladen. Bei einem Personalgespräch, einer Sprechstunde oder einer Quelle liegen damit personenbezogene Daten bei einem Dritten: ein Auftragsverarbeiter mehr, und eine Speicherdauer, über die Sie nicht mehr entscheiden.
3
Die Antwort
Dieselbe automatische Transkription, aber das Modell läuft in Ihrem Browser. Der Text ist in wenigen Minuten da, und die Aufnahme verlässt Ihren Rechner nicht.
So sieht es aus
Ein Gesprächsausschnitt, wie Klarword ihn liefert: im Editor, als Untertitel und als Word-Dokument.
1
00:00:10,000 --> 00:00:15,000
Können Sie Ihren Werdegang seit Ihrem
Eintritt 2019 beschreiben?
2
00:00:15,000 --> 00:00:20,842
Ich habe in der Buchhaltung in Köln
angefangen und bin vor drei Jahren ins
3
00:00:20,842 --> 00:00:24,000
Personalteam nach Leverkusen gewechselt.Was Klarword tut
Ihre Dateien, so wie sie sind
MP3, M4A, WAV, MP4 und die meisten Formate, die Ihr Browser abspielt. Oder nehmen Sie über das Mikrofon auf, oder senden Sie die Datei per QR-Code von Ihrem Telefon.
Ein Transkript mit Zeitmarken
Französisch, Englisch und rund fünfzehn weitere Sprachen. Jedes Segment trägt seinen Zeitpunkt, und der Text erscheint im Lauf der Rechnung.
Ein Editor, der der Wiedergabe folgt
Klicken Sie einen Satz an, um ihn zu hören, korrigieren Sie ihn an der Tastatur, benennen Sie, wer spricht. Wörter, bei denen das Modell unsicher war, sind hervorgehoben, und Alt+U führt Sie zum nächsten und spielt es erneut ab.
Die Exporte, die Sie brauchen
Word in vier Layouts (Protokoll, Sitzungsprotokoll, nummeriertes Wortprotokoll, Fragen und Antworten), Text, SRT, WebVTT, ASS mit seinem Stil, JSON für ein Korpus. Ohne Autor und Datum.
Untertitel in Ihrem Stil
Ins Video eingebrannt: Kontur, Balken, soziale Netzwerke oder gut lesbar, eine Farbe pro Stimme, über einem bereits vorhandenen Text platziert, auf Wunsch im Hochformat.
Eine ausdrückliche Wahl des Modells
„Schnell“, „Ausgewogen“ oder „Genau“, mit der genauen Downloadgröße für Ihren Rechner, angezeigt, bevor Sie beginnen, und einer gemessenen Geschwindigkeit.
Ein Protokoll, vor Ort verfasst
Zusammenfassung, Kernpunkte, Entscheidungen und Aufgaben, verfasst von einem kleinen Sprachmodell, das ebenfalls auf Ihrer Grafikkarte läuft. Ein Entwurf zum Gegenlesen, der den Rechner nicht verlässt.
Untertitel, vor Ort übersetzt
Dasselbe Sprachmodell übersetzt die Untertitel ins Englische, Deutsche, Spanische und in weitere Sprachen, zu den Zeitpunkten des Originals. Nichts geht an einen Online-Übersetzer.
Wer spricht, erkannt
Die Stimmen werden auf Ihrem Rechner von zwei kleinen Modellen erkannt; danach benennen Sie jede einmal für das ganze Transkript.
Ihr eigenes Glossar
Eigennamen und Fachvokabular: falsche Formen werden automatisch korrigiert, ähnliche Formen werden Ihnen vorgeschlagen.
Vor dem Teilen pseudonymisieren
Eigennamen werden gefunden und vorgeschlagen; die angekreuzten werden zu „Person A“, „Person B“, im Text wie in den Namen der Sprecher.
Ein Stapel, oder die Arbeit von gestern
Legen Sie zehn Gespräche ab, erhalten Sie eine ZIP-Datei. Oder behalten Sie eine Arbeit auf diesem Rechner, wenn Sie es verlangen, um das Gegenlesen am nächsten Tag fortzusetzen.
Für Aufnahmen, die nicht die Runde machen dürfen
Gespräche, Anhörungen, Beratungen, Feldarbeit: die Berufe, in denen Menschen aufgenommen werden und jemand dafür einsteht.
PersonalwesenPersonalgespräche, die im Unternehmen bleiben
Anwälte und JuristenDas Berufsgeheimnis, bis in die Transkription
Gesundheit und PflegeGesundheitsdaten, die die Praxis nicht verlassen
Sozialwissenschaftliche ForschungQualitative Interviews, die Sie niemandem anvertrauen müssen
JournalismusQuellenschutz beginnt bei der Transkription
Öffentliche Verwaltung und KommunenSitzungsprotokolle ohne externen Dienstleister
Drei Modelle, eine angekündigte Größe
Alle drei Modelle stammen aus der Whisper-Familie von OpenAI, veröffentlicht unter der MIT-Lizenz. Die angezeigte Größe ist die, die Ihr Rechner herunterladen wird, ein einziges Mal; sie hängt von der Grafikkarte ab.
| Modell | Wofür | Mit Grafikkarte | Auf dem Prozessor |
|---|---|---|---|
| Schnell74 Millionen Parameter | Für eine saubere Aufnahme, ein schnelles Durchsehen oder einen einfachen Rechner. | 80 MB | 80 MB |
| Ausgewogen244 Millionen Parameter | Der richtige Kompromiss für ein Gespräch auf einem aktuellen Desktop-Rechner. | 302 MB | 252 MB |
| Genau809 Millionen Parameter | Die beste Qualität: Eigennamen, Akzente, sich überlagernde Stimmen. Braucht eine Grafikkarte. | 566 MB bis 762 MB | 762 MB |
Dazu kommt einmal die Rechen-Engine, die alle drei gemeinsam nutzen: 27 MB.
Gemessene Geschwindigkeit
Die Rechenzeit für eine Stunde Aufnahme, gemessen auf einem aktuellen Laptop: AMD Ryzen 9 6900HX (8 Kerne), 16 GB Arbeitsspeicher, integrierte Grafik Radeon 680M. Ein Desktop-Rechner mit eigener Grafikkarte ist schneller; ein älterer Rechner langsamer.
| Modell | Mit der Grafikkarte | Nur auf dem Prozessor |
|---|---|---|
| Schnell | auf dem Prozessor | etwa 13 min |
| Ausgewogen | etwa 19 min | etwa 27 min |
| Genau | etwa 19 min | etwa 104 min |
Gemessen mit Chrome 152, an einem Gespräch von 71 s, auf eine Stunde hochgerechnet; Modell bereits auf dem Rechner gespeichert, Download nicht mitgezählt.
Ohne Installation und ohne Hochladen
Die anderen Lösungen zwingen zur Wahl zwischen zwei Einschränkungen. Klarword verlangt keine von beiden.
| Online-Dienste | Zu installierende Software | Klarword | |
|---|---|---|---|
| Der Ton verlässt Ihren Rechner | Ja, zu den Servern des Anbieters | Nein | Nein |
| Installation und Administratorrechte | Nein | Ja, auf Firmenrechnern oft gesperrt | Nein, eine Adresse genügt |
| Funktioniert ohne Netz | Nein | Ja | Ja, sobald das Modell geladen ist |
| Was Sie glauben müssen | Die AGB und die Unterauftragnehmer | Den Hersteller der Software | Nichts: es lässt sich im Browser prüfen |
Was Klarword nicht tut
- Es erkennt Stimmen nicht mit Sicherheit. Die Sprechererkennung irrt sich bei zwei ähnlichen Stimmen und bei sehr kurzen Unterbrechungen: prüfen Sie sie, und teilen Sie ein Segment, in dem zwei Personen sprechen, am Cursor.
- Es garantiert kein fehlerfreies Transkript. Ein Modell irrt sich bei Eigennamen, sich überlagernden Stimmen und verrauschten Aufnahmen: lesen Sie gegen, bevor Sie etwas weitergeben.
- Es behält nichts, wenn der Tab geschlossen wird. Speichern Sie Ihre Arbeit; ein WebVTT-Export lässt sich in Klarword wieder öffnen, um das Gegenlesen fortzusetzen.
- Es ersetzt nicht die Information der aufgenommenen Personen. Die Einwilligung bleibt Ihre Verantwortung, wie die Nutzungsbedingungen festhalten.
Probieren Sie es mit einer echten Aufnahme
Das Modell „Schnell“ wiegt unter 80 MB. Wählen Sie eine Datei, trennen Sie die Netzverbindung, sobald das Modell bereit ist, und sehen Sie zu.
Datei transkribieren