Gesprochenes aufschreiben
Aus einer Sprachaufnahme wird ein Transkript. Verstehe den Unterschied zwischen Gesagtem, erkanntem Text und einer ausgeführten Aufgabe.
Am Beispiel verstehen
Selbst ausprobieren
Was passiert, wenn es lauter wird?
Verändere das Störsignal und vergleiche die möglichen Transkripte.
„Stelle einen Timer auf fünfzehn Minuten.“
Blau: Sprache · Orange: StörungWas du beobachten kannst
Der Satz meint fünfzehn Minuten. Eine Verwechslung mit fünfzig verändert die folgende Aktion.
Welchen Teil würdest du vor einer Aktion bestätigen lassen?
Die Dauer. Eine Rückfrage wie „Meinst du fünfzig Minuten?“ macht den Fehler bemerkbar, bevor der Timer gestartet wird.
So funktioniert es
Automatische Spracherkennung überträgt Sprache aus einer Audioaufnahme in Text. Dafür begegnen dir die Kürzel STT und ASR. Das Ergebnis ist ein Transkript, nicht automatisch eine Zusammenfassung oder eine Handlung.
Text ist noch kein Auftrag
Bei einem Sprachassistenten wird der erkannte Text anschliessend ausgewertet. Erst eine weitere Komponente entscheidet, was passieren soll. Wenn eine Zahl falsch erkannt wird, kann auch der daraus abgeleitete Auftrag falsch sein.
Dein erster Vergleich
Überlege beim Beispiel unten, welche Wörter du vor einer Aktion bestätigen lassen würdest. Zahlen, Namen und Verneinungen sind gute Kandidaten. Die Antwort lässt sich anschliessend mit TTS wieder aussprechen.
Quellen & weiterführende Dokumentation
Damit kannst du weiterdenken.
-
Dein Zuhause mit Home Assistant automatisieren
Home Assistant frontend contributors; Aufnahme: LunoLabs · Apache-2.0
Wie wird aus einer Situation eine passende Reaktion?
Mit interaktivem Beispiel · 2 Videos
-
Einen eigenen KI-Agenten verstehen und aufsetzen
Was verändert sich, wenn ein Sprachmodell Werkzeuge benutzen kann?
Mit interaktivem Beispiel · 2 Videos
Das hängt zusammen.
- TTS Geschriebener Text → Gesprochene Sprache
Text vorlesen lassen
Aus geschriebenen Wörtern wird hörbare Sprache. Probiere aus, wie Tempo und Satzzeichen das Zuhören verändern.
4 Min. Einstieg