Laut wird zu Text. Spracherkennung transkribiert gesprochene Sprache in Schriftform und berücksichtigt dabei Akzente, Hintergrundgeräusche und fortlaufende Rede. Sie ist die Grundlage für Sprachassistenten, Diktiergeräte und automatisierte Callcenter.

Klassische Systeme nutzten Hidden-Markov-Modelle mit manuell erstellten akustischen Merkmalen. Moderne Systeme verwenden neuronale Netze, die end-to-end mit gepaarten Audio- und Textdaten trainiert werden und dabei akustische und sprachliche Muster gemeinsam erlernen.

Gängige Spracherkennungsaufgaben

• Diktat und Transkription
• Sprachbefehle und Assistenten
• Echtzeit-Untertitelung
• Call-Center-Analyse
• Zusammenfassung der Sitzung

Die Genauigkeit ist bei deutlicher Aussprache in ruhiger Umgebung hoch. Sie sinkt bei starkem Akzent, überlappenden Sprechern oder in lauter Umgebung. Wortfehlerraten in Vergleichstests lassen nicht immer auf die Leistung im praktischen Einsatz schließen.