Sprache hilft dort, wo Tippen langsam ist: Notizen diktieren, per Sprechen buchen, Artikel vorlesen lassen oder Menschen unterstützen, denen Lesen schwerfällt. Dialekte, Eigennamen und eingemischte englische Begriffe beeinflussen die Qualität stärker, als viele erwarten.
Dieser Leitfaden erklärt die Bausteine, was du vor dem Start testen solltest und wie du Uttra um eine erste funktionierende Version bittest.
Eine Sprach-App erledigt eine von drei Aufgaben: Sprache in Text umwandeln, Text vorlesen oder beides verbinden, um ein Gespräch zu führen. Du kannst Uttra die Aufgabe in normaler Sprache beschreiben, doch Erkennungsqualität bei Akzenten, Mikrofonfreigabe und Datenschutz der Aufnahmen brauchen bewusste Entscheidungen.
Die drei Bausteine
Spracherkennung hört über das Mikrofon zu und liefert geschriebene Wörter. Sprachausgabe liest einen Text mit einer gewählten Stimme vor. Ein Sprachassistent verkettet beides: zuhören, den Text an ein KI-Modell senden, die Antwort sprechen.
- Diktat: Die Person spricht, der Text erscheint in einem Formular oder einer Notiz.
- Vorlesen: Ein Button an Artikel oder Lektion spielt den Text als Audio ab.
- Sprachassistent: Frage per Stimme stellen, Antwort hören.
- Sprachbefehle: kurze Sätze wie „öffne meine Bestellungen“.
Akzente und Dialekte: mit echten Stimmen testen
Die Erkennung schwankt je nach Sprache, Dialekt, Hintergrundgeräusch und Mikrofon. Ein Modell, das in der Demo glänzt, kann bei Eigennamen oder Sätzen mit deutsch-englischem Mix stolpern. Nimm zehn echte Sätze deiner Nutzer auf und prüfe das Ergebnis.
Zeige den erkannten Text immer an, damit er korrigiert werden kann, bevor etwas Wichtiges wie eine Bestellung oder ein Termin bestätigt wird.
Berechtigung, HTTPS und Datenschutz
Browser erlauben das Mikrofon nur auf sicheren Seiten und nach Zustimmung; erkläre vorab, wozu du es brauchst. Stimme sind personenbezogene Daten. Sage, ob Audio gespeichert wird, wie lange und wer es hören kann, und speichere nichts, was du nicht brauchst. Die DSGVO gilt.
Externe Sprachdienste brauchen einen API-Schlüssel, den du als Projektgeheimnis hinterlegst. Lies die Bedingungen des Anbieters zum Umgang mit Audio, besonders bei Kindern oder Gesundheitsinhalten.
- Ein klarer Mikrofon-Button mit sichtbarem Aufnahmestatus.
- Texteingabe als Alternative für laute Orte und bei verweigerter Freigabe.
- Ein kurzer Datenschutzhinweis neben dem Button.
Ein Prompt zum Kopieren
Fang klein an und beschreibe den Moment der Nutzerin. Zum Beispiel:
„Füge der Notizseite meiner Praxis-App einen Diktier-Button hinzu. Die Person spricht Deutsch, der Text erscheint im Notizfeld und kann vor dem Speichern bearbeitet werden. Ergänze pro Notiz einen Vorlesen-Button, eine Texteingabe, falls das Mikrofon blockiert ist, und eine Zeile, dass Audio nicht gespeichert wird.“