Funktioniert Transkription auf dem Gerät in jeder Sprache am iPhone?

Man nimmt leicht an, „Transkription auf dem Gerät“ sei eine Funktion, die eine App entweder hat oder nicht, so wie den Dunkelmodus. So einfach ist es nicht. Lokale Erkennung wird Sprache für Sprache gebaut, und iOS liefert nur für einen Teil davon ein lokales Modell mit. Eine App kann den On-Device-Pfad einwandfrei unterstützen und trotzdem Audio an einen Server schicken — einfach weil die gesprochene Sprache nicht dazugehört.

Warum nicht jede Sprache ein lokales Modell bekommt

Ein Sprachmodell, das komplett auf dem Telefon läuft, muss in wenige hundert Megabyte passen und ohne Server im Hintergrund funktionieren. Eines mit brauchbarer Genauigkeit zu bauen, kostet viel Trainingsmaterial und Entwicklungsaufwand, pro Sprache und pro Regionalvariante. Apple hat diese Arbeit für die Sprachen mit den meisten Sprechern und der größten Nachfrage geleistet — für alle Sprachen und Regionalvarianten, die das Sprachframework insgesamt unterstützt, noch nicht, und möglicherweise nie.

Diese Entscheidung fällt auf iOS-Ebene, nicht auf App-Ebene. Keine App kann ein lokales Modell für eine Sprache nachrüsten, die Apple nicht ausgeliefert hat, und keine App trägt Schuld an einer Lücke, die sie selbst nicht schließen kann.

Zwei verschiedene Gründe, warum eine Sprache beim Server landet

Es gab nie ein lokales Modell dafür

Für diese Sprachen ist eine On-Device-Anfrage kein langsamerer oder ungenauerer Weg — sie ist überhaupt kein Weg. Sie scheitert sofort, jedes Mal, egal wie leise der Raum ist oder wie deutlich Sie sprechen. Eine Transkription in dieser Sprache bekommt man nur über den Server-Weg, wenn eine Verbindung besteht.

Es gibt ein lokales Modell, aber genau diese Aufnahme war zu viel dafür

Das ist ein anderer, häufigerer Fall. Die Sprache hat durchaus ein lokales Modell, aber lokale Modelle sind kleiner und weniger tolerant als Server-Modelle: leise Aufnahmen, Hintergrundgeräusche oder ein starker Akzent können dazu führen, dass der lokale Versuch leer zurückkommt, obwohl die Sprache offline grundsätzlich funktioniert. Das ist ein Fehler dieser einen Aufnahme, nicht der Sprache — eine sauberere Aufnahme in derselben Sprache lässt sich möglicherweise problemlos lokal transkribieren.

Weit verbreitete Sprachen zuerst

In der Praxis haben die Sprachen mit den meisten Sprechern — darunter Englisch, Spanisch, Französisch, Deutsch, Mandarin und Japanisch — auf aktuellen iPhones ein lokales Modell. Viele kleinere Sprachen und manche Regionalvarianten haben noch keins und laufen so lange nur über den Server, bis Apple sie ergänzt. Diese Liste ist nirgendwo dauerhaft veröffentlicht und ändert sich zwischen iOS-Versionen — eine Sprache, die heute nur server-basiert ist, muss das nicht für immer bleiben.

Warum das mehr betrifft als nur Tempo oder Genauigkeit

Der übliche Vergleich zwischen lokaler und Server-Transkription dreht sich um Datenschutz: Verlässt das Audio das Telefon oder nicht. Für eine Sprache ohne lokales Modell hat diese Frage eine feste Antwort: Ja, sobald überhaupt eine Transkription entsteht — weil es keinen anderen Weg gibt, eine zu erzeugen. Der Flugmodus ändert daran nichts; die Anfrage hat dann einfach keinen Ort, an den sie gehen kann, sodass Sie gar nichts statt einer Transkription bekommen. Das unterscheidet sich deutlich von einer weit verbreiteten Sprache, die üblicherweise lokal bleibt und nur gelegentlich auf den Server ausweicht — bei einer reinen Server-Sprache wird aus diesem „gelegentlich“ ein „immer“.

So handhabt Voice Studio das

Voice Studio versucht für jede der 38 Transkriptionssprachen immer zuerst den On-Device-Weg und wiederholt die Anfrage nur dann über das Netzwerk, wenn dieser Versuch leer zurückkommt oder einen Fehler wirft. Bei einer Sprache ohne lokales Modell scheitert dieser erste Versuch sofort, und erst die Wiederholung liefert die Transkription, wenn eine Verbindung besteht — die App überspringt den lokalen Weg nicht absichtlich, iOS hat schlicht nichts Lokales anzubieten. Eine Transkription in einer dieser Sprachen lässt sich ohne Verbindung nicht erzwingen, weil es kein lokales Modell gibt, das man erzwingen könnte. Abgesehen von diesem Fallback hat Voice Studio kein Konto und keinen eigenen Server; Aufnahmen und Transkripte bleiben so oder so im eigenen Speicher der App auf dem Gerät.

Häufige Fragen

Welche Sprachen haben On-Device-Transkription am iPhone?

Es gibt keine einzelne veröffentlichte Liste, und die Entscheidung liegt bei Apple, nicht bei einer App. Weit verbreitete Sprachen haben es meist; kleinere Sprachen und manche Regionalvarianten oft noch nicht. Das ändert sich außerdem zwischen iOS-Versionen.

Was passiert, wenn ich für eine reine Server-Sprache den Flugmodus nutze?

Sie bekommen nichts zurück — keine langsamere Transkription, sondern eine leere. Ohne lokales Modell und ohne Netzwerk bleibt der Anfrage kein Weg mehr übrig.

Bedeutet die Unterstützung von 38 Transkriptionssprachen, dass alle 38 auf dem Gerät laufen?

Nein. Diese Zahl gibt an, für wie viele Sprachen die App eine Transkription anfordern kann. Wie viele davon iOS tatsächlich lokal ausführt, entscheidet Apple, und das sind weniger als die vollständige Liste.

Kann ich vorab herausfinden, ob meine Sprache eine Verbindung braucht?

Ja: im Flugmodus die App Notizen öffnen, auf das Mikrofon der Tastatur tippen und einen Satz in dieser Sprache diktieren. Erscheint Text, hat diese Sprache ein lokales Modell auf Ihrem Telefon. Passiert nichts, ist das nicht der Fall.