Funktioniert Transkription im Flugmodus am iPhone?

Menschen aktivieren den Flugmodus aus Gründen, die nichts mit dem Testen einer App zu tun haben: ein Flug, ein Krankenhaus, ein Keller ohne Empfang, oder einfach der Wunsch, dass das Telefon aufhört zu vibrieren. Wenn dabei zufällig etwas aufgenommen oder transkribiert wird, sagt das Ergebnis etwas Wissenswertes darüber aus, wie Sprache-zu-Text auf iOS tatsächlich funktioniert — nicht nur für diese eine Aufnahme, sondern jedes Mal.

Aufnehmen war nie die Frage

Audio über das Mikrofon aufzunehmen ist ein rein lokaler Vorgang. Das Telefon tastet den Ton ab und schreibt ihn in eine Datei im eigenen Speicher; es gab in dieser Kette nie einen Netzwerkschritt, den eine Aufnahme-App hätte auslassen können. Der Flugmodus ändert am Aufnehmen nichts — weder bei Voice Studio noch bei irgendeiner anderen App, die nur aufnimmt.

Transkribieren ist ein völlig anderer Ablauf, aufgebaut auf Apples Speech-Framework, und der hat tatsächlich eine vom Netzwerk abhängige Entscheidung eingebaut.

Was beim Offline-Transkribieren wirklich passiert

Spracherkennung unter iOS kann auf zwei Wegen laufen: auf dem Telefon selbst, mit einem bereits heruntergeladenen Sprachmodell, oder auf Apples Servern, was bedeutet, das Audio hinauszuschicken und den Text zurückzubekommen. Eine Anfrage kann gezielt den lokalen Weg verlangen, aber das ist eine Bitte, kein Versprechen — fehlt das Modell für diese Sprache, schlägt die Anfrage schlicht fehl.

Ohne verfügbares Netzwerk kann nur einer dieser beiden Wege überhaupt gelingen. Ist das lokale Modell für die jeweilige Sprache installiert, bekommt man ein Transkript, vollständig auf dem Telefon erstellt, genau als hätte das Netzwerk zur Verfügung gestanden. Ist es nicht installiert, oder ist das Audio zu schlecht, als dass das lokale Modell etwas damit anfangen könnte, bekommt man nichts — kein Server wartet still, um die Lücke zu füllen, weil es keine Route gibt, ihn zu erreichen.

Das ist die ganze Geschichte: Ein Transkript im Flugmodus ist der Beweis, dass es lokal entstanden ist, und kein Transkript im Flugmodus heißt nicht zwangsläufig, dass die App kaputt ist — es kann schlicht bedeuten, dass genau diese Sprache oder genau dieses Audio den Weg gebraucht hätte, der nicht verfügbar war.

Warum der Flugmodus ein nützlicher Test ist, nicht nur eine Einschränkung

Die meisten Apps, die Spracherkennung auf dem Gerät nutzen, haben auch einen Rückfallplan: Kommt der lokale Durchlauf leer zurück, wird derselbe Ton mit deaktivierter lokaler Erkennung erneut versucht, was ihn an Apples Server schickt. Dieser Rückfall verhindert, dass Nutzer jedes Mal ein leeres Transkript bekommen, wenn das lokale Modell an seine Grenzen stößt. Und genau dieser Teil des Ablaufs fällt im Flugmodus schlicht weg.

Das Netzwerk abzuschalten ist also kein Trick und kein Umweg — es ist die einzige Bedingung, unter der dieser Rückfallplan nicht laufen kann, was es zum klarsten Weg macht zu sehen, ob eine bestimmte Sprache und eine bestimmte Aufnahme vollständig auf dem Telefon zu bewältigen sind. Denselben Clip anschließend mit aktivem Netzwerk laufen lassen und vergleichen: Kommt in beiden Fällen Text zurück, war es beide Male lokal. Kommt er nur mit Netzwerk zurück, ist diese Sprache eben den anderen Weg gegangen.

Was darüber entscheidet, ob es funktioniert

• Sprachabdeckung — Apple bietet Modelle auf dem Gerät nur für einen Teil der Sprachen, die das Speech-Framework insgesamt unterstützt. Weit verbreitete Sprachen haben eher eines; weniger gebräuchliche laufen eher nur über den Server.
• Ob das Modell tatsächlich heruntergeladen ist — unterstützt ist nicht automatisch installiert. iOS lädt diese Dateien nach eigenem Zeitplan, meist nachdem die Sprache irgendwo auf dem Telefon hinzugefügt wurde und genug Zeit im WLAN vergangen ist, um sie zu holen.
• Die Audioqualität — Modelle auf dem Gerät sind kleiner als die auf dem Server und weniger nachsichtig bei leiser, entfernter oder stark akzentuierter Sprache. Audio, das ein Server-Modell problemlos verarbeiten würde, kann vom lokalen Modell trotzdem leer zurückkommen, ganz gleich ob mit oder ohne Netz.

Keiner dieser drei Punkte wird vom Flugmodus selbst gesteuert. Er entscheidet nur, ob der Rückfallplan zur Verfügung steht, um eine Schwachstelle bei einem der drei auszugleichen.

Wie Voice Studio damit umgeht

Voice Studio versucht für jede seiner 38 unterstützten Transkriptionssprachen immer zuerst die Transkription auf dem Gerät und wiederholt den Versuch nur mit deaktivierter lokaler Erkennung, wenn dieser erste Durchlauf leer bleibt oder einen Fehler wirft. Im Flugmodus gibt es für diesen erneuten Versuch nichts zu erreichen, er kann also schlicht nicht laufen — entweder bekommt man ein Transkript, das vollständig auf dem Telefon entstanden ist, oder man bekommt nichts, und es gibt kein drittes Ergebnis, bei dem Audio still irgendwohin gegangen wäre. Das Aufnehmen selbst ist in keinem Fall betroffen, da es das Netzwerk von Anfang an nie brauchte. Weder beim Aufnehmen noch beim Transkribieren sind zu irgendeinem Zeitpunkt ein Konto, ein eigener Server oder ein Analytics-SDK beteiligt.

Häufige Fragen

Kann ich eine Sprachnotiz im Flugmodus aufnehmen?

Ja, ohne jede Einschränkung. Aufnehmen nutzt nur das Mikrofon und den lokalen Speicher; es gibt keinen Netzwerkschritt, der verloren gehen könnte.

Warum funktioniert Transkription bei manchen Aufnahmen im Flugmodus und bei anderen nicht?

Weil es davon abhängt, ob für die transkribierte Sprache bereits ein Modell auf dem Gerät heruntergeladen ist. Ist es das, gelingt der lokale Durchlauf und man bekommt Text. Ist es das nicht, steht kein Server als Rückfall zur Verfügung, also bekommt man nichts.

Ist ein im Flugmodus erstelltes Transkript der Beweis, dass nichts irgendwohin gesendet wurde?

Ja. Es stand kein Netzwerk zur Verfügung, über das irgendetwas hätte gesendet werden können, also stammt jeder zurückkommende Text zwangsläufig vom Modell, das bereits auf dem Telefon liegt.

Braucht Voice Studio Internetzugang zum Aufnehmen oder für einen Transkriptionsversuch?

Nein. Aufnehmen braucht ihn nie, und der erste Transkriptionsversuch läuft immer auf dem Gerät. Netzwerk wird nur beim automatischen erneuten Versuch nach einem gescheiterten lokalen Durchlauf genutzt, und das kann im Flugmodus nicht passieren.