Verbraucht das Transkribieren einer Sprachnotiz mobile Daten am iPhone?

Es ist eine berechtigte Frage vor einer Reise oder bevor man für den Monat einen begrenzten Datentarif aktiviert: Verbraucht das Umwandeln einer Aufnahme in Text still und heimlich ein Kontingent, so wie es ein Videoanruf oder eine Cloud-Sicherung täte? Die ehrliche Antwort braucht eine Unterscheidung, an die kaum jemand von selbst denkt — Aufnehmen und Transkribieren sind nicht dieselbe Aktion, und nur eine der beiden kann überhaupt ein Netzwerk berühren.

Aufnehmen verbraucht nie Daten, ausnahmslos

Audio aufzunehmen bedeutet: ein Mikrofon, ein Encoder und eine Datei, die im eigenen Speicher des Telefons geschrieben wird. Auf der anderen Seite einer Aufnahme steht kein Server, während des Sprechens wird nichts hochgeladen, es gibt nichts zu senden. Das gilt mit WLAN, mit mobilen Daten, im Flugmodus oder ganz ohne all das — Aufnehmen hat auf keinem iPhone je eine Netzwerkverbindung gebraucht, und mobile Daten auszuschalten ändert daran nichts.

Transkription probiert zuerst den kostenlosen Weg

Die Spracherkennung von iOS versucht zuerst einen lokalen Durchlauf: Audio hinein, ein Modell, das bereits auf dem Telefon liegt, verarbeitet es, Text kommt heraus, ohne dass irgendetwas irgendwohin übertragen wird. Dieser Durchlauf verbraucht, wenn er klappt, genauso wenig Daten wie das Aufnehmen — nämlich keine —, weil er vollständig auf dem Prozessor läuft, den man ohnehin dabei hat, egal ob man mit WLAN, mit mobilen Daten oder ganz ohne Verbindung unterwegs ist.

Erst wenn dieser lokale Durchlauf leer zurückkommt oder fehlschlägt, versucht iOS die Anfrage mit abgeschalteter lokaler Erkennung erneut, wobei das Audio über das Netzwerk an Apples Sprachdienst geschickt wird, um ein Transkript zurückzubekommen. Dieser erneute Versuch ist der einzige Moment, in dem eine Verbindung — mobile Daten eingeschlossen — bei alldem überhaupt ins Spiel kommt.

Wann der erneute Versuch wirklich mobile Daten erreicht

Zwei Dinge müssen gleichzeitig zutreffen. Erstens muss der lokale Durchlauf scheitern — eine Sprache ohne installiertes lokales Modell, oder eine Aufnahme, die leise oder verrauscht genug ist, um das kleinere lokale Modell zu überfordern, obwohl die Sprache selbst offline unterstützt wird. Zweitens muss die in diesem Moment aktive Verbindung mobile Daten statt WLAN sein, denn der erneute Versuch wartet nicht auf eine bessere Verbindung — er nutzt, was iOS gerade schon offen hat. Beides zusammen bedeutet: Mobile Daten kommen nur bei einer Aufnahme ins Spiel, die lokal nicht transkribiert werden konnte, und zwar ausgerechnet in einem Moment ohne WLAN.

Bei einer weitverbreiteten Sprache mit einem soliden lokalen Modell ist diese erste Bedingung die seltene — die meisten Versuche laufen lokal durch, und die Frage stellt sich gar nicht erst. Häufiger wird es bei einer Sprache ganz ohne lokales Modell, wo jede einzelne Transkription per Definition eine Netzwerkanfrage ist.

Warum das kein Datenverbrauch ist, über den man sich sorgen müsste

Eine Hintergrundsynchronisierung oder eine Cloud-Sicherung sind es, die einen Datentarif tatsächlich aufzehren, weil sie eine wachsende Bibliothek nach ihrem eigenen Zeitplan bewegen, ob man hinschaut oder nicht. Ein erneuter Transkriptionsversuch hat damit nichts gemein. Er löst genau einmal aus, nur weil man selbst oder die App gerade eben ein Transkript einer bestimmten Aufnahme angefordert hat, und er sendet genau das Audio dieses einen Clips — keinen aufgestauten Rückstand, nichts vom Rest der Bibliothek, und danach nie wieder von sich aus.

Wie viel dieser eine Clip tatsächlich ausmacht, folgt denselben Zahlen, die die Dateigröße einer Sprachaufnahme ohnehin schon klein halten: Mono-AAC komprimiert gesprochene Sprache sehr effizient, sodass eine Stunde Sprechen eher zehn oder zwanzig Megabyte als Gigabyte sind, und eine typische Sprachnotiz ist nur ein Bruchteil davon. Gegen einen heutigen mobilen Datentarif gehalten, ähnelt ein einzelner erneuter Versuch für eine einzelne Aufnahme eher dem Laden einer Webseite als dem Streamen eines Videos — spürbar, wenn man gezielt danach sucht, aber nicht die Art von Verbrauch, die sich in einem Monatskontingent bemerkbar macht.

Reisen und Roaming im Besonderen

Der Mechanismus ändert sich im Ausland nicht — ein erneuter Versuch löst nur bei einem gescheiterten lokalen Durchlauf aus und nutzt nur die in diesem Moment aktive Verbindung. Was sich ändert, ist, dass eine Verbindung, die man sonst ignorieren würde — mobile Daten im Roaming —, echte Kosten pro Megabyte haben kann, was genau dieses eine Szenario zu etwas macht, das man bewusst im Blick behält, statt sich unnötig Sorgen zu machen. Wer in einer Sprache mit zuverlässiger lokaler Abdeckung transkribiert, bei dem kommt das kaum je vor, egal wo man ist. Bei Unsicherheit, oder wenn bekannt ist, dass die eigene Sprache eher auf den Server angewiesen ist, nimmt das Warten auf WLAN — ein Hotel, ein Café, irgendwo — vor dem Transkribieren die Frage vollständig aus der Gleichung, denn eine noch nicht transkribierte Aufnahme kostet nichts, bis man ihren Text anfordert.

Wie Voice Studio das handhabt

Voice Studio versucht für jede seiner 38 unterstützten Transkriptionssprachen immer zuerst den lokalen Weg und wiederholt die Anfrage nur dann gegen Apples Server, wenn dieser lokale Durchlauf leer zurückkommt oder fehlschlägt — dieser erneute Versuch ist der einzige Punkt, an dem das Audio einer Aufnahme überhaupt ein Netzwerk erreichen würde, mobile Daten oder sonst eines. Das Aufnehmen selbst berührt nie irgendeine Verbindung. Es gibt weder ein Konto noch eine CloudKit-Synchronisierung noch ein Analyse-SDK, das im Hintergrund läuft — außerhalb dieses einen Ausweich-Versuchs gibt es in der App also nichts, das einen Grund hätte, mobile Daten zu verbrauchen.

Häufige Fragen

Verbraucht das Aufnehmen einer Sprachnotiz mobile Daten?

Nein. Aufnehmen ist lokale Audioaufzeichnung — ein Mikrofon, ein Encoder und eine Datei — und hat auf keinem iPhone je eine Netzwerkverbindung gebraucht, weder mobile Daten noch sonst eine.

Verbraucht Transkribieren immer ein bisschen Daten?

Nein. iOS versucht zuerst die lokale Transkription, die kein Netzwerk nutzt. Daten kommen nur ins Spiel, wenn dieser lokale Durchlauf scheitert und die App es erneut gegen Apples Server versucht — und auch dann nur, wenn in diesem Moment mobile Daten statt WLAN aktiv sind.

Treibt das Transkribieren von Sprachnotizen meinen Datentarif in die Höhe?

Praktisch gesehen nicht. Ein erneuter Versuch sendet das Audio einer Aufnahme, einmalig, nur für den einen Clip, der lokal nicht transkribiert werden konnte — keine laufende Synchronisierung, kein aufgestauter Rückstand. Angesichts dessen, wie klein komprimiertes Sprachaudio ohnehin schon ist, ähnelt ein einzelner erneuter Versuch eher dem Laden einer Webseite als dem Streamen eines Videos.

Ändert sich das im Roaming auf Reisen?

Der Mechanismus bleibt derselbe: Ein erneuter Versuch löst nur bei einem gescheiterten lokalen Durchlauf aus und nutzt nur die gerade aktive Verbindung. Was sich ändert, ist, dass mobile Daten im Roaming echte Kosten pro Megabyte haben können — deshalb lohnt es sich, wenn möglich über WLAN zu transkribieren, um die Frage ganz auszuschließen.