Wie viele Wörter hat das Transkript einer Sprachnotiz auf dem iPhone?

Die Wortzahl wirkt wie eine Nebensächlichkeit, bis man sie für etwas Konkretes braucht: eine Mindestlänge für einen aus einem Diktat entstandenen Bericht erreichen, entscheiden, ob eine zehnminütige, weitschweifige Notiz überhaupt eine Transkription lohnt, oder einfach merken, dass man montags deutlich mehr redet, als man dachte. Eine kleine Zahl, die überraschend viele Fragen beantwortet — solange man weiß, was sie eigentlich misst.

Die Wortzahl ist nicht das Sprechtempo

Gesprochene Alltagssprache wird oft mit ungefähr 120 bis 160 Wörtern pro Minute angegeben, aber das ist ein über Stunden und viele verschiedene Sprecher geglätteter Durchschnitt — keine feste Größe, mit der sich die Länge der eigenen Aufnahme verlässlich hochrechnen lässt. Eine zögerliche Sprachnachricht und ein schnelles, sicheres Briefing können beide fünf Minuten dauern und im Transkript um mehrere Dutzend Wörter auseinanderliegen.

Pausen sind der größte versteckte Faktor. Eine fünfminütige Aufnahme, die eigentlich nur zwei Minuten tatsächliches Sprechen und drei Minuten Nachdenken, Hintergrundgeräusche oder Stille enthält, ergibt ein Transkript in der Größenordnung von zwei Minuten, nicht von fünf. Die Uhrzeit der Aufnahme und die Wortzahl des Transkripts messen zwei verschiedene Dinge.

Was tatsächlich gezählt wird

Ein Transkript gibt wieder, was die Spracherkennung gehört hat — nicht eine bereinigte Fassung davon. Füllwörter, Anläufe, die abgebrochen wurden, und ein Satz, der zweimal neu begonnen wurde, können alle als echte Wörter im Text stehen, genau wie gesprochen. Zwei gleich lange Aufnahmen mit demselben inhaltlichen Kern können deutlich unterschiedliche Wortzahlen ergeben, nur weil eine Person mehr zögert als die andere — die Zahl ist ehrlich zum Audio, nicht zu den Gedanken darin.

Das Umgekehrte passiert ebenso. Eine leise Passage, eine gemurmelte Nebenbemerkung, die die Erkennung nicht auflösen konnte, oder ein Abschnitt in einer Sprache ohne installiertes On-Device-Modell können mit weniger Wörtern zurückkommen, als tatsächlich gesagt wurden — für diese Passage im Zweifel mit gar keinen. Eine Wortzahl misst das Transkript, sie prüft nicht die Aufnahme nach.

Bearbeiten verändert die Zahl ebenfalls

Das Transkript in Voice Studio lässt sich im Nachhinein bearbeiten — einen falsch erkannten Namen richtigstellen, einen doppelten Satz löschen, den Rest so lassen — und jede dieser Änderungen verschiebt die Wortzahl. Die angezeigte Zahl ist also eine Momentaufnahme des Transkripts, wie es gerade dasteht, kein fester Wert, der im Augenblick des Transkribierens festgeschrieben wurde. Wenn die Zahl für etwas Wichtiges gebraucht wird, lohnt sich der Blick erst nach dem Korrigieren, nicht davor.

Wo man sie findet

Voice Studios Statistik-Ansicht summiert die Wortzahl über die gesamte Bibliothek, zusammen mit der Gesamtzahl der Aufnahmen und der Gesamtzeit. Die Bibliothek selbst lässt sich nach Wortzahl sortieren — der schnellste Weg, die längsten oder gesprächigsten Notizen zu finden, ohne jede einzeln zu öffnen. Und weil sich danach sortieren lässt, gibt es die Zahl pro Aufnahme, nicht nur als laufende Gesamtsumme.

Wer die genaue Zahl außerhalb der App braucht — zum Einfügen in ein Dokument oder für den Zähler einer Textverarbeitung — exportiert das Transkript als TXT und zählt dort. TXT ist reiner Fließtext ohne Formatierung, die man erst entfernen müsste, was es dafür besser geeignet macht als JSON, das denselben Text in beschriftete Felder verpackt, die für ein Programm gedacht sind, nicht für einen Wortzähler.

Wofür die Zahl wirklich taugt

Die Wortzahl ist ein brauchbarer Ersatz für die Lesezeit. Stilles Lesen wird oft mit rund 200 bis 250 Wörtern pro Minute angesetzt, sodass ein 3.000 Wörter langes Transkript etwa zwölf bis fünfzehn Minuten Lesezeit ausmacht — selbst wenn die Aufnahme, aus der es stammt, mit allen Pausen zwanzig Minuten lief. Das ist eine nützliche Kontrolle, bevor man ein Transkript an jemanden weitergibt: Eine Zahl sagt, worauf man sich einlässt, noch bevor die Datei geöffnet wird.

Sie zeigt auch schnell, wie viel eine weitschweifige Aufnahme tatsächlich hergegeben hat. Eine zehnminütige Sprachnotiz, mit der man die Idee für einen Blogbeitrag festhalten wollte, kann sich nach dem Herausstreichen der Füllwörter auf vierhundert brauchbare Wörter reduzieren — gut zu wissen, bevor man eine Schreibsitzung darauf aufbaut und mehr erwartet.

Wie Voice Studio das handhabt

Die Wortzahl steht in den Summen der Statistik-Ansicht und liefert eine der Sortieroptionen der Bibliothek — sie ist also ohne zusätzlichen Schritt einsehbar. Weil das Transkript danach bearbeitbar bleibt, aktualisiert sich die Zahl mit jeder Korrektur, und der TXT-Export liefert den reinen Text, falls er lieber woanders gezählt werden soll.

Häufige Fragen

Sagt mir die Wortzahl eines Transkripts genau, wie viele Wörter ich gesprochen habe?

Nicht genau. Sie gibt wieder, was die Spracherkennung in Text umgesetzt hat — Füllwörter, Anläufe und Zögern können mitgezählt werden, während eine gemurmelte oder verlorene Passage nichts beiträgt. Als grobe Schätzung sehen, nicht als Prüfung der Aufnahme.

Warum ergibt eine zehnminütige Aufnahme weniger Wörter als erwartet?

Meist wegen Pausen, Nachdenkzeit oder Hintergrundgeräuschen, die gar keine Sprache sind. Die Wortzahl spiegelt das tatsächliche Sprechen in der Aufnahme wider, nicht deren Gesamtlänge.

Ändert das Korrigieren eines Transkripts dessen Wortzahl?

Ja. Das Transkript bleibt danach bearbeitbar, und jede Korrektur — ein richtiggestellter Name, eine gelöschte doppelte Zeile — verschiebt die Zahl. Wenn es auf Genauigkeit ankommt, die Zahl erst nach Abschluss der Bearbeitung prüfen.

Bekomme ich eine Wortzahl, ohne die App zu öffnen?

Transkript als TXT exportieren und in einem Texteditor oder einer Textverarbeitung zählen lassen. TXT ist reiner Fließtext und zählt sich sauber; JSON geht auch, bringt aber zusätzliche beschriftete Felder um denselben Text herum mit.