Mikrofon-Berechtigung vs. Spracherkennungs-Berechtigung am iPhone: Was ist der Unterschied?

Installiert man eine App, die aufnimmt und zusätzlich transkribiert, sieht man meist zwei getrennte Berechtigungsabfragen, bevor überhaupt etwas aufgenommen wurde — eine für das Mikrofon, eine zweite, anders formuliert, für die Spracherkennung. Es ist eine berechtigte Frage, warum es zwei sind und ob das Ablehnen der einen still und leise die andere mit kaputt macht.

Aufnehmen und Transkribieren sind zwei verschiedene Aufgaben

iOS behandelt das Erfassen von Audio und dessen Interpretation als zwei getrennte Fähigkeiten, die von zwei unterschiedlichen Teilen des Systems verwaltet werden. Aufnehmen — einen Ton in eine gespeicherte Datei verwandeln — läuft über die Audio-Session-APIs des Systems. Transkribieren — diesen Ton in Wörter verwandeln — läuft über Apples Speech-Framework, einen eigenständigen Teil des Systems mit einem eigenen Autorisierungsschritt. Eine App kann das eine ohne das andere nutzen: Eine App, die nur aufnimmt, muss nie nach Spracherkennung fragen, und das Diktieren über die Tastatur nutzt Spracherkennung, ohne je eine Datei zu speichern.

Was die Mikrofon-Berechtigung wirklich steuert

Sie ist eng gefasst: darf die App das Mikrofon einschalten. Erlaubt man das, funktioniert die Aufnahmetaste. Verweigert man es, schlägt die Aufnahmetaste sofort fehl — es gibt kein Audio, mit dem sich arbeiten ließe, also spielt alles Nachgelagerte noch keine Rolle. Es ist dieselbe Berechtigung, um die jede App bittet, die das Mikrofon berührt, ob Rekorder oder nicht, und sie hat nichts damit zu tun, was mit dem Audio anschließend passiert.

Was die Spracherkennungs-Berechtigung wirklich steuert

Sie betrifft eine bestimmte Handlung: Apples Spracherkennung — lokales Modell oder Server — zu bitten, Audio in Text zu verwandeln. Sie hat ihre eigene Zeile in den Einstellungen und ihre eigene Autorisierungsabfrage, unabhängig vom Mikrofon. Das Detail, das überrascht: Diese Berechtigung ist selbst dann nötig, wenn das lokale Modell alles erledigt und nichts übertragen wird. „Auf dem Gerät" beschreibt, wo die Verarbeitung stattfindet, nicht, ob das System deshalb auf die ausdrückliche Zustimmung verzichtet, dass Spracherkennung überhaupt laufen darf. Sie zu verweigern rührt die Aufnahme nicht an — es blockiert nur die konkrete Handlung, eine Transkription anzufordern.

Warum iOS die beiden getrennt hält

Weil es für eine Person tatsächlich zwei verschiedene Entscheidungen sind. Jemand kann vollkommen einverstanden damit sein, dass eine App die eigene Stimme für die spätere Wiedergabe aufnimmt, ohne jedes Interesse daran, dass diese Stimme in durchsuchbaren, zitierbaren Text verwandelt wird. Jemand anderes möchte vielleicht diktatähnliche Spracherkennung in einer App, die nie überhaupt eine Aufnahme speichert. Beides in einer einzigen Abfrage zu bündeln würde eine einzige Antwort auf zwei unterschiedliche Fragen erzwingen. Getrennt zu halten bedeutet, dass jede als eigener Schalter unter Einstellungen → Datenschutz & Sicherheit erscheint und jede für sich, jederzeit, ohne die andere zu berühren, erteilt oder entzogen werden kann.

Was sich je nach erteilter Berechtigung tatsächlich ändert

• Mikrofon erlaubt, Spracherkennung verweigert: Die Aufnahme funktioniert vollständig. Eine Transkription für irgendeine Aufnahme anzufordern schlägt fehl, bis Spracherkennung erlaubt wird.
• Mikrofon verweigert, Spracherkennung erlaubt: Es gibt noch nichts zu transkribieren, weil es keine Möglichkeit gibt, überhaupt Audio zu erfassen. Die App kann nicht aufnehmen, bis Mikrofon erlaubt wird.
• Beide erlaubt: Aufnahme und Transkription funktionieren beide, und welchen Weg eine Transkription nimmt — auf dem Gerät oder als Rückfall auf Apples Server — ist eine andere Frage als die, ob die Berechtigung selbst erteilt wurde.
• Eine der beiden später in den Einstellungen zu entziehen, blockiert nur diese Handlung von da an. Bereits erstellte Aufnahmen und Transkripte bleiben genau dort, wo sie waren.

Wie Voice Studio das handhabt

Voice Studio bittet um Mikrofon zum Aufnehmen und getrennt davon um Spracherkennung zum Transkribieren, weil es Apples Speech-Framework nutzt, statt ein eigenes Modell mitzubringen. Die Transkription versucht immer zuerst den Weg auf dem Gerät und wiederholt nur mit ausgeschalteter On-Device-Kennung — was bedeutet, dass das Audio an Apples Server geht —, wenn dieser erste Versuch leer zurückkommt oder einen Fehler wirft. Die Spracherkennungs-Berechtigung leistet also auch auf dem lokalen Weg echte Arbeit, nicht nur, um einen Netzwerkaufruf freizuschalten. Kein Konto und kein eigener Server von Voice Studio in beiden Fällen; Aufnahmen und Transkripte bleiben im eigenen Speicher der App auf dem Gerät, unabhängig davon, welche Berechtigung erteilt wurde.

Häufige Fragen

Hindert mich das Verweigern von Spracherkennung am Aufnehmen?

Nein. Aufnehmen braucht nur die Mikrofon-Berechtigung. Spracherkennung ist eine eigene Berechtigung, die nur das spätere Anfordern einer Transkription blockiert.

Muss ich Spracherkennung erteilen, selbst wenn ich nur Transkription auf dem Gerät will?

Ja. Die Erkennung auf dem Gerät hängt an derselben Systemberechtigung wie der Server-Weg — wo die Verarbeitung stattfindet, ist eine andere Frage als die, ob Transkription überhaupt laufen darf.

Kann ich Mikrofon oder Spracherkennung entziehen, ohne das jeweils andere zu beeinflussen?

Ja. Einstellungen → Datenschutz & Sicherheit listet beide als getrennte Zeilen, und jede lässt sich jederzeit unabhängig abschalten, ohne die andere zu berühren.

Werden bereits erstellte Transkripte gelöscht, wenn ich Spracherkennung später entziehe?

Nein. Eine Berechtigung zu entziehen blockiert nur diese Handlung von da an. Bereits erstellte Aufnahmen und Transkripte bleiben unangetastet im Speicher der App.