Wie man eine Sprachnachricht transkribiert, die einem jemand geschickt hat

Viele gehen davon aus, dass Transkription nur für selbst Aufgenommenes gilt, sodass eine Sprachnachricht, die über Nachrichten oder WhatsApp ankommt, angehört, halb im Kopf behalten und irgendwann von Hand abgetippt wird, sobald man wirklich etwas daraus zitieren muss. Genau dieser letzte Schritt lässt sich sparen.

Erst einmal herausfinden, wo die Datei wirklich liegt

Eine Sprachnachricht, die über Nachrichten, WhatsApp, Telegram oder Ähnliches ankommt, liegt nicht in der eigenen Aufnahmebibliothek — sie ist ein Anhang innerhalb dieser Unterhaltung. Die meisten dieser Apps lassen sich den Anhang über eine Teilen- oder Sichern-Option direkt an der Nachricht in die Dateien-App speichern. Sobald es eine Datei in Dateien ist und nicht mehr etwas, das in einem Chatverlauf feststeckt, kann sie überallhin, wohin eine Datei eben kann.

Kam sie direkt per AirDrop statt über eine Messaging-App an, wurde sie wahrscheinlich schon direkt in Dateien gesichert, und dieser Schritt ist bereits erledigt.

Sie in etwas bringen, das sie transkribieren kann

Das ist der Teil, der überrascht: Man muss die Sprachnachricht nicht neu aufnehmen, indem man sie laut vor ein Mikrofon abspielt — das ist sowohl umständlich als auch verlustbehaftet. Eine App, die den Import einer bestehenden Audiodatei unterstützt, kann die Datei direkt aus Dateien übernehmen und genauso transkribieren, als hätte man sie selbst aufgenommen — der Transkriptionsschritt weiß nicht und kümmert sich nicht darum, woher das Audio ursprünglich stammt.

Voice Studio unterstützt den Import von Audio auf diese Weise, sodass eine in Dateien gesicherte Sprachnachricht hereingeholt und zusammen mit allem transkribiert werden kann, was in der App selbst aufgenommen wurde.

Die Sprache vor dem Transkribieren einstellen, nicht danach

Der Spracherkennung von iOS muss gesagt werden, welche Sprache sie erwarten soll — sie erkennt die Sprache nicht aus dem Audio selbst. Ist die Sprachnachricht in einer anderen Sprache als der, auf die die Transkriptionseinstellung gerade zeigt, kommt ein leeres oder sinnloses Ergebnis heraus, und es sieht so aus, als wäre die Funktion kaputt. Ist sie nicht — die Einstellung zeigt nur auf die falsche Sprache. Sie muss auf die Sprache gestellt werden, in der die Sprachnachricht tatsächlich ist, nicht auf die Sprache der Telefon- oder App-Oberfläche; das sind zwei unabhängige Einstellungen.

On-Device oder Server gilt auch hier

Eine Sprachnachricht, die einem jemand geschickt hat, ist für die Spracherkennung trotzdem einfach nur Audio, also gilt dasselbe On-Device-zuerst-Verhalten wie bei allem selbst Aufgenommenen: Erst wird ein Durchlauf auf dem Gerät versucht, und nur wenn der leer zurückkommt oder fehlschlägt, geht ein erneuter Versuch an Apples Server. Weil dieses Audio die Stimme einer anderen Person ist und nicht nur die eigene, lohnt es sich, bei diesem Rückfallweg etwas bewusster zu sein, als man es bei eigenen Aufnahmen vielleicht wäre — wer sicher sein will, dass eine bestimmte Sprachnachricht vollständig auf dem Gerät verarbeitet wurde, transkribiert sie im Flugmodus, genau wie bei eigenem Audio. Ist das lokale Modell für diese Sprache nicht vorhanden, kommt in diesem Zustand nichts heraus statt einer Transkription — was für sich genommen bereits ein nützliches Signal ist.

Was dabei nicht herauskommt

Sprecherkennzeichnung gehört hier nicht dazu, aber bei einer typischen Sprachnachricht spielt das kaum eine Rolle — meistens spricht dort eine einzelne Person, anders als bei einem Meeting oder Interview. Eher stolpert man über eine Sprachnachricht, die in lauter Umgebung, mit Abstand zum aufnehmenden Telefon oder von der Versand-App stark komprimiert aufgenommen wurde, bevor sie überhaupt ankam. Nichts davon kann die transkribierende App rückgängig machen; die Transkription kann nur mit dem arbeiten, was tatsächlich in der Datei steckt.

Den Text wieder herausbekommen

Einmal transkribiert, lässt sich der Text wie jede andere Transkription korrigieren — Namen und ungewöhnliche Begriffe sind die wahrscheinlichsten Stellen für eine Korrektur, und das gilt für die Sprechweise einer anderen Person genauso wie für die eigene. Von da aus lässt sich der Text kopieren, um damit zu antworten, in Notizen einfügen, oder als Datei exportieren, wenn Sprachnachricht und Transkription zusammenbleiben sollen, statt diese Verbindung zu verlieren, sobald die ursprüngliche Nachricht aus dem Chat gelöscht wird.

Wie das in Voice Studio funktioniert

Eine Audiodatei aus der Dateien-App importieren, genau wie man eine neue Aufnahme starten würde, die Sprache wählen, in der die Sprachnachricht tatsächlich ist, und transkribieren — der On-Device-Weg wird zuerst versucht, genau wie bei allem, was in der App selbst aufgenommen wird. Das Ergebnis verhält sich wie jeder andere Eintrag in der Bibliothek: durchsuchbar, die Transkription lässt sich hinterher bearbeiten, und man kann sie als TXT oder JSON exportieren oder die Audiodatei selbst teilen. Der Import allein schickt die Datei nirgendwohin; sie bleibt im eigenen Speicher der App, bis man sich für Export oder Teilen entscheidet.

Häufige Fragen

Kann ich eine WhatsApp-Sprachnachricht auf dem iPhone transkribieren?

Ja, wenn man die Sprachnachricht zuerst als Datei sichert — die meisten Messaging-Apps lassen einen Anhang in die Dateien-App sichern — und diese Datei dann in eine App importiert, die Audio-Import für die Transkription unterstützt.

Funktioniert das Transkribieren einer importierten Datei anders als das Transkribieren von etwas selbst Aufgenommenem?

Nein. Sobald das Audio eine Datei ist, die die App öffnen kann, funktioniert die Transkription gleich, egal ob in der App aufgenommen oder importiert — in beiden Fällen wird zuerst On-Device-Erkennung versucht.

Wird die Sprache, in der die Sprachnachricht aufgenommen wurde, automatisch erkannt?

Nein. Der iOS-Spracherkennung muss gesagt werden, welche Sprache sie erwarten soll, statt sie zu erkennen, also muss die Transkriptionssprache vor dem Transkribieren passend zur Sprachnachricht eingestellt werden — unabhängig von der Oberflächensprache von Telefon oder App.

Ist es privat, eine Sprachnachricht zu transkribieren, die einem jemand anderes geschickt hat?

Es gelten dieselben Regeln wie beim eigenen Audio: Erst wird ein Durchlauf auf dem Gerät versucht, und nur wenn der leer zurückkommt oder fehlschlägt, geht ein Versuch an Apples Server. Transkribieren im Flugmodus garantiert das rein lokale Ergebnis, falls das für eine bestimmte Nachricht wichtig ist.