Amerikanisches oder britisches Englisch: Macht das bei der Transkription auf dem iPhone einen Unterschied?

Man nimmt leicht an, „Englisch" sei ein einziges Kästchen zum Ankreuzen, ähnlich wie die Oberflächensprache einer App. Das stimmt nicht. Die Spracherkennung von iOS behandelt regionale Varianten einer Sprache als getrennte Einträge: Englisch (USA), Englisch (Großbritannien) und Englisch (Indien) sind drei eigenständige Optionen, auf die eine Transkriptionseinstellung zeigen kann — nicht drei Akzente, die ein einziges Englisch-Modell nebenbei mit erledigt.

Warum Englisch mehr als eine Option ist

Eine Spracherkennung vergleicht das Gehörte mit einem Modell, das mit Sprache und Text aus einer bestimmten Region trainiert wurde, und zwischen Regionen ändert sich weit mehr als nur der Akzent: welche Wörter alltäglich sind, wie Namen und Orte ausgesprochen werden, und welche Formulierungen als üblich gelten. Apples Sprachframework deckt insgesamt 38 Erkennungssprachen ab, und mehrere weitverbreitete Sprachen sind in regionale Varianten aufgeteilt statt nur einmal angeboten — das betrifft Englisch, Spanisch, Portugiesisch und Chinesisch, nicht nur Englisch.

Welche Variante die richtige ist, hängt nicht davon ab, wo sich das Telefon gerade befindet. Es geht darum, welches Modell der tatsächlich ins Mikrofon gesprochenen Sprache am nächsten kommt — meist die Region, in der jemand sprechen gelernt hat, unabhängig davon, von wo aus heute aufgenommen wird.

Was zwischen den regionalen Varianten tatsächlich anders ist

Wortschatz und Eigennamen

Ein Modell, das mit der Sprache einer Region trainiert wurde, hat die Ortsnamen, Markennamen und Alltagswörter dieser Region weit häufiger gesehen als die einer anderen. Eine auf US-Englisch eingestellte Erkennung tut sich schwerer mit einem britischen Ortsnamen oder einem Begriff, der in Indien geläufig, in den USA aber selten ist — und umgekehrt gilt dasselbe. Keines der beiden Modelle ist fehlerhaft — jedes ist einfach besser auf das kalibriert, was es zu erwarten trainiert wurde.

Rechtschreibkonventionen

Das fällt am schnellsten auf und wird am wenigsten verstanden: Der Text, den eine Erkennung ausgibt, folgt in der Regel den Rechtschreibkonventionen der eingestellten Region, genau wie beim Diktat über die iOS-Tastatur. Eine auf britisches Englisch eingestellte Erkennung tendiert zu „colour" und „organise"; eine auf amerikanisches Englisch eingestellte zu „color" und „organize". Das ist kein Fehler — das Modell tut genau das, was seine regionale Einstellung vorgibt, und das lohnt sich zu wissen, bevor man eine Schreibweise im Transkript für einen Hörfehler statt für eine schlichte Regionalfrage hält.

Ob das Modell für die Verarbeitung auf dem Gerät überhaupt installiert ist

Die Abdeckung für die Verarbeitung direkt auf dem Gerät ist nicht bei jeder regionalen Variante einer Sprache gleich, und das steuert keine App selbst — es hängt davon ab, welche Modelle Apple gerade bereitstellt und ob genau dieses Sprachpaket tatsächlich auf das Telefon heruntergeladen wurde. Eine weitverbreitete Variante läuft womöglich lokal, während eine weniger gebräuchliche Variante derselben Sprache häufiger auf den Server zurückgreift. Was davon zutrifft, ändert sich zwischen iOS-Versionen — eher etwas, das man gelegentlich prüft, als ein für alle Mal feststeht.

Woran man erkennt, dass die falsche Variante eingestellt ist

Dieser Fehler ist leiser als eine komplett falsche Sprache zu wählen. Eine völlig andere Sprache auf englische Sprache anzuwenden, liefert meist einen leeren Text oder Wörter, die mit dem Gesagten nichts zu tun haben. Die falsche regionale Variante der richtigen Sprache einzustellen, ergibt in der Regel immer noch ein weitgehend lesbares Transkript — es hat nur mehr Fehler als nötig, und die häufen sich genau bei den Wörtern, die am weitesten von der Region des Modells entfernt sind: Ortsnamen, Markennamen, regionale Ausdrücke und das gelegentliche Wort, das ein Akzent anders formt, als das Modell es erwartet. Wenn ein Transkript im Großen und Ganzen stimmt, aber immer wieder an derselben erkennbaren Art von Wörtern scheitert, lohnt es sich, die regionale Einstellung zu prüfen, bevor man die Aufnahme selbst verdächtigt.

Die richtige Wahl bei Unsicherheit

Die Einstellung sollte dazu passen, wie die sprechende Person tatsächlich spricht, nicht dazu, wo sich das Telefon gerade befindet. Jemand aus London, der in New York lebt und arbeitet, sollte für die eigenen Sprachnotizen weiterhin britisches Englisch wählen; US-Englisch wird nicht dadurch genauer, dass die Aufnahme auf amerikanischem Boden entstanden ist. Bei einer Aufnahme mit mehreren Personen aus unterschiedlichen Regionen gibt es keine Einstellung, die allen gleich gut dient — dann lohnt es sich, die Region der lautesten oder durchgängigsten Stimme in der Aufnahme zu wählen, derselbe Kompromiss wie bei jeder Aufnahme, die mehrere Sprachen mischt.

Wenn wirklich unklar ist, welche Variante am besten passt, ist die verbreitetere Variante meist die sicherere Wahl gegenüber einer selteneren — sie hat in der Regel mehr Trainingsdaten hinter sich, auch wenn sie zum tatsächlichen Akzent im Raum nicht perfekt passt.

Das betrifft nicht nur Englisch

Dasselbe Muster gilt überall dort, wo eine Sprache mehr als einen regionalen Eintrag in der Transkriptionsliste hat: Spanisch ist unter anderem in Spanien und Mexiko unterteilt, Portugiesisch in Portugal und Brasilien, und Chinesisch umfasst regionale Einträge sowohl für Mandarin als auch für Kantonesisch. Der grundlegende Rat ändert sich nicht mit der Sprache — die Einstellung sollte dazu passen, wie die Person wirklich spricht, und eine leicht falsche Wahl verschlechtert ein Transkript an konkreten, erkennbaren Stellen, statt es unbrauchbar zu machen.

Wie Voice Studio das handhabt

Die Transkriptionssprache wird in Voice Studio aus der vollständigen Liste von 38 unterstützten Erkennungssprachen gewählt, die diese regionalen Aufteilungen enthält statt eines einzigen allgemeinen Eintrags pro Sprache. Es ist eine kostenlose Einstellung, nicht hinter Pro verborgen, und unabhängig von der Oberflächensprache der App — die eine Einstellung zu ändern, bewegt die andere nicht mit. Die Transkription versucht für die gewählte Variante immer zuerst die Verarbeitung auf dem Gerät und greift nur dann auf Apples Server zurück, wenn dieser lokale Versuch leer bleibt oder fehlschlägt; der Text bleibt danach ganz normal bearbeitbar, sodass ein paar falsch verstandene Namen oder eine ungewohnte Schreibweise eine schnelle Korrektur sind statt ein Grund, von vorn anzufangen.

Häufige Fragen

Macht es etwas aus, wenn die Transkription auf US-Englisch eingestellt bleibt, obwohl britisches Englisch gesprochen wird?

Das Transkript bleibt insgesamt lesbar, aber die Genauigkeit leidet an bestimmten Stellen — Ortsnamen, regionale Ausdrücke und Wörter, die ein auf die USA trainiertes Modell nicht erwartet hat — und die Rechtschreibung folgt amerikanischen statt britischen Konventionen. Die Einstellung an die tatsächliche Sprechweise anzupassen, vermeidet beides.

Führt die falsche Englisch-Variante zu einem leeren Transkript?

In der Regel nicht. Das ist eher typisch für eine komplett andere Sprache. Eine unpassende regionale Variante der richtigen Sprache verschlechtert ein Transkript meist an bestimmten Stellen, statt es völlig unbrauchbar zu machen.

Hängt die Rechtschreibung im Transkript davon ab, welche Englisch-Variante eingestellt ist?

Ja, im Allgemeinen. Die Erkennung folgt den Rechtschreibkonventionen der eingestellten Region, genau wie das Diktat über die iOS-Tastatur, sodass zwei verschiedene Varianten dasselbe gesprochene Wort leicht unterschiedlich schreiben können.

Betrifft das nur Englisch?

Nein. Auch Spanisch, Portugiesisch und Chinesisch sind in der Spracherkennung von iOS in regionale Varianten aufgeteilt, und derselbe Rat gilt für alle: die Einstellung an die tatsächliche Sprechweise der Person anpassen.