Speech-to-Text (STT)

Moderne STT-Systeme basieren auf neuronalen Netzen, die auf vielen tausend Stunden Audiomaterial trainiert wurden. Sie erkennen Sprache heute auch bei Dialekten, Hintergrundgeräuschen und Telefonqualität (8-kHz-Audio) zuverlässig und liefern Ergebnisse als Streaming-Transkription – Wort für Wort, während noch gesprochen wird.

Woran sich Qualität bemisst

• ▸Word Error Rate (WER): Anteil falsch erkannter Wörter – je niedriger, desto besser
• ▸Latenz: Zeit bis zum ersten Transkript-Ergebnis, entscheidend für flüssige Dialoge
• ▸Robustheit: Umgang mit Namen, Fachbegriffen, Zahlen und Buchstabierungen

STT im KI-Telefonassistenten

Im Voice-Agent-Stack arbeitet STT im Zusammenspiel mit dem Sprachmodell (LLM) und der Sprachsynthese (Text-to-Speech): hören → verstehen → antworten. Die gesamte Kette muss unter etwa 500 ms bleiben, damit das Gespräch natürlich wirkt – Details im Artikel Latenz und Natürlichkeit.

Häufige Fragen zu Speech-to-Text

Wie genau ist Spracherkennung am Telefon?
Das hängt von Audioqualität, Sprache und Fachvokabular ab. Moderne Modelle kommen auch mit komprimiertem 8-kHz-Telefonaudio gut zurecht; anspruchsvoll bleiben seltene Eigennamen und Buchstabierungen. Gute KI-Assistenten fangen das im Dialog ab, indem sie kritische Angaben wie Namen und Rufnummern zur Bestätigung wiederholen.

Versteht Speech-to-Text auch Dialekte und Akzente?
Aktuelle Modelle sind auf sehr unterschiedliche Sprechweisen trainiert und verarbeiten viele regionale Färbungen problemlos. Bei sehr ausgeprägtem Dialekt kann die Fehlerrate steigen – auch hier hilft die Rückfrage-Logik des Assistenten.

Ist Speech-to-Text dasselbe wie ein Diktierprogramm?
Die Basistechnik ist verwandt, der Einsatz unterscheidet sich: Diktiersoftware wandelt Sprache in einen Text zum Weiterbearbeiten um. In der KI-Telefonie läuft STT als Streaming in Echtzeit und liefert das Transkript direkt an das Sprachmodell, das darauf antwortet.