Automatische Transkription

Transkribieren ist mühsam und zeitaufwendig. Deshalb bekomme ich von Studierenden häufig die Frage gestellt, ob es nicht automatisierte Möglichkeiten der Transkription gibt. Also Möglichkeiten Audio- oder Videoaufnahmen automatisch in Text umzuwandeln. Deshalb möchte ich heute die zwei Anbieter AmberScript und audiotranskription mit ihren Produkten vorstellen, die beide aber nicht kostenfrei sind. Wichtig ist auch zu wissen, dass ich beide Möglichkeiten noch nicht ausprobiert habe, also keine eigenen Erfahrungen wiedergeben kann.

Sowohl AmberScript als auch audiotranskription stellen beide einen automatischen Transkriptionsdienst zur Verfügung, der die deutsche Sprache umfasst. Zur Fairness: audiotranskription hat seine Testphase der Beta-Version (f4x) gerade erst abgeschlossen, weshalb anscheinend noch nicht so viele Informationen zur Verfügung stehen. Beide Anbieter gewährleisten, dass sie konform der Datenschutzgrundverordnung (DSGVO) arbeiten, was für Forschungsprojekte in Deutschland entscheidend ist. Hier eine kurze Gegenüberstellung der beiden Angebote:

  AmberScript f4x
Form der Transkription Erstellt wird eine wortgetreue Transkription, das heißt zum Beispiel, dass “Ähs” und Wiederholungen mittranskribiert werden. Erstellt wird eine wortgetreue Transkription, das heißt zum Beispiel, dass “Ähs” und Wiederholungen mittranskribiert werden.
Dateiformate Audio- und Videofiles
.mp3, .mp4, .aac, m4a, .wav.
alle gängigen Audio- und Videofilesalle (z.B. .mp3, .m4a, .wav, .aac) mit Ausnahme von .wma
Genauigkeit AmberScript benennt die Genauigkeitsquote der automatischen Transkription mit 90%. Für eine 100% Genauigkeit muss manuell nachbereitet werden. audiotranskription sagt, dass im Schnitt 14% der Zeichen korrigiert werden müssen.
Nachbearbeitung Die Nachbearbeitung des automatisch erstellten Transkripts kann direkt im Nutzerbereich von AmberScript erfolgen. Dort ist es z.B. möglich einzelne Teile des Transkripts auszuwählen und es werden diverse Tools zur Vereinfachung zur Verfügung gestellt. Nachbearbeitung kann in f4transkript stattfinden, eine Lizenz ist jedoch nicht im Kontingentpreis enthalten.
Schnelligkeit Meist 10 Minuten. Etwa die Hälfte der Dateilänge.
Kosten

Es gibt drei Preisangebote.
Erstens: 20 Euro pro Stunde an hochgeladenem Audio- oder Videomaterial. Ergebnis ist ein editierbares Transkript.
Zweitens: 75 Euro pro Monat für 5 Stunden hochgeladenem Audio- oder Videomaterial. Ergebnis ist ein editierbares Transkript.
Drittens: 1.90 Euro pro Minute an hochgeladenem Audio- oder Videomaterial. Hier wird das automatisch erstellte Transkript von AmberScript manuell verbessert, so dass eine 99% Korrektheit versprochen wird.

Der Early Access gilt noch bis Ende Januar 2020, ab dann gelten folgende Preise:

Studierdene/Provierende
1h  –  5€
15h  –  15€

Hochschulen/NGO/Einzelpersonen
1h  – 10€
15h  –  100€
100h  –  350€

Unternehmen
1h  – 15€
15h  – 150€
100h  – 700€

Demoversion 30 Minuten 30 Minuten
Besonderheiten Ein File sollte nicht länger als 120 Minuten sein. keine Angaben
Sprachen 29 unterschiedliche Sprachen bisher nur Deutsch

Da ich selber keine Erfahrungen mit automatischer Transkription habe, würde ich mich sehr freuen, wenn Erfahrungen mit den vorgestellten Angeboten oder auch Erfahrungen mit anderen Angeboten, geteilt würden. Gerne über die Kommentarfunktion hier, per E-Mail oder Twitter!

Erste geteilte Erfahrungen wurden über Twitter geteilt und finden sich unter diesem Tweet:

 

Cite this article as: Isabel Steinhardt, "Automatische Transkription," in Sozialwissenschaftliche Methodenberatung, 24/01/2020, https://sozmethode.hypotheses.org/910.

5 Gedanken zu „Automatische Transkription“

  1. Ach, ich kann meinen Kommentar leider nicht mehr bearbeiten, aber mir ist noch etwas aufgefallen:
    Ich glaube beide eignen sich ohne starke Nachbearbeitung nicht für eine hermeneutische Auswertung. Am ehesten wahrscheinlich noch Amberscript, aber obwohl sie eigentlich damit werben, dass die “Ähs” und “Ähms” mit transkribiert werden, war das bei mir nicht der Fall. Auch “ne” oder “gell” tauchte so gut wie nie im Transkript auf, das musste ich nachergänzen. Pausen zwischen Wörtern oder zB Lachen/ Schmunzeln werden auch nicht erfasst, aber Amberscript unterscheidet immerhin die Speaker. Das kann f4x nicht, muss man also auch händisch einfügen.

  2. Liebe Isabel, liebe alle, die hier mitlesen,

    ich habe beide Programme ausprobiert und in beide (im Rahmen der Probeminuten) die gleiche Audiodatei eingespeist. Es war ein Auszug aus einem deutschsprachigen Interview, der ca. 5 Minuten lang war. Weder Interviewerin noch Interviewee hatten einen starken Dialekt, das Interview wurde online aufgenommen, die Audioqualität war sehr gut.

    Ich empfehle nach diesem Test uneingeschränkt Amberscript, weil es nicht nur eine niedrigere Fehlerquote in meinem Ausschnitt hatte sondern weil es auch einen komfortablen Editor bietet. An dem Editor hat mir am besten gefallen, dass es Tastenkürzel gibt, die mir u.a. erlauben, in der Audiodatei dahin zu springen, wo sich mein Cursor befindet. Das Dokument konnte ich am Ende in Word oder Text exportieren.

    In f4x konnte ich das Dokument nur herunterladen nicht bearbeiten. Jetzt sitze ich vor einem Dokument voller Fehler und wünsche mir leider zum Nachbearbeiten trotzdem noch die f4transcript Software inkl. Fußschalter. Vielleicht nicht ganz ungeschickt von den Entwicklern, für mich jetzt aber eher unpraktisch.

    Ich fand eigentlich f4x zu Beginn sympathischer, weil ich einem Vertrag bzgl. Datenschutzbestimmungen zustimmen musste und ich das sehr vertrauenserweckend und transparent fand. Werde mich letztlich aber für Amberscript, aus den genannten Gründen, entscheiden.

  3. Ich muss sagen, ich habe mit f4x nicht so gute Erfahrungen gemacht. Das f4 nutze ich gerne für Transkriptionen, deswegen war ich neugierig auf f4x. Bei mir wurden bestenfalls 40% der Wörter erkannt, es hätte also wesentlich mehr als 14% Nachbearbeitung gebraucht. Ganz oft entstanden auch sinnlose Sätze wie “Daimler sah eisiger Miene zum Thema des Interviews” statt “dann kommen wir zum Thema des Interviews”.

    Möglicherweise sorgte die Tatsache, dass meine Probanden nicht Hochdeutsch sprachen für Probleme. Sie hatten alle eine regionale Färbung beim Sprechen, haben aber nicht stark im Dialekt gesprochen.

    Es würde mich interessieren, ob andere bessere Erfahrungen gemacht haben!

    1. Vielen Dank für diesen spannenden Einblick! Mit Dialekt und regionalen Färbungen tuen sich meines Wissens alle Programm schwer.
      Viele Grüße
      Isabel

  4. Mozilla’s deep speech ist eine freie/offene Spracherkennung von Mozilla – ich habe sie mal ausprobiert.

    1) Es braucht minimale python-package-installierkenntnisse
    2) Transkriptionsqualität ist mittel. Als Unterstützung gut, zum “nur noch ein paar Sachen korrigieren” reicht es nicht
    3) Nur Englisch – Wobei Modelle zu anderen Sprachen noch kommen können, wenn dafür genug Spachsamples da sind. Mithelfen kann man unter https://voice.mozilla.org/

Schreibe einen Kommentar zu Simone Antworten abbrechen

Deine E-Mail-Adresse wird nicht veröffentlicht.

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.

Suche in OpenEdition Search

Sie werden weitergeleitet zur OpenEdition Search