Forschende der Universität Paderborn und der RWTH Aachen haben gemeinsam an einem wegweisenden Projekt gearbeitet, das die automatische Transkription von Gesprächen revolutionieren soll. Das Projekt mit dem Titel „Automatische Transkription von Gesprächssituationen“ wird am Heinz Nixdorf Institut der Universität Paderborn umgesetzt und hat sich zum Ziel gesetzt, neue Verfahren zur Signalverbesserung und zur Kennzeichnung von Sprechern in Gesprächssituationen zu entwickeln. Trotz der bedeutenden Fortschritte, die in den letzten Jahren im Bereich der AI-gestützten Spracherkennung erzielt wurden, stellt die Transkription gesprochener Sprache nach wie vor eine technische Herausforderung dar. So berichten uni-paderborn.de, dass moderne Systeme zur Verarbeitung gesprochener Sprache noch immer niedrigere Erkennungsleistungen aufweisen als Menschen.
Das von der Deutschen Forschungsgemeinschaft (DFG) mit rund 300.000 Euro über drei Jahre geförderte Projekt zielt darauf ab, die Herausforderungen, wie Raumhall und Überlappungen von Gesprächen, die die Spracherkennung erschweren, effizient zu bewältigen. Die Forschenden nutzen innovative Raummikrofone und haben Methoden entwickelt, die eine präzisere und kontextsensitivere Transkription ermöglichen. Dies beinhaltet Verfahren zur gleichzeitigen Signalverbesserung und Annotation, die in internationalen Vergleichen neue Bestwerte erzielt haben.
Fortschritte und Herausforderungen in der Spracherkennung
In den letzten Jahren hat die AI-gestützte Spracherkennung aufgrund der rasanten Entwicklung im Bereich Künstliche Intelligenz und Automatisierung bedeutende Fortschritte gemacht. Systeme haben sich so weit verbessert, dass sie kontinuierlich aus neuen Daten lernen und sich selbst optimieren. Diese Fortschritte gehen einher mit einer erhöhten Verarbeitungsgeschwindigkeit und der Integration leistungsfähigerer Algorithmen. Laut 5ms.ch verändert die Technologie die Interaktion mit Geräten, sei es in Smartphones, im Smart Home oder in Fahrzeugen.
Trotz der Fortschritte gibt es nach wie vor wesentliche Herausforderungen, die bewältigt werden müssen. Datenschutz, Genauigkeit unter verschiedenen Bedingungen und die Anpassung an unterschiedliche Sprachen und Dialekte sind nur einige der Themen, die interdisziplinäre Forschung erfordern. Anwendungen, wie digitale Assistenten, Sprachsteuerung von Haushaltsgeräten und Übersetzungs-Apps, sind Beispiele für die Integration dieser Technologie in verschiedenste Lebensbereiche.
Ein ganzheitlicher Ansatz zur Transkription
Ein zentrales Ziel des Projektes an der Universität Paderborn ist die Entwicklung einer „Ende-zu-Ende“-Erkennung, die eine genaue Zuordnung der Sprecher ermöglicht, ohne dass vorherige Kenntnisse über die Anzahl der gleichzeitig sprechenden Personen erforderlich sind. Die aktuelle Praxis sieht vor, dass Transkriptionssysteme in unabhängigen Bausteinen arbeiten, was oft ungenaue Zwischenergebnisse nach sich zieht. Durch die angestrebte kohärente Herangehensweise soll der gesamte Prozess optimiert werden.
Die Aussicht auf ein Transkriptionssystem, das mit beliebig langen Aufnahmen arbeiten kann und gleichzeitig Sprecher korrekt zuordnet, könnte nicht nur die Effizienz von Arbeitsabläufen in zahlreichen Branchen steigern. Somit könnte die Forschung an der Explikation von Gesprächssituationen einen wesentlichen Beitrag zur Weiterentwicklung der Sprachtechnologie leisten und deren Anwendung in der Praxis umfassend erweitern.