Audio in Text umwandeln – mit Ihrem Fachvokabular

Sie nehmen ohnehin schon auf: Sprachmemos zwischen zwei Terminen, Besprechungen, Interviews. Bleibt die Aufgabe, aus diesen Dateien brauchbaren Text zu machen. TechVoice transkribiert sie in wenigen Augenblicken und korrigiert die Begriffe Ihres Fachs mit Ihrem eigenen Vokabular, genau wie beim Live-Diktat. Wichtig vorab: TechVoice funktioniert derzeit auf Französisch und Englisch, auch beim Import; die deutsche Version ist in Vorbereitung.

So funktioniert es

1. Laden Sie die Datei hoch, in eine Notiz, von Ihrem Computer oder Ihrem Smartphone aus.
2. TechVoice transkribiert sie mit Voxtral Small Transcribe 3, dem Modell von Mistral AI für die Transkription von Audiodateien – in der Sprache der Anwendung, also derzeit auf Französisch oder Englisch.
3. Die Korrektur greift mit Ihrem Vokabular und Ihren bisherigen Korrekturen, ohne umzuformulieren.
4. Sie lesen gegen: Der Text erscheint in der Notiz, die Korrekturen sind sichtbar, und die Formatierung per Klick macht bei Bedarf eine E-Mail oder einen ausformulierten Text daraus.

Schnell, selbst bei einer Stunde Audio

Das Modell erhält die gesamte Aufnahme: Es kennt den vollständigen Kontext, bevor es schreibt, und arbeitet dadurch genauer als live. Bei einer echten Besprechung von 30 Minuten dauerte die Transkription in unseren Messungen 52 bis 67 Sekunden, zu Stoßzeiten etwas länger.

Die Grenze liegt bei 60 Minuten und 100 MB pro Datei. Sie stammt nicht von TechVoice: So viel verarbeitet das Modell am Stück, denn Audio und erzeugter Text teilen sich seine Kapazität. Mehr zu diesen Grenzen lesen Sie in unserem Erfahrungsbericht zu Voxtral.

Die Begriffe Ihres Fachs, richtig geschrieben

Die Aufnahme einer Besprechung oder eines Beratungsgesprächs steckt voller Fachvokabular – genau dort scheitert eine allgemeine Transkription. In unserem französischsprachigen Testkorpus aus der Orthopädie enthielt der Rohtext des Imports bei den Fachbegriffen 9,6 % Fehler, nach der Korrektur mit dem persönlichen Vokabular 2,6 %. Diese Zahlen stammen von synthetischen Stimmen und sind optimistisch; vor allem zeigen sie, was die Korrektur bewirkt.

Es ist dasselbe Vokabular wie beim Diktat: Ihr Fachgebiet, Ihre Musterdokumente und jede Ihrer Korrekturen. Eine Korrektur an einem Diktat hilft auch bei den folgenden Transkriptionen, und umgekehrt.

Was die Transkription nicht leistet

• Sie unterscheidet nicht, wer spricht: Der Text läuft durch, ohne Namen und ohne Zeitstempel.
• Sie fasst nicht zusammen: Sie erhalten, was gesagt wurde, korrigiert, aber nicht zusammengefasst. Die Formatierung per Klick kann daraus anschließend eine E-Mail oder einen ausformulierten Text machen, zum Gegenlesen.
• Sie ersetzt keine Einwilligung: Nehmen Sie nur mit dem Einverständnis der Anwesenden auf.
• Sie ist nicht für identifizierende Gesundheitsdaten gedacht: TechVoice ist nicht HDS-zertifiziert (HDS ist die französische Zertifizierung für das Hosting von Gesundheitsdaten). Laden Sie keine Aufnahme hoch, in der sich ein Patient identifizieren lässt.

Formate und Datenschutz

Die gängigen Formate werden unterstützt: m4a (Sprachmemos vom iPhone), mp3, wav, aac, ogg, opus, flac, webm und mp4. Die Datei wird von Mistral AI in Frankreich transkribiert, einem europäischen Anbieter, der der DSGVO unterliegt; danach bewahrt TechVoice sie nicht auf. Nur der Text bleibt, in Ihren Notizen. Die Einzelheiten finden Sie in unserer Datenschutzerklärung (auf Französisch).