Spracherkennung für Schweizerdeutsch und 100 weitere Sprachen, auf Sie zugeschnitten
Alle Dialektregionen, direkt in Standarddeutsch
Schweizerdeutsch hat keine einheitliche Schriftform. Unser Modell hört Dialekt und schreibt Standarddeutsch, das sich direkt weiterverwenden lässt. Trainiert auf Aufnahmen aus allen Dialektregionen: Basel, Bern, Graubünden, Ostschweiz, Wallis, Zentralschweiz, Zürich.
Auf Augenhöhe mit dem State-of-the-Art
Auf dem STT4SG-350 Testset (35 Stunden Audio aus allen schweizerdeutschen Dialektregionen) erreicht unser aktuelles Modell eine Word Error Rate von 12.4 (0 = identisch mit der Referenz, 100 = jedes Wort ist falsch). Es performt damit auf Augenhöhe mit dem aktuellen State-of-the-Art (Timmel et al.), besser als das Modell im STT4SG-350 Paper und massiv besser als das originale Whisper-Modell.
Performance unseres aktuellen Modells auf den verschiedenen Dialektregionen im STT4SG-350 Testset:
Whisper large-v3 und Ateleris Modell: eigene Messung
STT4SG-350 Paper (2023) aus Plüss et al. (2023)
Timmel et al. (2024) aus Timmel et al. (2024)
100 verschiedene Sprachen transkribieren
Neben Schweizerdeutsch decken wir auch Deutsch, Französisch, Italienisch, Englisch, Spanisch und eine Vielzahl weiterer Sprachen aus aller Welt ab - mit automatischer Spracherkennung.
Vollständige Liste aller unterstützter Sprachen: Sprachen
Bitte beachten: nicht alle 100 Sprachen haben dieselbe Transkriptionsqualität - für gewisse gibt es schlicht nicht genügend Trainingsdaten, um eine gute Qualität hinzubekommen. Wir helfen gerne weiter bei Detailfragen, z.B. zur Transkriptionsqualität von exotischeren Sprachen.
Performance unseres Modells auf verschiedenen Sprachen auf dem FLEURS Dataset:
Optimale Transkriptionsqualität durch massgeschneiderte Modelle
Wenn Sie eigene Daten haben, also Audio und zugehöriges Transkript, holen wir mit einem darauf trainierten Modell deutlich mehr heraus als jedes Standardmodell. Das Custom Model läuft über dieselbe API oder in Ihrer eigenen Infrastruktur.
Seltener Dialekt oder wenig verbreitete Sprache?
Egal welche Sprache: wenn Sie transkribierte Aufnahmen haben, können wir ein Modell darauf trainieren. Schon 10 Stunden Daten bringen oft einen deutlichen Sprung.
Spezielle Anforderungen an das Transkript?
Sinngemäss statt wörtlich, eigene Formatierungsregeln, Fachvokabular: mit Beispieldaten in Ihrem Zielformat lernt das Modell genau diesen Stil.
Woran wir gerade arbeiten
Der Dienst wird laufend besser. Neue Modellversionen erscheinen über dieselbe API, ohne Änderungen an Ihrer Integration.
Eigene Begriffe und Namen per API mitgeben.
Optimierung der Transkriptionsqualität speziell für Aufnahmen in suboptimaler Qualität oder mit Hintergrundgeräuschen.
Kontext zur Aufnahme und Anweisungen per API mitgeben, gezielte Verbesserung oder Umformulierung des Transkripts durch ein LLM.