Sarah entwickelt seit 2022 eine Sprach-Notizen-App. Ich wollte wissen, ob die KI-Integration das Projekt verbessert oder kompliziert hat. Ihre Antwort überraschte mich.
„Technisch funktioniert es gut", sagt sie. „Die Erkennungsrate liegt bei etwa 92% für Hochdeutsch." Das Problem liegt woanders. Nutzer erwarten perfekte Transkription, bekommen aber manchmal wirre Sätze.
Die positiven Seiten? Spracherkennung ist schneller als Tippen, wenn du längere Gedanken festhalten willst. Besonders beim Autofahren oder Kochen praktisch. Die APIs von Google und Apple funktionieren mittlerweile stabil genug für Produktions-Apps.
Sarahs App nutzt lokale Verarbeitung, soweit möglich. Das schützt Privatsphäre. „Niemand will, dass seine Sprachnachrichten auf fremden Servern landen."
Die Schattenseiten? Dialekte sind ein Albtraum. Sächsisch? Vergiss es. Schweizerdeutsch? Hoffnungslos. Auch bei Fachbegriffen wird es chaotisch. Medizinische Begriffe oder Tech-Jargon werden oft falsch erkannt.
Dann der Kontext: „Nutzer reden beim Diktieren anders als beim Schreiben", erklärt Sarah. Längere Sätze, viele Füllwörter. Die App muss das irgendwie aufräumen, ohne die Bedeutung zu verändern. Kompliziert.
Battery drain bleibt ein Thema. Dauerhafte Spracherkennung zieht am Akku. Sarahs Lösung: Push-to-talk statt Always-on. Weniger komfortabel, aber realistischer.
Kosten? Etwa 0,006€ pro Minute bei den meisten APIs. Klingt wenig, aber bei tausenden Nutzern wird es teuer.
Ihr Fazit nach zwei Jahren: „Sprach-KI macht Sinn für bestimmte Szenarien. Aber eine Tastatur ersetzen? Noch nicht." Die Technologie verbessert sich, braucht aber noch Zeit. Und manche Leute tippen einfach lieber.