Spracherkennungsmodelle

Besprechungen transkribieren

Öffne Einstellungen → Transkription → Spracherkennungsmodelle, um lokale und Cloud-Optionen zu sehen. Lade ein lokales Modell herunter, bevor du es für eine Aufnahme auswählst.

Bei der Einrichtung ist Nemotron 3.5 Streaming voreingestellt. Fang damit an und probier zum Vergleich ein anderes Modell, wenn deine Sprache oder deine Aufnahmen etwas anderes brauchen.

Lokale Option	Ungefährer Download	Einordnung
Nemotron 3.5 Streaming	716 MB	Bei der Einrichtung voreingestellt, für die Live-Transkription
Parakeet 0.6B v3	705 MB	Ein alternatives lokales Spracherkennungsmodell; auch die Diktat-Option „Am schnellsten“ nutzt es
Whisper Small	190 MB	Ein kleinerer Download, wenn der Speicherplatz knapp ist
Whisper Medium	540 MB	Eine weitere Whisper-Option zum Vergleich mit deinen Aufnahmen
Whisper Large v3 Turbo	575 MB	Noch eine Whisper-Option; teste Ergebnisse und Reaktionszeit

Das ist eine Auswahl für den Einstieg, nicht der vollständige Katalog. Die Downloadgrößen sind ungefähre Größen der Modelldateien, kein RAM-Bedarf. Manche Modelle zeigen Text blockweise an, statt halbe Wörter laufend zu aktualisieren.

Auf die Sprache abstimmen

Sieh dir die Sprachangaben eines Modells an, bevor du es auswählst. Die Modelle unterscheiden sich: Parakeet Unified (EN) zum Beispiel versteht nur Englisch, während Parakeet 0.6B v3 ein anderes Modell ist, das mehrere Sprachen unterstützt.

Lege in den Transkriptionseinstellungen die Besprechungssprache fest. Wenn du in mehreren Sprachen arbeitest, mach zuerst eine kurze Probeaufnahme mit diesem Sprachmix, bevor du dich bei einer ganzen Besprechung darauf verlässt.

Das Diktat ist unabhängig

Spracherkennungsmodell und Sprache fürs Diktat findest du unter Einstellungen → Diktat. Sie übernehmen das Besprechungsmodell nicht automatisch.

Fang mit Am schnellsten (Parakeet v3) an, wenn es deine Sprache unterstützt. Mehr zu Formatierung und Tastenkürzeln steht in der Anleitung zum Diktat.

Cloud-Spracherkennung

Kimiko bietet außerdem Spracherkennung von Deepgram und ElevenLabs. Bei der Cloud-Transkription geht Audio an den Anbieter deiner Wahl; dafür brauchst du dessen Zugangsdaten und eine Netzwerkverbindung.

Cloud-Spracherkennung richtest du getrennt von Cloud-KI ein. Folge der Einrichtungsanleitung für Deepgram und ElevenLabs, um einen API-Schlüssel zu erstellen und deinen Anbieter zu verbinden.

Vor dem Wechsel vergleichen

Nutze zum Vergleichen klares Audio und dieselbe Sprache. Achte auf Wörter, Namen, die Sprecherzuordnung und die Reaktionszeit. Ein Modellwechsel korrigiert vorhandene Transkripte nicht automatisch.