Die Sprache in Audio erkennen, auch bei Sprachwechseln

auto ist bei jeder Quelle die Voreinstellung. Du kannst language deshalb auch ganz weglassen. Die Doku zur Sprachwahl erklärt, wann das Feld die Erkennung steuert und wann es eine Untertitelspur auswählt.

Automatische Sprachenerkennung passt gut zu einer Sammlung mit unterschiedlichen Aufnahmen. Du musst der Warteschlange keine gemeinsame Sprache aufzwingen. Kennst du die Sprache einer einzelnen Aufnahme bereits, kann ein zweistelliger Hinweis helfen, etwa wenn der Anfang sehr kurz oder uneindeutig ist.

Die Erkennung kann nur das verfügbare Audio auswerten. Musik, Stille oder eine kurze fremdsprachige Wendung liefern weniger Anhaltspunkte als ein klares Gespräch. Prüfe deshalb auch die Wörter im Transkript. Ein plausibles Sprachlabel garantiert keinen fehlerfreien Wortlaut.

language am Transkriptionsobjekt nennt die vorherrschende Sprache. Im Segment steht dagegen die Sprache der jeweiligen Passage. Wo die Felder liegen, zeigt die Referenz zum Transkriptionsobjekt.

Für die Übersicht reicht oft die Hauptsprache. Zum Weiterleiten einzelner Passagen brauchst du die Segmentlabels. Bei einem zweisprachigen Interview kann die Einleitung in einer anderen Sprache sein als die Antworten. Würdest du nur Segmente in der Hauptsprache behalten, ginge ein Teil des Gesprächs verloren.

Die JSON-Antwort veranschaulicht die Labels. Ein Sprachwechsel fällt nicht immer genau mit einer Satzgrenze zusammen. Prüfe Namen, Fachbegriffe und Wechsel mitten im Satz selbst. Bewahre den ursprünglichen Segmenttext auf, wenn du später eine korrigierte Fassung oder eine Übersetzung erstellst.

Sende einen zweistelligen ISO 639-1-Code. Beim Datei-Upload ist language ein Formularfeld im Multipart-Request. Das Beispiel findest du im Upload-Guide.

Bei Speech-to-Text ist der Code ein Hinweis für die Erkennung. Bei YouTube wählt er stattdessen die Untertitelsprache aus. Mit auto orientiert sich die Spurwahl an der Originalsprache des Videos. Automatisch übersetzte Spuren verwenden wir nicht. Berücksichtige diese unterschiedlichen Aufgaben, wenn deine Anwendung Dateien und YouTube-Links verarbeitet.

language=en übersetzt eine spanische Aufnahme nicht ins Englische. Du bekommst eine Transkription der gesprochenen Worte. Eine gewünschte Übersetzung erstellst und prüfst du in einem separaten Schritt. Behalte dafür das Originaltranskript zum Vergleichen.

Speichere Hauptsprache und Segmentsprachen, wenn du Texte an sprachspezifische Redaktionen oder Suchindizes weitergibst. Eine längere Antwort in einer anderen Sprache kann wichtig sein, auch wenn sie von der Hauptsprache abweicht. Verarbeite die passende Passage, statt sie auszusortieren.

Höre bei einem Sprachwechsel die Stelle und ihre Umgebung an. Ein Name, Zitat oder Lehnwort bedeutet noch keinen Wechsel der ganzen Passage. Aus einem maschinellen Sprachlabel kannst du keine sicheren Aussagen über Sprachkenntnisse, Herkunft oder Identität der Person ableiten.

Wirkt die Erkennung falsch, prüfe zuerst die Tonspur: Ist die erwartete Sprache deutlich zu hören? Hast du die richtige Audiospur gewählt? Wenn du anschließend eine neue Transkription mit Sprachhinweis startest, behalte die frühere zum Vergleich. Geänderte Verarbeitungsoptionen können neue Minuten kosten. Das ist etwas anderes als der erneute Abruf eines fertigen Exports.