Spracherkennungsanbieter in Hedy
Was sind Spracherkennungsanbieter?
Hedy unterstützt mehrere Spracherkennungsoptionen und bietet Ihnen die Flexibilität, zwischen vollständiger Privatsphäre durch lokale Verarbeitung und cloudbasierten Alternativen zu wählen. Sie können jederzeit zwischen Anbietern wechseln — nutzen Sie die lokale Verarbeitung für Offline-Sitzungen und Cloud-Dienste, wenn Sie deren spezifische Funktionen bevorzugen.
Erste Schritte
-
Öffnen Sie die Hedy-App
-
Öffnen Sie Einstellungen und gehen Sie zum Tab Sprache & KI
-
In der Liste der Spracherkennungsmodelle hat jedes Modell eine eigene Zeile. Beim aktuell genutzten Modell steht In Verwendung. Cloud-Dienste stehen im eigenen Abschnitt Cloud-Dienste · nutzt deinen eigenen API-Schlüssel
-
Tippen Sie auf die gewünschte Zeile. Ist das Modell noch nicht auf Ihrem Gerät, wählen Sie dort zuerst Herunterladen. Wählen Sie bei einem Cloud-Dienst Einrichten, um Ihren API-Key hinzuzufügen
-
Ihre Auswahl wird in der nächsten Sitzung wirksam
Die Markierung Empfohlen mit dem Hinweis Passt am besten zu deiner Meetingsprache kennzeichnet das Modell, das auf Ihrem Gerät am besten zu Ihrer Meeting-Sprache passt. Jede Zeile zeigt den Modellnamen, darunter den Hersteller (NVIDIA oder OpenAI) und Angaben wie die Downloadgröße (zum Beispiel 2,4 GB Download), die unterstützten Sprachen und ob das Modell Sofort-Untertitel liefert. Rechts steht der Status In Verwendung, Heruntergeladen, In Hedy enthalten oder Bereit. Während eines Downloads sehen Sie in der Zeile den Fortschritt und die Schaltfläche Abbrechen. Falls der Download fehlschlägt, wählen Sie Wiederholen. Bei einem verfügbaren Modellupdate ist Update verfügbar die einzige Schaltfläche in der Zeile.
Die Zeilen sind nach dem jeweiligen Modell benannt:
| Zeile | Hersteller | Engine |
|---|---|---|
| Nemotron English | NVIDIA | Nemotron English Only (lokal) |
| Nemotron Multilingual | NVIDIA | Nemotron Multilingual (lokal) |
| Whisper Base (Mac, Windows, iPhone, iPad und Android) | OpenAI | Whisper (lokal), Basismodell |
| Whisper Small (Mac, Windows, iPhone, iPad und Android) | OpenAI | Whisper (lokal), kleines Modell |
| Whisper Large v3 Turbo (Mac und Windows) | OpenAI | Whisper (lokal), Modell Large v3 Turbo |
| Deepgram, OpenAI, xAI | Cloud-Dienste mit eigenem API-Key |
Whisper Large v3 Turbo wird einmalig heruntergeladen (etwa 900 MB auf dem Mac, etwa 550 MB unter Windows). Hedy verwendet Ihr bisheriges Modell, bis der Download abgeschlossen und überprüft ist, und wechselt erst dann. Wenn Sie den Download abbrechen, bleibt Ihr bisheriges Modell aktiv.
Verbesserte Transkription auf Mac und Windows
Wenn Sie auf einem Apple Silicon Mac oder einem Windows-PC noch nie eine Spracherkennungs-Engine ausgewählt haben, bietet Hedy Ihnen Verbesserte Transkription an. Im Hintergrund wird die zu Ihrer Meeting-Sprache passende Engine für die Verarbeitung auf dem Gerät heruntergeladen. Hedy zeigt den Fortschritt an und wechselt zur Engine, sobald der Download abgeschlossen ist. Wenn Sie den Download abbrechen oder er nicht abgeschlossen werden kann, können Sie ihn in der Zeile des Modells unter Einstellungen → Sprache & KI erneut starten.
- Wenn Sie eine Sitzung starten, pausiert der Download und wird nach der Sitzung fortgesetzt.
- Wenn der Download nicht abgeschlossen wird, funktioniert Hedy wie bisher.
- Wenn Sie selbst eine Engine ausgewählt haben, ändert Hedy diese nie.
Verfügbare Anbieter
Hedy bietet fünf Spracherkennungsoptionen, jede mit eigenen Merkmalen:
-
Whisper (local): Standardoption — 100 % privat, funktioniert offline, keine Nutzungskosten. Ihre Audiodaten verlassen für die Transkription niemals Ihr Gerät. Kann nach dem Ende der Sitzung in den nativen Apps Sprecherlabels hinzufügen, außer unter 32-Bit-Android. Whisper ist in der Web-App nicht verfügbar.
-
Nemotron (local): Eine neuere On-Device-Streaming-Engine mit Live-Transkripten und Sprecherlabels auf dem Gerät. Sie wählen zwischen einem English Only-Modus (die schnellste Option) und einem Multilingual-Modus, der eine breite Auswahl wichtiger Sprachen abdeckt. Verfügbar auf jeder Plattform, für die Hedy eine native App anbietet: Apple Silicon Macs ab macOS 15, iPhone XS (oder neuer), iPads mit Neural Engine (iPad Pro (2018), iPad Air (3. Generation), iPad mini (5. Generation), iPad (8. Generation) oder neuer), Windows und Android. Auf Apple-Hardware läuft sie auf der Neural Engine und beschriftet Sprecher live; unter Windows und Android werden die Sprecherlabels am Ende der Sitzung hinzugefügt. Erfordert einen einmaligen Modell-Download (etwa 0,6 GB für English Only, 0,7 GB für Multilingual).
-
Deepgram: Cloudbasierter Dienst mit Echtzeit-Streaming und intelligenten Formatierungsfunktionen. Verwendet Nova-3, das Dutzende von Sprachen unterstützt. Hedy stellt jede von Nova-3 unterstützte Sprache bereit, sodass Sie Meetings in jeder unterstützten Sprache transkribieren können, ohne den Anbieter zu wechseln. Erfordert Ihren eigenen API-Key.
-
OpenAI: Cloud-Transkription mit Voice Activity Detection und automatischer Spracherkennung. Hedy setzt Sitzungen, die das 60-Minuten-Verbindungslimit von OpenAI überschreiten, automatisch fort, indem es im Hintergrund Verbindungen rotiert, sodass auch längere Meetings ohne Unterbrechung durchlaufen. Erfordert Ihren eigenen API-Key.
-
xAI: Cloud-Transkription mit grok-voice-transcribe von xAI, mit Live-Streaming für Sitzungen und Batch-Transkription für importierte Dateien. Es unterstützt 25 Sprachen, und Ihr benutzerdefiniertes Vokabular wird als Hinweis mitgeschickt, sodass Namen und Produktbegriffe so geschrieben zurückkommen, wie Sie es möchten. Erfordert Ihren eigenen API-Key.
Whisper (local) konfigurieren
Whisper erscheint in mehreren Zeilen, damit Sie die passende Modellgröße für Ihr Gerät auswählen können.
Auf einem Mac oder Windows-PC:
-
Whisper Base braucht die wenigsten Ressourcen und ist das schnellste Modell. Hedy empfiehlt es auf Intel-Macs.
-
Whisper Small bietet ein ausgewogenes Verhältnis von Geschwindigkeit und Genauigkeit. Hedy empfiehlt es auf Apple Silicon Macs mit macOS 14.
-
Whisper Large v3 Turbo ist die genaueste Wahl für viele nicht-englische Sprachen (einmaliger Download von etwa 900 MB auf dem Mac, etwa 550 MB unter Windows).
Auf iPhone, iPad und Android:
-
Whisper Base ist die Standardoption.
-
Whisper Small ist genauer, besonders bei anderen Sprachen als Englisch (nur für iPhone 12 oder neuer und Android-Smartphones ab 2024 empfohlen).
Voice Activity Detection (VAD):
VAD filtert automatisch Stille und Hintergrundgeräusche heraus, um die Transkriptionsqualität zu verbessern. Diese Funktion ist standardmäßig für Whisper aktiviert.
-
Aktivieren/Deaktivieren: Schalten Sie VAD je nach Aufnahmeumgebung ein oder aus
-
Empfindlichkeit: Stellen Sie von “High Sensitivity” (erfasst mehr Sprache, einschließlich leiserer Geräusche) bis “Maximum Filtering” (erfasst nur deutliche Sprache, filtert mehr Hintergrundgeräusche) ein
Transkriptionshäufigkeit:
-
Langsamer: Aktualisiert das Transkript etwa zweimal pro Minute (schont den Akku)
-
Normal: Aktualisiert das Transkript alle 5 Sekunden (für die meisten Nutzer empfohlen)
-
Schneller: Aktualisiert das Transkript jede Sekunde (verbraucht mehr Strom)
Nemotron (local) konfigurieren
Es transkribiert vollständig auf dem Gerät und zeigt Live-Transkripte, während Sie sprechen. Es ist auf jeder Plattform verfügbar, für die Hedy eine native App anbietet: iOS, iPadOS, macOS, Windows und Android. Auf Apple-Hardware läuft es auf der Neural Engine.
Gerätevoraussetzungen:
-
Apple Silicon Mac (M1 oder neuer) mit macOS 15 oder neuer, oder
-
iPhone XS oder neuer oder ein iPad mit Neural Engine (iPad Pro (2018), iPad Air (3. Generation), iPad mini (5. Generation), iPad (8. Generation) oder neuer), oder
-
Windows, oder
-
Ein 64-Bit-Android-Smartphone
Nur Englisch oder mehrsprachig:
Für Nemotron stehen zwei Zeilen zur Auswahl:
-
Nemotron English (Nemotron English Only) transkribiert Englisch live und ist die schnellste Option.
-
Nemotron Multilingual (Nemotron Multilingual) transkribiert viele verbreitete Sprachen live auf dem Gerät.
Beide laufen vollständig auf dem Gerät. English Only transkribiert immer auf Englisch und ignoriert Ihre Meeting-Spracheinstellung. Multilingual verwendet Ihre Meeting-/Unterrichtssprache, sofern Sie nicht Auto-detect language aktivieren (Einstellungen > Sprache & KI); dann erkennt die Engine die Sprache stattdessen aus dem Audio.
Erstmalige Einrichtung:
-
Suchen Sie unter Einstellungen → Sprache & KI die Zeile Nemotron English oder Nemotron Multilingual
-
Wählen Sie dort Herunterladen (etwa 0,6 GB für Nemotron English, 0,7 GB für Nemotron Multilingual). Wir empfehlen WLAN
-
Tippen Sie nach dem Download auf die Zeile, um zu dem Modell zu wechseln. Nemotron wird ab Ihrer nächsten Sitzung verwendet
Wenn ein Nemotron-Download noch aussteht, während Sie eine Sitzung starten, zeigt die Zeile Während deiner Sitzung pausiert an. Der Download wird nach dem Ende der Sitzung fortgesetzt. Fehlen die Dateien des gewählten Nemotron-Modells auf Ihrem iPhone, iPad, Mac oder Windows-PC, lädt Hedy sie automatisch erneut herunter, sobald keine Sitzung läuft und das Gerät mit dem WLAN verbunden ist. Bis dahin verwendet Hedy Whisper.
Sprecherlabels und der temporäre Audio-Cache:
Beide Engines auf dem Gerät kennzeichnen, wer spricht. Mit Nemotron auf Apple-Hardware erscheinen die Labels live, während Sie sprechen. Mit Nemotron unter Windows und Android sowie mit Whisper auf unterstützten Geräten werden sie am Ende der Sitzung hinzugefügt. Um die Sprecher zuzuordnen, behält Hedy das Audio während der Verarbeitung in einem temporären Cache auf dem Gerät und löscht es danach. Dieses Audio bleibt auf Ihrem Gerät. Die Einstellung Temporärer Audio-Cache ist standardmäßig aktiviert. Sie können sie in Hedys Einstellungen ausschalten, wobei die aktivierte Einstellung die beste Sprecherzuordnung ermöglicht. Whisper benötigt entweder diesen Cache oder Sitzungsaudio speichern sowie Sprachaktivitätserkennung, um Sprecherlabels hinzuzufügen. Sprecherlabels mit Whisper sind in der Web-App und unter 32-Bit-Android nicht verfügbar.
Cloud-Anbieter einrichten
Deepgram einrichten:
-
Erstellen Sie ein Konto auf console.deepgram.com
-
Generieren Sie einen API-Key in Ihrem Dashboard
-
Wählen Sie unter Einstellungen → Sprache & KI in der Zeile Deepgram die Option Einrichten
-
Fügen Sie Ihren API-Key ein und tippen Sie auf “Test” zur Überprüfung
-
Wählen Sie Ihr bevorzugtes Modell und Ihre Spracheinstellungen
-
Legen Sie eine maximale Sitzungsdauer fest, um die Kosten zu kontrollieren
OpenAI einrichten:
-
Holen Sie Ihren API-Key von platform.openai.com/api-keys
-
Wählen Sie unter Einstellungen → Sprache & KI in der Zeile OpenAI die Option Einrichten
-
Geben Sie Ihren API-Key ein und testen Sie die Verbindung
-
Wählen Sie Ihr bevorzugtes Modell
-
Aktivieren Sie optional die Voice Activity Detection mit einstellbarer Empfindlichkeit
-
Legen Sie eine maximale Sitzungsdauer zur Kostenkontrolle fest
xAI einrichten:
-
Holen Sie Ihren API-Key von console.x.ai
-
Wählen Sie unter Einstellungen → Sprache & KI in der Zeile xAI die Option Einrichten
-
Fügen Sie Ihren API-Key ein
-
Legen Sie eine maximale Sitzungsdauer zur Kostenkontrolle fest
Den richtigen Anbieter wählen
Wählen Sie basierend auf Ihren Prioritäten und Ihrem Anwendungsfall:
-
Datenschutz zuerst: Nutzen Sie eine lokale Engine (Whisper oder Nemotron) — Audio verlässt für die Transkription niemals Ihr Gerät
-
Offline-Nutzung: Alle lokalen Engines funktionieren ohne Internet
-
Cloud-Funktionen: Deepgram, OpenAI und xAI bieten cloudbasierte Verarbeitung
-
Spracherkennung: Whisper und OpenAI bieten Voice Activity Detection
-
Intelligente Formatierung: Deepgram bietet automatische Formatierungsoptionen
-
Keine Nutzungskosten: Lokale Engines (Whisper, Nemotron) haben keine minutenbasierten Kosten
-
Schnellere On-Device-Transkription: Nemotron liefert üblicherweise ein Transkript mit geringerer Latenz als Whisper
-
Mehrsprachiges On-Device-Streaming: Nemotron Multilingual bietet On-Device-Transkription über eine breite Auswahl an Sprachen hinweg
-
Beste On-Device-Engine für Ihre Sprache: Siehe die Tabelle unten
-
Vollständig private Analyse: Auf Apple Silicon Macs, Windows-PCs, iPhone 15 Pro oder neuer, iPads mit M-Chip oder A17 Pro und unterstützten Android-Smartphones können Sie die lokale Spracherkennung mit der lokalen KI-Verarbeitung kombinieren, um sowohl Transkription als auch KI-Analyse vollständig auf dem Gerät zu halten.
Welche On-Device-Engine für Ihre Sprache
Whisper und Nemotron sind nicht in jeder Sprache gleich genau. Suchen Sie unten Ihre Meeting-/Unterrichtssprache, um zu sehen, welche Engine Sie wählen sollten. Wenn beide Engines eine Sprache gut beherrschen, empfehlen wir Nemotron, weil es ressourcenschonender und schneller ist.
Für die gesamte Tabelle gilt:
-
Nemotron steht für Nemotron Multilingual (local). Für Englisch wählen Sie stattdessen Nemotron English Only (local) (die Zeile Nemotron English).
-
Whisper Large v3 Turbo bezeichnet die Zeile Whisper Large v3 Turbo auf einem Mac oder Windows-PC. Für mehrere Sprachen ist das die genaueste Option auf dem Gerät, sie braucht aber mehr Arbeitsspeicher und läuft langsamer als Nemotron. Ist sie auf Ihrem Computer zu langsam, ist Nemotron für diese Sprachen die nächstbeste Wahl.
-
Auf Smartphones und Tablets ist Whisper Large v3 Turbo nicht verfügbar. Wo in der Tabelle Whisper steht, wählen Sie Whisper Small, sofern Ihr Gerät das unterstützt.
-
Wenn Ihr Gerät Nemotron nicht ausführen kann (zum Beispiel ein Intel-Mac oder ein älteres iPhone), verwenden Sie Whisper.
-
Die Markierung Empfohlen in den Einstellungen folgt derselben Empfehlung, sofern Hedy ermitteln kann, was zu Ihrem Gerät passt. Unter Android sowie auf Smartphones für Arabisch, Hindi und Thai ist keine Zeile als empfohlen markiert. Verwenden Sie dafür diese Tabelle.
-
Akzente, Dialekte, gleichzeitiges Sprechen und weit entfernte Mikrofone verringern die Genauigkeit in jeder Sprache.
| Meeting-Sprache | Mac oder Windows-PC | iPhone, iPad oder Android |
|---|---|---|
| Englisch | Nemotron English Only | Nemotron English Only |
| Arabisch | Nemotron | Auf Mobilgeräten nicht verfügbar |
| Niederländisch | Nemotron | Nemotron |
| Französisch | Nemotron | Nemotron |
| Deutsch | Nemotron | Nemotron |
| Hindi | Nemotron | Auf Mobilgeräten nicht verfügbar |
| Italienisch | Nemotron | Nemotron |
| Japanisch | Nemotron | Nemotron |
| Koreanisch | Nemotron | Nemotron |
| Portugiesisch | Nemotron | Nemotron |
| Russisch | Nemotron | Nemotron |
| Spanisch | Nemotron | Nemotron |
| Türkisch | Nemotron | Nemotron |
| Ukrainisch | Nemotron | Nemotron |
| Vietnamesisch | Nemotron | Nemotron |
| Chinesisch (Mandarin) | Whisper Large v3 Turbo | Nemotron |
| Kroatisch | Whisper Large v3 Turbo | Nemotron |
| Tschechisch | Whisper Large v3 Turbo | Nemotron |
| Dänisch | Whisper Large v3 Turbo | Nemotron |
| Finnisch | Whisper Large v3 Turbo | Nemotron |
| Ungarisch | Whisper Large v3 Turbo | Nemotron |
| Norwegisch | Whisper Large v3 Turbo | Nemotron |
| Polnisch | Whisper Large v3 Turbo | Nemotron |
| Rumänisch | Whisper Large v3 Turbo | Nemotron |
| Slowakisch | Whisper Large v3 Turbo | Nemotron |
| Schwedisch | Whisper Large v3 Turbo | Nemotron |
| Afrikaans | Whisper Large v3 Turbo | Whisper |
| Kantonesisch | Whisper Large v3 Turbo | Whisper |
| Katalanisch | Whisper Large v3 Turbo | Whisper |
| Griechisch | Whisper Large v3 Turbo | Whisper |
| Hebräisch | Whisper Large v3 Turbo | Whisper |
| Indonesisch | Whisper Large v3 Turbo | Whisper |
| Malaiisch | Whisper Large v3 Turbo | Whisper |
| Serbisch | Whisper Large v3 Turbo | Whisper |
| Slowenisch | Whisper Large v3 Turbo | Whisper |
| Tagalog | Whisper Large v3 Turbo | Whisper |
| Thailändisch | Whisper Large v3 Turbo | Auf Mobilgeräten nicht verfügbar |
In Afrikaans, Kantonesisch, Hebräisch und Serbisch ist die Genauigkeit spürbar geringer als in den anderen Sprachen, unabhängig von der Engine.
Kostenhinweise
Die Kostenauswirkungen der einzelnen Anbieter im Überblick:
-
Whisper (local): Kostenlos — keine Nutzungsgebühren
-
Nemotron (local): Kostenlos — keine Nutzungsgebühren (einmaliger Modell-Download, etwa 0,6-0,7 GB)
-
Deepgram: Minutenbasierte Abrechnung (aktuelle Preise auf dem Dashboard einsehbar)
-
OpenAI: Nutzungsbasierte Abrechnung (aktuelle Preise auf der Plattform einsehbar)
-
xAI: Stundenbasierte Abrechnung, getrennt für Live-Sitzungen und importierte Dateien (aktuelle Preise auf der Plattform einsehbar)
Die Einstellung für die maximale Sitzungsdauer hilft, versehentliche Über-Nacht-Aufnahmen zu vermeiden und API-Kosten zu kontrollieren. Erreicht eine laufende Sitzung das Limit, läuft sie weiter, und Hedy transkribiert den Rest auf Ihrem Gerät.
Empfohlene Vorgehensweisen
-
Beginnen Sie mit Whisper (local), um sich mit der Funktion vertraut zu machen, und probieren Sie anschließend Nemotron aus, falls Ihr Gerät unterstützt wird
-
Testen Sie Cloud-Anbieter mit kurzen Aufnahmen vor wichtigen Sitzungen
-
Überwachen Sie Ihre API-Nutzung auf den Anbieter-Dashboards, um Kosten im Blick zu behalten
-
Nutzen Sie verschiedene Anbieter für verschiedene Szenarien je nach Bedarf
-
Wechseln Sie auf lokal, wenn Sie unterwegs sind oder eingeschränktes Internet haben
-
Stellen Sie die maximale Sitzungsdauer etwas länger ein als Ihre längsten Meetings (Standard: 120 Minuten), damit auch lange Meetings vollständig in der Cloud transkribiert werden
Fehlerbehebung
API-Key funktioniert nicht
-
Stellen Sie sicher, dass Sie den vollständigen Key ohne Leerzeichen kopiert haben
-
Überprüfen Sie, ob Ihr Konto über verfügbares Guthaben verfügt
-
Prüfen Sie, ob der API-Key die erforderlichen Berechtigungen hat
-
Versuchen Sie, den Key im Anbieter-Dashboard neu zu generieren
Verbindungstest fehlgeschlagen
-
Überprüfen Sie die Stabilität Ihrer Internetverbindung
-
Stellen Sie sicher, dass die Firewall keine WebSocket-Verbindungen blockiert
-
Vergewissern Sie sich, dass der API-Key aktiv ist und ausreichend Kontingent hat
-
Warten Sie einen Moment und versuchen Sie es erneut (vorübergehende Dienstprobleme)
Transkriptionsprobleme
-
Für Whisper unter Windows: Wenn die Transkription der Unterhaltung stark hinterherhinkt, prüfen Sie die GPU-Einstellungen für langsame Transkription
-
Für Fachbegriffe, Namen und Abkürzungen: Fügen Sie sie über die Funktion benutzerdefiniertes Vokabular hinzu
-
Bei Whisper wählen Sie eine andere Zeile (Whisper Base, Whisper Small oder Whisper Large v3 Turbo)
-
Für Nemotron: Verwenden Sie den English Only-Modus für Meetings auf Englisch; für andere Sprachen verwenden Sie den Multilingual-Modus oder wechseln Sie zu Whisper mit explizit gesetzter Sprache
-
Für Cloud: Überprüfen Sie die Stabilität der Internetverbindung
-
Stellen Sie sicher, dass das Mikrofon korrekt konfiguriert ist
-
Minimieren Sie Hintergrundgeräusche während der Aufnahme
Einstellungen werden nicht gespeichert
-
Warten Sie, bis die Anzeige “Saved” erscheint
-
Wechseln Sie nicht den Bildschirm während des Speicherns
-
Starten Sie die App neu, wenn das Problem weiterhin besteht
-
Stellen Sie eine stabile Internetverbindung sicher
Ihre API-Keys werden sicher im verschlüsselten Schlüsselbund Ihres Geräts gespeichert und niemals an Hedy-Server übermittelt. Für maximale Privatsphäre bei sensiblen Gesprächen verwenden Sie immer eine lokale Engine (Whisper oder Nemotron).