Zwei Aufgaben, eine Suche
Live Transcribe ist eine App für Barrierefreiheit. Sie hört den Raum ab und stellt das Gesprochene in Echtzeit auf den Bildschirm, damit jemand, der taub oder schwerhörig ist, einem Gespräch folgen kann. Sie ist kostenlos, sie ist genau dafür gebaut, und auf passenden Geräten kommt sie ohne Verbindung aus.
LocalType macht etwas ganz anderes. Es ist eine Tastatur: Du drückst eine Mikrofontaste, sagst absichtlich einen Satz, und er wird zu Text in dem Feld, in dem du geschrieben hast.
Das Erste dient dazu, andere Leute zu verstehen. Das Zweite dazu, selbst etwas zu schreiben. Wenn du das Erste brauchst, ersetzt es keine Tastatur, und das geht allem anderen vor.
LocalType ist ein eigenständiges Produkt und steht in keiner Verbindung zu Google oder zu dem Team hinter jener App.
Was du tatsächlich brauchst
Drei Fragen klären das sofort.
Wessen Sprache ist es? Die von anderen, in einem Raum, ungefragt, heißt Untertitel. Deine eigene, absichtlich ins Handy gesprochen, heißt Diktieren.
Willst du es lesen oder verschicken? Untertitel gibt es, damit man sie liest, während sie entstehen. Diktieren gibt es, um Text zu erzeugen, der irgendwohin geht.
Zeigt das Mikrofon auf dich oder in den Raum? Dieser Unterschied entscheidet die technische Aufgabe vollständig, und er ist der Grund, warum die beiden Produkte so verschieden gebaut sind.
Die meisten Leute, die über eine Suche hier ankommen, haben das zweite Bedürfnis und haben zum ersten Werkzeug gegriffen, weil das die Transkriptions-App war, von der sie gehört hatten.
Warum keines das andere ersetzen kann
Das ist keine Unterscheidung aus der Werbeabteilung. Sie lösen verschiedene technische Aufgaben.
Untertitel heißt: aus der Ferne, mehrere Sprecher, ununterbrochen. Das Mikrofon nimmt einen Raum auf, mehrere Leute reden womöglich gleichzeitig, niemand spricht deutlich für eine Maschine, und es muss unbegrenzt weiterlaufen. Das ist wirklich schwer und braucht ein Produkt, das darum herum entworfen wurde.
Diktieren heißt: aus der Nähe, ein Sprecher, begrenzt. Eine Person, dicht am Handy, die absichtlich spricht, in kurzen Schüben. Viel leichter, und genau deshalb passt es bequem auf ein Gerät in der Hand.
Verlang von einer Tastatur, eine Besprechung mitzuschreiben, und sie macht es schlecht, weil das nie der Entwurf war. Verlang von einer Untertitel-App, deine Mails zu schreiben, und du kopierst den ganzen Tag Text aus ihr heraus.
Wenn du Text erzeugen willst
Für die Leser, die Diktieren wollten und keine Untertitel, liegt der Unterschied in der Praxis und nicht in der Technik.
Der Wert einer Tastatur liegt darin, dass es keinen Übergabeschritt gibt. Die Wörter erscheinen dort, wo die Schreibmarke ohnehin stand, in der App, die du gerade benutzt hast, eine Antwort dauert also so lange wie ihr Aussprechen. Bei jeder eigenständigen Transkriptions-App, auch bei einer guten, endet die Schleife mit Markieren, Kopieren, App wechseln, Einfügen.
LocalType lässt die Erkennung außerdem auf dem Gerät laufen, aus einem Modell in einem Speicher, an den nur diese App kommt. Das hat denselben praktischen Nutzen wie ein Untertitelmodus ohne Verbindung, und es gilt immer statt nur auf unterstützten Geräten unter unterstützten Umständen: Nach dem Laden des Modells ist an keiner Stelle mehr eine Verbindung beteiligt.
Die App fragt für genau einen Zweck nach Internet, nämlich um das Sprachmodell abzuholen, das du ausgesucht hast, und danach greift sie nie wieder nach draußen. Es gibt keine Registrierung. Werbung fehlt, und im Produkt läuft kein Tracking. Ein Archiv dessen, was du gesagt hast, wird nirgends geführt, denn der Klang wird zu Text, und dort endet sein Leben. Die Daten der App werden absichtlich vom Cloud-Backup von Android zurückgehalten. In einem Passwortfeld wird die Mikrofontaste schlicht nicht angeboten.
Unter dem Mikrofon ist es eine Tastatur, die die gewöhnlichen Dinge macht: Autokorrektur und Wortvorschläge aus einem Wörterbuch, das zu deiner Sprache passt, die Layouts, die man erwartet, ein vollständiger Emoji-Satz, und Platz für eigene Namen und Fachbegriffe. Diese Ergänzungen bleiben auf dem Handy und werden dem Sprachmodell als Zusammenhang mitgegeben, die Wörter, die du am häufigsten brauchst, kommen also mit der Zeit richtig geschrieben an.
Wo Untertitel und Diktieren sich wirklich treffen
Eine Überschneidung, und sie ist ein echter Fall.
Leute, die Untertitel benutzen, um Gesprächen zu folgen, müssen oft auch antworten, und Antworten ist eine Schreibaufgabe und keine Hörsache. Für alle, denen Tippen langsam oder schwer fällt, passt Diktieren auf der Antwortseite gut zu Untertiteln auf der Hörseite, und die beiden streiten nicht um denselben Platz.
Diese Kombination, Untertitel für das Hereinkommende und Diktieren für das Hinausgehende, ist eine übliche Anordnung, und keine der beiden Apps nimmt der anderen etwas weg.
Was LocalType nicht macht
Der Unterschied ist wichtig, sonst installiert jemand das Falsche.
Es schreibt keine Gespräche mit, es tippt keine Aufnahmen ab, es hört nicht dauerhaft zu, und es erzeugt kein Mitschriftsdokument. Das Mikrofon geht auf, wenn du die Taste drückst, und wieder zu, wenn du aufhörst, und dazwischen hört nichts zu.
Es kommt nicht mit mehreren Sprechern zurecht, und es ist nicht für ein Mikrofon gebaut, das in der Mitte eines Tisches liegt.
Und es ist keine Software für Barrierefreiheit in dem Sinn, in dem Live Transcribe es ist. Es wurde nicht gegen Bildschirmleser oder andere Hilfsmittel geprüft, und diese Seite behauptet nichts darüber, wie es sich neben ihnen verhält.
Welche der beiden du brauchst
Wenn du verfolgen musst, was um dich herum gesagt wird, nimm das Werkzeug, das dafür gebaut ist. Es ist kostenlos, es ist für diesen Zweck entworfen, und wir treten nicht dagegen an.
Wenn du in Wahrheit leichter auf einem Handy schreiben willst, mit deiner eigenen Stimme, in die Apps, die du sowieso benutzt, dann ist das die Aufgabe einer Tastatur. Drei Modellgrößen mit 60, 190 und 539 MB lassen dich Tempo gegen Genauigkeit setzen, und achtzehn Sprachen kommen aus einem mehrsprachigen Modell, das aus der Aufnahme erkannt wird. Auf dem Testgerät mit 4 GB machte die mittlere Größe aus 6,9 Sekunden Sprache in 4,1 Sekunden Text. Von den dreien liegt immer nur eine auf dem Gerät, die nächste Größe ersetzt die vorige also, statt sich danebenzulegen. Vorausgesetzt wird Android 8.0, auf Handys wie auf Tablets.
Zwei Aufgaben. Entscheide danach, wessen Stimme es ist.
Wenn du für jemand anderen auswählst
Leute kommen oft stellvertretend zu dieser Suche, für einen Elternteil, eine Partnerin oder eine Kollegin, und dann ist die Unterscheidung von oben schwerer anzuwenden, weil du über die Schwierigkeit von jemand anderem rätst.
Die Frage, die du stellen solltest, ist nicht, welche App sie wollen. Sie lautet, ob das Problem auftritt, wenn andere reden, oder wenn sie selbst schreiben wollen. Das sind verschiedene Ärgernisse, und beide werden mit "ich komme mit dem Handy nicht zurecht" beschrieben.
Ist es das Erste, dann Untertitel. Ist es das Zweite, dann eine Tastatur mit Diktierfunktion, und die Einrichtung nimmst du besser selbst vor, statt eine App zu überreichen: einschalten, ein Modell über WLAN laden, und die zwanzig Namen eintragen, die sie am häufigsten brauchen. Diese zehn Minuten sind der Unterschied zwischen etwas, das benutzt wird, und etwas, das am ersten Abend liegen bleibt.
Dieser Einrichtungsschritt gilt, welches der beiden Werkzeuge sich am Ende auch als das richtige herausstellt. Keines nützt etwas, wenn es uninstalliert hinter einer Empfehlung liegt, der niemand gefolgt ist.