Zwei völlig verschiedene Wege
Wer über ein Jahrzehnt hinweg diktiert hat, ist beiden begegnet, und zu wissen, welchen du gerade benutzt, erklärt den größten Teil deines Ärgers.
Gesprochene Befehle. Du sagst das Satzzeichen laut. "Punkt." "Neuer Absatz." "Anführungszeichen auf." Das System behandelt diese Wörter als Anweisung statt als Text. Genau, steuerbar und ermüdend, denn du liest im Grunde die Auszeichnung mit vor.
Erschlossene Satzzeichen. Du sprichst normal, und das System entscheidet, wo die Zeichen hingehören, aus dem Rhythmus deines Vortrags und aus der Grammatik dessen, was du gesagt hast. Gelegentlich erzeugt es ein Komma an einer Stelle, an die du keines gesetzt hättest.
Die meisten heutigen Systeme, LocalType eingeschlossen, machen das Zweite. Es gibt keine Liste gesprochener Befehle auswendig zu lernen, weil es keine gesprochenen Befehle gibt.
Woraus das System das schließt
Zwei Hinweise arbeiten dabei zusammen.
Dein Vortrag. Eine Pause deutet auf eine Grenze hin. Fallende Betonung am Ende einer Wendung deutet eher auf einen Punkt als auf ein Komma. Eine steigende deutet auf eine Frage. Das ist die klangliche Hälfte, und deshalb zählt natürliches Sprechen mehr als deutliches.
Die Sprache selbst. Der Bau eines Satzes deutet an, wohin ein Komma gehört, unabhängig davon, wie er gesagt wurde. Ein Nebensatz, eine Aufzählung, eine angesprochene Person: alle haben eine übliche Zeichensetzung, die sich allein aus den Wörtern erschließen lässt.
Sind die beiden einer Meinung, stimmt das Ergebnis meistens. Trägst du einen Satz in einem ungewöhnlichen Rhythmus vor, widerspricht der klangliche Hinweis dem grammatischen, und das System muss sich entscheiden.
Warum bei dir alles ohne Satzzeichen ankommt
Die häufigste Klage, und sie hat fast immer dieselbe Ursache.
In einem durchgehenden Strom ohne Pausen zu sprechen nimmt die klangliche Hälfte der Hinweise vollständig weg. Dem System bleibt nur das Raten aus der Grammatik, und gegen einen langen Bandwurm erzeugt es oft genau das: einen langen Bandwurm.
Die Abhilfe ist nicht, langsamer zu sprechen. Sie ist, in Einheiten zu sprechen. Sag einen Satz, halt kurz inne, sag den nächsten. Diese eine Pause ist das stärkste Zeichen für Zeichensetzung, das es gibt, und sie kostet nichts.
Die Gewohnheiten, die das meiste beheben
Pausier am Satzende. Eine halbe Sekunde reicht völlig. Entscheide den Satz, bevor du ihn anfängst. Auslaufen und neu ansetzen gibt widersprüchliche Hinweise, und die Zeichensetzung leidet als Erstes.
Sprich die Satzzeichen nicht mit. Auf einem System, das erschließt, erzeugt "Komma" das Wort Komma. Daran stolpern alle, die das Diktieren auf älterer Software gelernt haben.
Halt die Sätze in vertretbarer Länge. Ein Satz mit sechzig Wörtern ist für ein System aus demselben Grund schwer zu setzen wie für einen Leser.
Lass die Großschreibung geschehen. Satzanfänge und die meisten Namen werden von selbst erledigt. Zu versuchen, das durch Betonung eines Wortes zu steuern, bringt nichts.
Was du weiterhin von Hand machen wirst
Es gibt eine Obergrenze, und darüber stehen diese Dinge.
Aufzählungen. Erschlossene Zeichensetzung erzeugt Sätze und keine Aufzählungspunkte. Eine Einkaufsliste zu diktieren gibt dir einen Absatz mit Kommas, und daraus eine Liste zu machen ist Handarbeit.
Anführungszeichen. Sie verlangen zu wissen, wo wörtliche Rede anfängt und aufhört, und das ist nicht verlässlich hörbar. Rechne damit, sie selbst zu setzen.
Absatzumbrüche. Eine lange Pause erzeugt womöglich einen und womöglich nicht. Für alles Gegliederte diktier in getrennten Durchgängen und gliedere hinterher.
Alles Technische. Klammern, Doppelpunkte, Semikola, Striche. Die haben schwache klangliche Hinweise und kommen in gewöhnlicher Sprache selten vor, sie werden also schlecht erschlossen.
Der praktische Schluss ist derselbe wie für Schreibende allgemein: die Wörter diktieren, hinterher formatieren. Um ein Semikolon mit dem System zu ringen kostet mehr, als es später zu setzen.
Deutsche Kommas sind ein Sonderfall
Wer in mehreren Sprachen schreibt, merkt das schnell.
Das Komma im Deutschen ist überwiegend grammatisch geregelt. Es steht vor dem Nebensatz, weil es dort steht, und nicht, weil du an dieser Stelle Luft geholt hast. Im Englischen ist es lockerer und stärker vom Sprechrhythmus geprägt.
Für ein Modell heißt das, dass die klangliche Hälfte der Hinweise im Deutschen weniger trägt und die grammatische mehr. Praktisch schneidet erschlossene Zeichensetzung im Deutschen bei sauber gebauten Sätzen deshalb ordentlich ab und bei zerfaserten Sätzen schlechter, als du es aus dem Englischen kennst. Wer gewohnt ist, Gedanken laut zu sortieren, merkt das an den Kommas zuerst.
Jedes Modell behandelt jede Sprache nach dem, was es gelernt hat, die Güte der Zeichensetzung ist über die Sprachen hinweg also genauso wenig gleich wie die Worttreffsicherheit. LocalType deckt achtzehn Sprachen mit einem mehrsprachigen Modell ab und bestimmt aus der Aufnahme, welche du sprichst, die Gepflogenheiten folgen also der Sprache, die du tatsächlich benutzt hast, und nicht der, auf die die Tastatur eingestellt ist.
Hinterher zu bearbeiten ist kein Scheitern
Davon hängt ab, ob Leute beim Diktieren bleiben.
Niemand tippt einen fehlerfreien Absatz. Auch getippter Text bekommt ein Komma verschoben, einen Satz getrennt, ein Wort getauscht. Der Unterschied ist, dass Tippfehler sichtbar sind, während du sie machst, die Berichtigung passiert also laufend, und du nimmst sie nie als eigene Tätigkeit wahr.
Diktieren zieht die Wörter nach vorn und schiebt die Berichtigungen nach hinten, und dadurch fühlt sich das Bearbeiten wie eine eigene Pflicht an, selbst wenn die Gesamtzeit geringer ist. Das vorher zu wissen hält Leute davon ab, das Werkzeug für kaputt zu halten, wo es die Arbeit lediglich anders verteilt.
Die praktische Fassung: Diktier das Ganze, bevor du irgendetwas ausbesserst. Mitten im Fluss für ein Komma anzuhalten zerstört genau den Rhythmus, der die brauchbare Zeichensetzung hervorgebracht hat, du machst das Problem also schlimmer, während du es zu beheben versuchst.
Was die Tastatur dabei übernimmt
Es erschließt Satzzeichen und nimmt keine gesprochenen Befehle an. Es gibt keine Liste von Wendungen zu lernen und keine Einstellung, die in einen Befehlsmodus umschaltet, denn diesen Modus gibt es in der App nicht.
Was herauskommt, ist eine Mitschrift dessen, was du gesagt hast, mit erschlossenen Satzzeichen und Großschreibung, abgelegt in dem Feld, in dem du getippt hast. Es schreibt nicht um, räumt nicht auf, kürzt nicht und entfernt keine Füllwörter. Hast du "äh" gesagt, gibt es sein Bestes mit "äh", und das ist Absicht: Die App schreibt deine Wörter auf und keine verbesserte Fassung davon.
Die drei Modellgrößen wirken sich hierauf genauso aus wie auf die Worttreffsicherheit, denn ein Modell mit mehr Kapazität kommt mit mehrdeutigem Rhythmus besser zurecht. Auf dem Testgerät mit 4 GB brauchte die mittlere Größe 4,1 Sekunden für 6,9 Sekunden Sprache, und die größte braucht ungefähr doppelt so lange, wie du gesprochen hast.
Das alles läuft auf dem Handy, die Güte der Zeichensetzung ändert sich also nicht mit deinem Empfang. Internet wird einmal benutzt, um das Modell zu holen, das du gewählt hast. Es gibt kein Konto, keine Werbung, kein Tracking im Produkt und kein Archiv deiner Aufnahmen, das Modell liegt in einem Speicher, den nur die App lesen kann, die Daten der App bleiben außerhalb vom Cloud-Backup von Android, und in Passwortfeldern erscheint das Mikrofon nicht.
Pausiere, und hör auf, Komma zu sagen
Mach Pausen zwischen den Sätzen und hör auf, "Komma" zu sagen. Das sind neunzig Prozent.
Die restlichen zehn Prozent bestehen darin hinzunehmen, dass Aufzählungen, Anführungszeichen und alles Strukturelle deine Sache sind, hinterher. Diktier die Wörter, formatier am Ende, und das Ganze hört auf, ein Kampf zu sein. Die Systeme, die dich jedes Zeichen aussprechen ließen, waren steuerbarer, und fast niemand vermisst sie.