Drei Schritte: Text, wer spricht und Zusammenfassung
Zuerst wandelt ein Sprachmodell das Audio in Text um. Dann trennt ein weiteres die Sprecher, damit das Protokoll sagt, wer was gesagt hat. Zuletzt schreibt ein Sprachmodell die Zusammenfassung: Beschlüsse, Aufgaben und Termine.
Die ersten beiden Schritte sind leicht. Der dritte braucht Speicher, weil das Modell die ganze Besprechung auf einmal lesen muss.
Warum im Büro
Die Stimme ist ein personenbezogenes Datum, und in einer Sprechstunde oder einer Akte enthält sie zudem Gesundheitsdaten oder Daten, die dem Berufsgeheimnis unterliegen. Sie auf einem eigenen Rechner zu verarbeiten vermeidet die Weitergabe an Dritte und macht klar, wo das Audio liegt und wer darauf zugreift.
Welche Hardware Sie brauchen
Zum Transkribieren genügt fast jeder moderne Rechner. Den Unterschied macht die Zusammenfassung: Eine zweistündige Besprechung sind viele Seiten Text, und das Modell braucht Speicher, um sie zusammen zu lesen.
| Fall | Rechner | Warum | Preis |
|---|---|---|---|
| Ein Besprechungsraum oder ein Büro | Compact AI 32 | Transkribiert und fasst Besprechungen einzeln zusammen | 2.065 € |
| Mehrere Büros oder lange Besprechungen | Compact AI 64 | Ein größeres Zusammenfassungsmodell und mehrere Transkriptionen in der Warteschlange | 2.940 € |
| Viele Aufnahmen am Tag | Compact AI 64 mit RTX PRO 2000 | Die Grafikkarte transkribiert Stunden an Audio in Minuten | Nach Maß |
| Zusätzlich ein Assistent mit Ihren Dokumenten | Compact AI 128 | Derselbe Rechner erledigt die Protokolle und durchsucht das Archiv | 4.820 € |
Wie es aufgebaut wird
Der Kompaktrechner bleibt im Büro, am Netzwerk. Jede Person lädt ihre Aufnahme im Browser hoch, oder das Raummikrofon sendet sie von selbst. Wenige Minuten später liegen der Text und der Protokollentwurf im eigenen Ordner.
Auf den Bürorechnern muss nichts installiert werden. Der Rechner hat eine Fernverwaltung über IP und wird aus der Ferne betreut.
Was immer geprüft werden muss
Sprachmodelle treffen sehr gut, irren aber bei Eigennamen, Abkürzungen und Zahlen und kommen durcheinander, wenn zwei Personen gleichzeitig sprechen. Das Protokoll ist ein Entwurf: Jemand, der dabei war, muss es vor der Unterschrift lesen.
Ein gutes Mikrofon verbessert das Ergebnis mehr als ein größeres Modell.
Passende Hardware und Ratgeber
Häufige Fragen
Funktioniert es in mehreren Sprachen?
Ja. Offene Sprachmodelle transkribieren die großen europäischen Sprachen in guter Qualität und erkennen viele weitere. In Besprechungen mit gemischten Sprachen muss das Ergebnis genauer geprüft werden.
Ist eine dedizierte Grafikkarte nötig?
Für einen Besprechungsraum oder ein Büro nicht. Bei vielen Stunden Audio am Tag verkürzt eine Profi-Grafikkarte die Wartezeit von Stunden auf Minuten.
Kann es live transkribieren?
Ja, mit etwas Verzögerung. Am zuverlässigsten bleibt es, die Besprechung aufzunehmen und danach zu verarbeiten, weil das Modell genauer ist, wenn es den ganzen Satz hört.
Wo wird das Audio gespeichert?
Auf dem Rechner selbst oder in dem Netzwerkordner, den Sie bestimmen. Nichts verlässt das Büro. Sie können festlegen, dass das Audio nach der von Ihnen gewählten Zahl von Tagen automatisch gelöscht wird.
Wofür werden Sie ihn nutzen?
Sagen Sie uns, welche Modelle Sie betreiben wollen, wie viele Personen ihn nutzen und wo er arbeiten soll. Wir schlagen Ihnen den Kompaktrechner vor, mit oder ohne Profi-Grafikkarte, samt Preis innerhalb von 12 Arbeitsstunden.