Helfer spricht: „Ist das Mikro M2 am Samstag frei?“
Speech-to-Text liefert: „Ist das Mikro M2 am Samstag frei?“
Eingabefeld zeigt: Ist das Mikro M2 am Samstag frei?
Danach läuft alles wie bisher: Leihregal sucht das Gerät, prüft den Bestand und zeigt das Ergebnis. Aus dem Text allein geht nicht hervor, dass die Nachricht gesprochen wurde. Ist diese Information später wichtig, kann die Anwendung sie als Zusatzangabe mitspeichern. Spracherkennung und Vorschlagsfunktion bleiben austauschbare Bausteine. Wer nur Diktate braucht, muss gar kein Sprachmodell aufrufen.
Wie die App das Ergebnis erhält
Die Anwendung sendet Audiodatei oder Audiostream an den Transkriptionsdienst und übernimmt den Text. Ihr eigenes, vereinfachtes Datenformat könnte so aussehen:
{
"text": "Ist das Mikro M2 am Samstag frei?",
"language": "de"
}
Das ist keine allgemeine Antwortstruktur von Spracherkennungs-APIs. Es ist Leihregals eigenes Format, Brief 4 aus Kapitel 2. Manche Dienste liefern zusätzlich Zeitstempel, Segmente, Sprecherangaben oder Erkennungswerte. Das hilft etwa bei Untertiteln und bei unklaren Wörtern.