Welches Modell du nimmst, folgt aus einer Produktfrage: Welche Informationen werden nach der Eingabe noch gebraucht? Manchmal genügt der erkannte Text. Manchmal muss die Originalaufnahme erhalten bleiben, damit das nächste Modell darauf zugreifen kann.
Vom Modelloutput zur sichtbaren Rückfrage
Der Helfer sagt: „Bitte lege die Mappe ins Fach.“ Das letzte Wort ist undeutlich. Leihregal will nicht nur den Satz anzeigen, sondern das unsichere Wort anklickbar machen. Dafür bittet die Anwendung das Modell um strukturierte Ausgabe und kann das geprüfte Ergebnis in diesem erfundenen Demonstrationsformat speichern:
{
"text": "Bitte lege die Mappe ins Fach.",
"uncertain": [{
"word": "Fach", "start": 25, "end": 29,
"options": ["Fach", "Bach"]
}]
}
Die App prüft zuerst, ob an den Positionen 25 bis vor 29 wirklich Fach steht, denn beim Zeichenzählen verrechnen sich Modelle leicht. Dann markiert sie die Stelle: „Fach oder Bach?“ Nach der Bestätigung ersetzt sie das Wort an genau dieser Stelle. Die Positionen gehören zu unserem Format; ohne sie würde bei einem mehrfach vorkommenden Wort womöglich die falsche Stelle markiert.