Vertrauliche Meetings: 3 Wege zu KI-Notizen
Wenn es um Kundendaten oder interne Strategien geht, lässt sich eine Aufnahme nicht ohne Weiteres bei einem externen KI-Dienst hochladen. Trotzdem müssen Sie nicht jedes Wort selbst mitschreiben. Dafür gibt es drei Möglichkeiten.
1. Die integrierte Diktierfunktion nutzen
Computer und Smartphones können Sprache mit der integrierten Diktierfunktion in Text umwandeln. Bei unterstützter lokaler Verarbeitung muss das Audio nicht an externe Transkriptionsserver gehen. Prüfen Sie zuerst die Verarbeitung für Ihr Gerät und Ihre Sprache.
Die Grenze zeigt sich bei der Genauigkeit im Besprechungsraum: Hintergrundgeräusche, Hall und Stimmen weit vom Mikrofon können die Erkennung verschlechtern. Für kurze persönliche Notizen ist das praktisch. Bei ganzen Meetings bleiben oft Korrekturen und die Zuordnung der Beiträge übrig.
2. Ein On-Premises-System aufbauen
Ein interner Spracherkennungsserver gibt dem Unternehmen Kontrolle über Verarbeitungsort, Zugriffsrechte und Aufbewahrungsfristen.
Die Nachteile sind Komplexität und Kosten. Audio-Upload, Zuordnung der Stimmen, Textbearbeitung und Nutzerverwaltung müssen zusammenspielen. Anschließend fallen Wartung, Updates und Störungsbehebung an.
Auch die On-Premises-Enterprise-Version einer bestehenden KI-Protokoll-App kann mit Einrichtung, Lizenzen, Infrastruktur und Support sehr teuer werden. Für ein Team, das lediglich Meetings dokumentieren möchte, ist das eine große Investition.
3. Ein KI-Modell auf dem eigenen Computer ausführen
Lokale KI wandelt Audio direkt auf Ihrem Computer in Text um. Ein eigener Server und der Upload zu einem externen Transkriptionsdienst entfallen.
Ein Beispiel ist Whisper large-v3-turbo von OpenAI. Das Modell unterstützt 99 Sprachen und beschleunigt die Transkription deutlich bei möglichst geringem Genauigkeitsverlust gegenüber dem großen Modell. OpenAI nennt etwa die achtfache relative Geschwindigkeit im Vergleich zum großen Modell. Gemessen wurde englisches Audio auf einer A100-GPU; tatsächliche Geschwindigkeit und Genauigkeit hängen von Gerät und Sprache ab.
Mit dem Download ist es allerdings nicht getan. Laufzeitumgebung, CPU- oder GPU-Beschleunigung und Speicherbedarf müssen eingerichtet werden. Um Stimmen zu unterscheiden, brauchen Sie ein zusätzliches Modell und die Zuordnung seiner Ergebnisse zum Transkript.
Keine Lust auf die Einrichtung? Probieren Sie Alt
Wenn Sie sich diese Einrichtung sparen möchten, empfehle ich Alt. Die App nutzt dieses Modell und verbindet Aufnahme und Transkription in einem Ablauf.
Je nach Gerät nutzt Alt CPU, GPU und KI-Beschleuniger wie die Apple Neural Engine. Zusammen mit Modellkomprimierung ermöglicht das eine effiziente lokale Spracherkennung.
Alt Pro integriert neben der Spracherkennung auch die Modelle zur Trennung der Stimmen in eine lokale Verarbeitungskette. So lässt sich unterscheiden, wer was gesagt hat, ohne Audio an einen externen Server zu senden.
Das gilt für den lokalen Modus auf unterstützten Geräten. Richten Sie Cloud-KI, Freigaben und Synchronisierung nach den Sicherheitsvorgaben Ihres Unternehmens ein.