Wenn künstliche Intelligenz auf gesprochene Sprache trifft: Der Collections Community-Workshop 2024

Autoren: Christoph Draxler und Philippe Genêt

Wie verarbeitet KI Dialekte? Wie transkribiert man große Mengen Festes und Flauschiges? Wie kann eine Zahnspange beim Sprechen Lernen helfen? Und bei welchen Gesprächen lauscht ein Auto mit? Antworten auf diese Fragen lieferte der Community-Workshop „Sprechen verstehen: KI und gesprochene Sprache“ am 27. und 28. Juni 2024 in München mit rund 50 Teilnehmenden.

Schon der Veranstaltungsort erwies sich dabei als Glücksfall: Das Lyrik-Kabinett ist eine Forschungs- und Präsenzbibliothek für Lyrik, dient aber auch als Ort zum Schreiben von Lyrik und nicht zuletzt als Tagungs- und Begegnungszentrum. Mit seinen vielen auch nicht-textuellen künstlerischen Exponaten bot es einen inspirierenden und anregenden Rahmen für die Vorträge des Workshops und den Austausch der Teilnehmenden in den Pausen.

Die erste Keynote, vorgetragen von Johann Prenninger, führte aber zunächst in eine ganz andere Welt: Sie gab einen Eindruck von der Datenmenge, die moderne vernetzte Autos generieren, und erläuterte, welchen Analyseaufwand BMW aufbietet. Sprachdaten sind dabei ein Teil dieser Daten, und die Verarbeitung gesprochener Sprache im Auto gehört heute zu den Diensten, die die Kundschaft erwartet. Wer sich sorgte, dass Autos Privatgespräch abhören, konnte beruhigt werden: Die Spracherkennung schaltet sich nur auf bestimmte Kommandos hin ein.

Den Nutzen aktueller Spracherkennung im wissenschaftlichen Alltag beleuchtete die anschließende erste Gruppe der Fachvorträge, die Einblicke in verschiedene Transkriptionstools gab. Ein gemeinsames Fazit lautete: Es gibt noch viel zu tun!

Den zweiten Tag des Workshops eröffnete Barbara Plank. In ihrer Keynote präsentierte sie KI-Verarbeitung von Dialekten und Sprachen ohne eine standardisierte Orthographie, wie man sie zum Beispiel in Online-Kommunikation und den sozialen Medien, aber auch in Citizen-Science-Sprachdokumentationen findet.

In den Fachvorträgen wurden dann verschiedene Projekte vorgestellt – etwa zur Phonologie von lateinamerikanischem Spanisch und westafrikanischem Englisch oder an den Einsatz von KI angepasste Workflows für die Verarbeitung gesprochener Sprache – und anschließend auch diskutiert. Das Projekt von Veronika Sahlbach und Alexander Vasco Sahlbach widmet sich der automatischen Transkription großer Mengen populärer Podcasts (darunter auch „Fest & Flauschig“) und bedient sich dabei der Rechenleistung des Dresdener HPC-Clusters. Zum Schluss wurde ein neuartiges, auf optischen Sensoren basierendes System für die Palatographie live vorgestellt, das unter anderem auch in der Logopädie zum Einsatz kommen kann. Für einige im Publikum war dies eine ziemlich neue Erfahrung, für andere eine Jugendreminiszenz an die wenig geliebte Zahnspange.

Der letzte Termin des Tages war eine Einführung in die vom Bayerischen Archiv für Sprachsignale (BAS) angebotenen Webdienste. Dank der Integration verschiedener und sehr moderner Spracherkennungssysteme wie UWEBASR oder whisperX gibt es nun mindestens drei Wege, um von der Sprachaufnahme zu einem ersten Rohtranskript zu kommen:

1) Das BAS Transkriptionsportal mit nur sehr wenigen konfigurierbaren Optionen

2) Die BAS Webdienste mit ihren vielfältigen Anschlussmöglichkeiten

3) Die Verwendung von eigenständigen Anwendungen auf dem eigenen Rechner.

Zum Nachlesen: Die Zusammenfassungen der Vorträge sind auf zenodo.org zu finden.

---

Zitiervorschlag
Christoph Draxler, Philippe Genêt: Wenn künstliche Intelligenz auf gesprochene Sprache trifft: Der Collections Community-Workshop 2024, in: Text+ Blog, 25.08.2024, https://textplus.hypotheses.org/11229.

Alle Fotos: Christoph Draxler, CC BY-SA 4.0.

---

---