Mikrofon-HAT Seeed ReSpeaker für die Spracheingabe (Seite 4)

Das recht junge Projekt Vosk überzeugt durch seinen Funktionsumfang. Mit einer Zeile installiert und mit weniger als 30 Zeilen Code integriert, das macht Vosk STT (Speech to Text) alltagstauglich – dank seiner vielen Sprachmodelle nicht nur für Englisch. Der Einsatz im Pi-Webradio-Projekt des Autors zeigt aber auch Grenzen auf. So fehlt im Sprachmodell der MDR (Mitteldeutsche Rundfunk), während Vosk SR 2 oder Ö 1 problemlos verarbeitet. Die Modelle lassen sich aber erweitern, entsprechende Hinweise gibt es auf den Projektseiten und in den Github-Issues dazu.

Vom Mikrofon bis zu einem digitalen Assistenten ist es allerdings ein langer Weg, denn nach dem Umwandeln von Sprache in Text folgt mit der Textinterpretation der weitaus schwierigere Teil. Ohne den massiven Einsatz von Rechenleistung in der Cloud lässt sich das nicht umsetzen. Die großen Player bieten ihre Systeme mittels API an, aber die Nutzung geht dabei schnell ins Geld. Wer solch einen Assistenten also wirklich braucht, muss in den sauren Apfel beißen und einen Mithörer akzeptieren. (tle/jlu)