Sauberer Text rein, bessere Antworten raus

Spracherkennung verhört Eigennamen, Fachbegriffe und unbekannte Namen, und sie lässt die Füllwörter und Ansätze echter Rede stehen. Für sich genommen ist das ein Lesbarkeits-Ärgernis.

In einer Wissensbasis ist es schlimmer. Kompiliere eine Wiki-Seite aus einem Transkript, das einen Namen auf drei verschiedene Arten falsch schreibt, und die Seite kann diesen Namen an nichts verlinken - die Verbindung, die der ganze Punkt war, geht verloren, und ein Beleg, der auf eine verstümmelte Zeile zurückführt, ist gar kein Beleg.

Als Andrej Karpathy einen seiner Vorträge zu Text machte, blieb er nicht beim rohen Transkript stehen. Er ließ ein LLM es lesen und eine bereinigte Fassung erstellen - Transkriptionsfehler korrigiert, Füllwörter entfernt - und veröffentlichte sie für zwei Zielgruppen zugleich: Menschen, die lieber lesen, und LLMs, damit seine Inhalte für sie lesbar sind.¹

Die Bereinigung ist nicht kosmetisch. Sie ist das, was den Text als Quelle nutzbar macht statt als grobe Näherung einer Quelle.

Vocateca macht diese Korrektur beim Transkribieren, nicht als Handarbeit danach. Ein Glossar deiner eigenen Begriffe und Namen korrigiert Verhörer per phonetischem Abgleich, sodass ein wiederkehrender Name jedes Mal gleich geschrieben landet. Ein Prompt lenkt das Modell auf das Vokabular, das dir wichtig ist, und du kannst die Engine wählen, die dein Audio am besten verarbeitet.

Das Transkript, das in deinem Archiv ankommt, ist von Haus aus näher an sauber - dieselbe Bereinigung, die Karpathy von Hand tat, verschoben an die Stelle, an der der Text entsteht.

Korrekte Namen bedeuten korrekte Verbindungen: eine einheitliche Schreibweise ist das, was einen Begriff über einen Podcast, einen Artikel und einen Vortrag hinweg verbinden lässt. Korrekter Text bedeutet korrekte Belege: ein Satz führt auf eine Quelle zurück, die ihn tatsächlich enthält.

Und es bedeutet bessere Antworten. Ob ein Modell das Transkript direkt liest oder ein daraus kompiliertes Netz abfragt - die Obergrenze der Antwort ist die Qualität des Textes. Bereinige ihn einmal, beim Ingest, und alles darüber wird besser.