Lernen Sie den gehörlosen Entwickler hinter Googles Live Transcribe App kennen

Googles neue App Live Transcribe könnte tatsächlich die Echtzeit-Sprach-zu-Text-Transkriptionstechnologie sein, auf die ich gewartet habe. Und wenn Sehen Glauben heißt, könnte Googles Launch-Video Sie davon überzeugen, dass wirklich zuverlässige Echtzeit-Transkription für den täglichen Gebrauch endlich da ist.

Sehen Sie zu, wie Dimitri Kanevsky, ein gehörloser Google-Forschungswissenschaftler, die Android-App nutzt, um bei Starbucks Tee zu bestellen und mit einem Kollegen über eine Chili-Party am Wochenende zu plaudern.

Und sehen Sie zu, wie Dr. Mohammed Obiedat, ein gehörloser Professor an der Gallaudet University, mit seinen Kindern ein Brettspiel spielt, mit ihnen über ihre Schularbeiten plaudert und aktiv an einem Eltern-Lehrer-Gespräch teilnimmt.

Ich liebte die Szene, in der Kanevsky bei Starbucks bestellt. Jahrelang, bevor ich meine Cochlea-Implantate bekam, bestellte ich nie etwas anderes als einen großen Kaffee. Andernfalls riskierte ich, ein unmögliches Gespräch nach dem Muster „Entschuldigung?....was?....sagen Sie das bitte noch einmal“ mit dem Barista führen zu müssen.

Und selbst die einfache Kaffeebestellung war eine Herausforderung, bevor mir klar wurde, dass sie jedes Mal dieselben Fragen stellten: „Ooo-fuh-eem?“ bedeutete „Platz für Sahne?“, „Eh-eh-eh eth?“ bedeutete „Sonst noch etwas?“, und „Oo-oo ah-a ee-eek?“ bedeutete „Möchten Sie einen Kassenbon?“

Echte Gespräche, Echtzeit-Transkription

Doch wenn Kanevsky seinen Tee bestellt, erscheinen die Fragen der Barista auf seinem Smartphone-Bildschirm, sobald sie sie stellt. Und er hat sofort Antworten parat. Er führt ein echtes Gespräch!

Kanevsky arbeitet seit 30 Jahren an Sprachverstehen und Kommunikationstechnologie. Seit seiner frühen Kindheit gehörlos, war er von Speech-to-Text-Lösungen enttäuscht, die trotz vielversprechender Fortschritte bei digitalen Transkriptionstechnologien stets unzureichend schienen. Deshalb tat er sich mit dem Google-Ingenieur Chet Gnegy zusammen, um die App Live Transcribe zu entwickeln.

Sie arbeiteten außerdem mit Dr. Obiedat und anderen an der Gallaudet University zusammen, um besser zu verstehen, welche Funktionen in der App für Menschen mit Hörverlust am nützlichsten wären.

Bewährte Technologien kombinieren

Bis jetzt schien wirklich wirksame Echtzeit-Sprache-zu-Text-Übersetzung für den Alltag immer unmittelbar bevorzustehen, war aber noch nicht da.

Natürlich gab es eine Flut von Technologien für Sprachverstehen („Hey Siri“) und andere Anwendungen wie die schnelle Übersetzung von Voicemail in Textnachrichten. Und Schriftdolmetschen von Telefongesprächen war ein unschätzbarer Dienst für Menschen mit Hörverlust (obwohl weiterhin Live-Operatoren nötig sind, um bei den Transkriptionen zu helfen).

Doch diese vielversprechenden Technologien schienen nie wirklich in einer wahrhaft intuitiven Smartphone-App zusammenzukommen, die Menschen für gewöhnliche Alltagsgespräche nutzen können. Jetzt verspricht Google, dass seine diese Woche eingeführte App Live Transcribe die Antwort ist.

Google sagt, dass Echtzeit-Sprache-zu-Text-Transkriptionen von Gesprächen in bis zu 70 Sprachen und Dialekten verfügbar sein werden. Die App unterstützt externe Mikrofone in kabelgebundenen Headsets, Bluetooth-Headsets und USB-Mikrofonen. Sie ist in Googles neues Pixel 3 Telefon integriert und wird für Android 5.0 Telefone und spätere Versionen verfügbar sein.

Beta-Tester gesucht

Derzeit im Beta-Test, wird eine „unveröffentlichte“ Version von Google Research gelistet im Google Play Store, und Nutzer, die am Beta-Test teilnehmen möchten, können sich auf der Android-Website anmelden. Oder wenn Sie ein neues Pixel 3 Telefon haben, können Sie Live Transcribe in den Bedienungshilfen aktivieren.

Google hat beim Angebot von Barrierefreiheitsoptionen für Menschen mit Hörverlust zu Apple aufgeholt. Jetzt könnte Live Transcribe, das nur mit Android Telefonen verfügbar ist, Google einen schönen Schub geben im laufenden Wettbewerb mit dem iPhone-Ökosystem.

Warten auf den heiligen Gral

Seit Jahren warte ich darauf, dass jemand den heiligen Gral liefert: eine App, die verschiedene bewährte Technologien kombiniert und Probleme wie die allgemeine Genauigkeit des Sprachverstehens, Latenz (die Verarbeitungsverzögerung bei der Transkription der Sprache und ihrer Anzeige als Text auf dem Bildschirm) und Benutzerfreundlichkeit löst.

Wenn Dimitri nun im Video sagt, dass „Sprachverstehen endlich so gut wurde, dass ich endlich meinen Traum erfüllen konnte“, dann ist das Musik in meinen Ohren und (danke, YouTube-Untertitel) auch in meinen Augen.

Tatsächlich könnte es mich sogar dazu verleiten, mein geliebtes iPhone einzutauschen, wenn Googles Live Transcribe App wie beworben funktioniert.