ForHosting KIT · Audio & Sprache

So erkennt KIT die Sprache Ihrer Audiodatei

Erfahren Sie, in welcher Sprache eine Aufnahme gesprochen ist, ohne ein einziges Wort zu transkribieren, auch bei sehr kurzen oder verrauschten Clips. Leiten Sie die Datei dann an die passende Transkription, Übersetzung oder das richtige Team weiter. Sie zahlen pro Nutzung, ohne Abo.

● Stabilpro Anfrage + pro Minute$0.002

Ausführen — $0.002 + $0.0055/Minute API ansehen

Nutzen Sie es über WebAPIE-MailTelegramApp bald

Online ausführen

Führen Sie dies mit Ihrem Konto auf unseren Servern aus. Kostenlose Tools laufen in Ihrem Browser; dieses wird zum oben genannten Preis von Ihrem KIT-Guthaben abgebucht.

KIT hört eine Audiodatei an und bestimmt automatisch, welche Sprache darin gesprochen wird, ohne dass Sie diese vorher angeben müssen. Nützlich als erster Schritt vor einer Transkription oder Übersetzung, wenn Aufnahmen aus verschiedenen Quellen stammen und die Sprache nicht sicher bekannt ist.

Warum zuerst die Sprache bestimmen

Die meisten Transkriptions- und Übersetzungsdienste setzen voraus, dass Sie die Sprache der Aufnahme schon kennen. Diese Annahme bricht zusammen, sobald Audio von der Öffentlichkeit kommt: Mailboxen, Support-Hotlines, hochgeladene Sprachnotizen oder Podcast-Archive aus anderen Märkten. Die Spracherkennung beantwortet eine enge Frage, bevor alles andere entschieden wird: welche Transkriptionssprache, welches Team, welche Untertitelspur. Ein Callcenter kann anonyme Sprachnachrichten dem richtigen Sprachteam zuweisen, bevor jemand zuhört, und ein Medienhaus kann Tausende Folgen ohne Angaben in einem Durchgang nach gesprochener Sprache verschlagworten.

So hört sie zu, ohne zu transkribieren

Die Erkennung gesprochener Sprache ist eine andere Disziplin als die Spracherkennung zum Mitschreiben. Statt Laute in Wörter zu übersetzen, betrachtet sie die Verteilung der Sprachlaute, Rhythmus, Sprachmelodie und weitere akustische Muster. Deshalb gelingt sie auch bei sehr kurzen Clips und verrauschtem Audio. Mischt eine Aufnahme tatsächlich mehrere Sprachen, meldet das Ergebnis nur das, was sicher erkannt wurde, statt eine einzige Vermutung zu erzwingen.

Warum ein eigener Schritt für Spracherkennung sinnvoll ist

Bei einem einzelnen Interview kennen Sie die Sprache ohnehin; bei einem Archiv aus hundert Aufnahmen unterschiedlicher Herkunft nicht. KIT prüft jede Datei automatisch und liefert die erkannte Sprache als kurzes Ergebnis zurück, sodass Sie größere Mengen an Audiodateien vor der Weiterverarbeitung korrekt sortieren können, statt jede einzeln anzuhören.

Grenzen der Erkennung

Bei sehr kurzen Ausschnitten, starkem Dialekt oder mehreren Sprachen innerhalb derselben Aufnahme kann die Erkennung unsicher ausfallen; für gemischtsprachige Aufnahmen empfiehlt sich eine manuelle Prüfung des Ergebnisses. Die Datei darf bis zu 200 MB groß sein und bis zu 180 Minuten lang.

Anwendungsfälle

Audio-Archiv sortieren

Eine Redaktion mit einem Archiv aus hunderten Interviewaufnahmen unklarer Herkunft lässt jede Datei automatisch nach Sprache einordnen, bevor sie transkribiert wird.

Kundenanrufe vorsortieren

Ein Unternehmen mit internationaler Kundschaft erkennt automatisch, in welcher Sprache ein aufgezeichnetes Kundengespräch geführt wurde, um es an die passende Transkriptionssprache weiterzugeben.

Podcast-Feed prüfen

Ein Medienhaus prüft eingehende Audiobeiträge aus mehreren Ländern automatisch auf ihre Sprache, bevor die passende Übersetzungs- oder Untertitelfunktion angestoßen wird.

Häufige Fragen

Muss ich die Sprache vorher angeben?

Nein, genau das ist der Zweck dieser Funktion: Sie erkennt die Sprache automatisch aus der Aufnahme.

Was passiert bei einer Aufnahme mit mehreren Sprachen?

Sie liefert die eine dominante gesprochene Sprache, die sie erkennt. Aufnahmen mit Sprachwechseln oder mehreren Sprechern kommen vor, doch die Antwort nennt eine einzige Hauptsprache statt einer Liste; wenn Sie jede Sprache einer wirklich gemischten Aufnahme einzeln erfasst haben möchten, geht das über das hinaus, was dieser Erkennungsschritt leistet.

Wie zuverlässig ist die Erkennung bei Dialekt?

Bei klar identifizierbaren Sprachen ist die Trefferquote hoch; starker Dialekt oder sehr kurze Ausschnitte können die Erkennung erschweren.

Kann ich das Ergebnis direkt für eine Übersetzung weiterverwenden?

Ja, die erkannte Sprache lässt sich als Ausgangspunkt für die Transkriptions- oder Übersetzungsfunktion nutzen.

Funktioniert die Erkennung auch bei kurzen oder verrauschten Aufnahmen?

Ja. Weil keine Wörter erkannt werden müssen, sondern Klangmuster, Rhythmus und Sprachmelodie ausgewertet werden, funktioniert die Erkennung auch dort, wo ein vollständiges Transkript unzuverlässig wäre.

Für Entwickler — API-Zugang

Alles auf dieser Seite ist auch per API verfügbar. Dieser Abschnitt richtet sich an Teams, die es in ihre eigenen Systeme einbinden möchten; alle anderen nutzen einfach das Tool oben.

Endpunkt

POSThttps://api.kit.forhosting.com/audio/detect-language

Authentifizierung per Bearer-Token. Ein einziger POST stellt die Aufgabe in die Warteschlange; das Ergebnis erhalten Sie per Webhook oder über einen signierten Link.

Aufruf aus Ihrem Stack

curl -X POST https://api.kit.forhosting.com/audio/detect-language \
  -H "Authorization: Bearer $KIT_KEY" \
  -H "Content-Type: application/json" \
  -d '{"audio":"https://ejemplo.com/audio.mp3"}'

const res = await fetch("https://api.kit.forhosting.com/audio/detect-language", {
  method: "POST",
  headers: {
    "Authorization": `Bearer ${process.env.KIT_KEY}`,
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    "audio": "https://ejemplo.com/audio.mp3"
  })
});
const { task_id } = await res.json();

import os, requests

res = requests.post(
    "https://api.kit.forhosting.com/audio/detect-language",
    headers={"Authorization": f"Bearer {os.environ['KIT_KEY']}"},
    json={
    "audio": "https://ejemplo.com/audio.mp3"
},
)
task_id = res.json()["task_id"]

<?php
$res = file_get_contents("https://api.kit.forhosting.com/audio/detect-language", false, stream_context_create([
  "http" => [
    "method"  => "POST",
    "header"  => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
    "content" => '{"audio":"https://ejemplo.com/audio.mp3"}',
  ],
]));
$task = json_decode($res, true);

body := bytes.NewBufferString(`{"audio":"https://ejemplo.com/audio.mp3"}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/audio/detect-language", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)

Beispiel-Anfrage

{
  "audio": "https://ejemplo.com/audio.mp3"
}

Beispiel-Antwort

{
  "task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
  "type": "audio.detect_language",
  "status": "queued",
  "_links": {
    "result": "/tasks/tsk_…/result"
  }
}

Die API arbeitet asynchron: Sie erhalten sofort eine task_id. Polling ist mit 1 Anfrage pro Sekunde erlaubt.

Preis

pro Anfrage$0.002

pro Minute$0.0055

Der Preis steht auf der Seite – keine Tokens, keine Credits. Fehlgeschlagene Aufgaben werden nicht berechnet.

Limits

`max_mb`	200
`max_minutes`	180

Fehler

HTTP	Code	Bedeutung
`401`	`unauthorized`	Der API-Schlüssel fehlt oder ist ungültig – prüfen Sie den Authorization-Header (Bearer).
`402`	`insufficient_balance`	Ihr Guthaben reicht für diese Aufgabe nicht aus – Aufladungen verfallen nicht.
`404`	`unknown_type`	Unbekannter Aufgabentyp – prüfen Sie das Feld „type“ gegen den Katalog.
`429`	`rate_limited`	Zu viele Anfragen – warten Sie kurz; Polling ist mit 1 Anfrage pro Sekunde erlaubt.
`422`	`task_failed`	Die Aufgabe ist fehlgeschlagen und wird nicht berechnet.

Technische Hinweise

So läuft die Erkennung ab

Sie laden die Datei hoch oder rufen die Funktion per API auf; KIT analysiert einen Ausschnitt der Aufnahme und liefert die erkannte Sprache samt Kürzel zurück. Das Ergebnis lässt sich direkt als Eingabe für Transkription, Übersetzung oder Untertitel in der jeweils passenden Sprache weiterverwenden.

Technische Fragen

Was kostet die Spracherkennung?

$0.002 pro Anfrage plus $0.0055 pro Minute der Aufnahme.

Vollständige KIT-Dokumentation lesen →