Howdy,
ist das schon realistisch machbar, für zuhause ohne irgendeine fette
Google-KI im Hintergrund?
Angenommen eine Mediendatei, ob fremdsprachiger Spielfilm oder
Privataufnahme durch eine lokale PC-Software zu jagen, die dann z.B.
eine srt-Untertiteldatei ausspuckt, mit einigermaßen korrekter und
verständlicher Übersetzung der gesprochenen Dialoge?
Idealerweise gleich als Plugin fürn Mediaplayer?
Wobei ich nicht weiß, ob Spracherkennung auch das Bild (Lippenlesen)
nutzt oder nur Audio?
batman schrieb:> Wobei ich nicht weiß, ob Spracherkennung auch das Bild (Lippenlesen)> nutzt
Klar. Besonders wenn dee Sprecher mit dem Rücken zur Kamera steht ;)
batman schrieb:> ist das schon realistisch machbar, für zuhause ohne irgendeine fette> Google-KI im Hintergrund?
Nein. Zumindest nicht, wenn wirklich sinnvolles dabei rauskommen soll.
Wie gut das funktioniert wenn eine Google-Serverfarm das macht, sieht
man ja zuhauf auf YouTube.
Zuhause funktioniert es gerade mal, die Texte aus den Untertiteln zu
extrahieren (Texterkennung aus Video!), und auch da ist für die
Übersetzung "die Cloud" zuständig, mit ebenso grausigen Ergebnissen.
(Welcher Idiot auf den Trichter gekommen ist, die Untertitel bei Bluray
als überlagertes Bild statt Text mitzuliefern....)
Es ging mir auch nicht um mustergültige Übersetzungen, sondern daß man
zumindest mal spontan der Handlung eines beliebigen fremdsprachigen
Films folgen könnte. Aber das bleibt dann wohl leider erstmal noch ein
Traum.
Umso verblüffender für mich, wie gut Spracherkennung und automatische
Textübersetzungen z.B. mit Google schon funzen. Aber die Konzerne
betreiben wohl zunehmend ihre Geheimwissenschaften, ähnlich wie beim
autonomen Fahren.
batman schrieb:> die dann z.B.> eine srt-Untertiteldatei ausspuckt, mit einigermaßen korrekter und> verständlicher Übersetzung der gesprochenen Dialoge?
eine SRT-Datei ist eine normale Text-Datei.
Und OFFline-Übersetzer habe ich schon vor über 20 Jahren benutzt. Mit
ziemlich guten Erfolg. Die liefen sogar unter DOS prima.
Hallo
batman schrieb:> Umso verblüffender für mich, wie gut Spracherkennung und automatische> Textübersetzungen z.B. mit Google schon funzen. Aber die Konzerne> betreiben wohl zunehmend ihre Geheimwissenschaften, ähnlich wie beim> autonomen Fahren.
Ja wenn es gut läuft ist es schon beinah erschreckend gut wie gut das
funktioniert und zwar auch wo man meint: "So deutlich spricht der (die)
eigentlich doch gar nicht, warum gibt es eigentlich noch
Simultanüberstzer?"
Aber oft genug kommt da auch ziemlicher Mist bei heraus, obwohl man
eigentlich den Vortragenden gut ja sogar sehr gut versteht- ist schon
seltsam...
Ob bei den sehr guten Ergenissen das wirklich immer die automatische
Übersetzung und Spracherkennung wirklich vollständig selbstständig macht
möchte man da fast bezweifeln, leider halten sich die Konzerne wie du
schon geschrieben hast bei den wirklich interessanten Details sehr
bedeckt.
An "Ähmms" "Öhhs" usw. scheint sich die Automatik auf jeden Fall nicht
oder nur wenig zu stören.
Aber auch was der erstaunlich gute https://www.deepl.com/translator
"nur" reine Textüberstzer schafft ist erstaunlich, aber öfter auch eben
nicht - und das bei Texten wo man (ich) mit nur bescheidenen
Schulenglisch meint das gerade das doch sehr einfach und klar
(automatisch) zu übersetzten sein müsste - vieleicht liegt es dann aber
auch daran das der Text (Die Grammtik) nicht so 100% Koscher ist, bzw.
es 1001 Bedeutungen gibt und viel nur aus dem Zusammenhang und
Hintergrundwissen sinnvoll übersetzt werden kann.
Wenn natürlich ein deutscher der so gerade sein Schulenglisch
"beherrscht" ;-) einen englischen Text schreibt ist das als
"Schulenglisch" Deutscher sehr gut zu überstzten.
Das was Otto Walkes da mal in der frühen Steinzeit bewusst übertieben
als Gag gemacht hat hat nämlich seinen wahren Hiuntergrund - und das wir
so manchen deutschsprachigen Politiker und Sportler eigentlich ganz
hervorragend verstehen wenn er "Englisch" (ähnlich "gut" wie die meisten
- sein wir doch ehrlich) spricht so hervorragend verstehen dürfte auch
seinen Grund haben... ;-)
Das ist weniger Hexenwerk am man denkt.
Im Prinzip ist das nur eine kleine (für Phonem) und eine große Datenbank
mit den fertigen Ergebnis.
Bei der Spracherkennung erkennt der Computer KEINE Worte. Er zerlegt
Worte in Phonem , auch Laut-Sprache genannt. Diese Laut-Sprache sieht
man in Übersetzungswörterbücher. Phonem sind sehr viel unabhängiger von
der Aussprache wie Wörter. Diese Tonfetzen werden geglättet, bekannte
Hintergrundgeräusche (Atmen/Lüfter etc) entfernt. Das Ergebnis wird dann
mit einer Datenbank verglichen und die Wörter zusammengesetzt. Und schon
hat man das ganze. Ist aber eine Menge Arbeit und man braucht eine große
+ Schnelle Datenbank. ;)
Ich habe vor über 25 Jahren (weiß nicht mehr genau wann) mal auf der
Messe mit DRAGON gespielt und mich mit einen der Fachleute unterhalten.
Der hat es mir genau so erklärt.
Damals musste man noch 5 x ein bestimmten Text sprechen, damit das
System sich an den Sprachrhythmus und die Lautstärke des Sprechers
gewöhnen konnte.
Danke sehr interessant - aber warum dann doch die sehr unterschiedlichen
Ergenisse?
Weil so einiges "fluppt" richtig gut und das mit dieser Phenom Zerlegung
(nochmal Danke für die Info)und den Datenbanken klappt hervorragen oder
eben genug auch nicht und zwar ohne das da großartige "untypische"
Störgeräusche im Hintergrund dabei sind, das Thema extrem Exotisch ist
(wegen Datenbank) oder sofern man sie Sprache selbst so einigermaßen
versteht und "automatisch" übersetzt bzw. sogar "direkt" versteht
(überigens wesentlich einfacher als selbst sprechen oder gar schreiben -
zumindest auf dem Niveau wie die meisten eine in der Schule erlernte
Fremdsprache "beherrschen") das man größere Probleme damit hätte das
selbst (also ohne Untertitel) zu verstehn.
Kann es sein das das mit den Phenom nur gut funktionier wenn der
Vortragende die jeweilige "Hochsprache" spricht?
Weil wer jemals einen echten (also indischen keinen in den USA oder GB
aufgewachsenen) Inder in Englisch (angeblich eine Zeite Amtssprach in
Indien die jeder beherscht... na ja..) lauschen durfte denn wird klar
sein das das mit den Phenomen schon eine heftige herausforderung sein
dürfte - selbst als Mensch hat man da erst mal heftigste Probleme und
fragt sich "Was will der Typ (die Typin) jetzt mir eigenlich
vorsingen?!" - ja vorsingen kein schreibfehler...
hennes
Weil der Algorithmus genau wie eine OCR Fehler mit Logik ausgleicht.
Das ganze nennt man Näherungsverfahren. Einfach gesagt, er versucht zu
erraten was du gesagt hast.
Bei einer OCR wird das Ergebnis einer Texterkennung durch eine
Rechtschreibdatenbank gejagt.
Und bei Spracherkennung durch einen Datenbank mit analytische Treffer
Wahrscheinlichkeit.
Einfach erklärt. Wenn 10 Mio Leute nach eine bestimmten Wort suchen,
dann ist es vermutlich das Wort was du auch suchst. Ähnlich klingende
Worte / Namen etc. werden so "Fehler korrigiert".
Den selben Effekt hast du auch bei einer Google-Suche. "Meinten Sie ....
" oder "sie tippten xxx angezeigt wird xxy. Klicken sie hier um alle
Ergebnisse von xxx anzuzeigen".
Ist die selbe Technik nur ohne Sprache. Nur hierbei werden halt
Tippfehler mit "analytische Treffer Wahrscheinlichkeit" abgeglichen,
nach den Motto "Der sucht ja eh danach".
Die Routinen dahinter sind hoch mathematische Formeln. Aber die Logik
ist immer die selbe.
Hennes schrieb:> Kann es sein das das mit den Phenom nur gut funktionier wenn der> Vortragende die jeweilige "Hochsprache" spricht?
jein. Aber es gibt ein Problem. Bei kleineren Sprachen kommt es
teilweise zur Doppelübersetzungen. Einfach gesagt. Es gibt ca. 147
Länder mit ca. von mir geschätzt ca. 500 Sprachen. Das wäre einfach zu
viel Aufwand diese zu übersetzen.
Also macht man das mit einen Trick. Man übersetzt JEDE Sprache in
Englisch. Und dann zurück in die Zielsprache.
Nur die Hochsprachen (Deutsch gehört dazu) werden direkt übersetzt in
andere Hochsprachen.
Irgendwo gab/gibt es eine Webseite wo Google sogar angibt welche
Sprachen es direkt übersetzt.
