Hintergrundgeräusche reduzieren: Bessere Aufnahmequalität beim Diktieren

Warum Aufnahmequalität so wichtig ist

Die Erkennungsqualität eines Spracherkennungssystems hängt nicht nur vom Algorithmus ab, sondern maßgeblich vom Audiosignal, das es bekommt. Ein gutes Modell mit schlechtem Mikrofon erzielt schlechtere Ergebnisse als ein mittelmäßiges Modell mit gutem Mikrofon und ruhiger Umgebung.

Das ist keine Theorie: In eigenen Tests sinkt die Erkennungsrate der Web Speech API bei gleichzeitigem Hintergrundgespräch um 15 bis 30 Prozentpunkte gegenüber einer stillen Umgebung. Einzelne Wörter werden dann zufällig richtig erkannt, zusammenhängende Sätze degenerieren zu fragmentierten Textbrocken.

Die Hauptquellen für Aufnahmeprobleme

Raumakustik. In leeren Räumen mit harten Wänden, Böden und Decken entstehen starke Reflexionen. Das direkte Sprachsignal kommt mit seinen eigenen Echos beim Mikrofon an und klingt diffus. Das Erkennungsmodell hat dann Schwierigkeiten, Phoneme klar zu unterscheiden. Teppiche, Vorhänge, Bücherregale und Polstermöbel absorbieren Schall und verbessern die Akustik erheblich.

Lüftungsgeräusche. Klimaanlagen, Ventilatoren und Heizungen erzeugen ein kontinuierliches Rauschen. Dieses gleichmäßige Grundrauschen ist für Software schwerer herauszufiltern als kurze Einzelgeräusche, weil es das gesamte Frequenzspektrum belegt.

Tastaturgeräusche. Wer gleichzeitig tippt und spricht, erzeugt ein mechanisches Klopfgeräusch, das nah am Mikrofon entsteht. Bei Laptops mit eingebautem Mikrofon ist das besonders ausgeprägt, weil Tastatur und Mikrofon nahe beieinander liegen.

Elektromagnetische Einstreuungen. Billiges Zubehör mit ungeschirmten Kabeln kann Störsignale aus dem Stromnetz aufnehmen, die als Brummen hörbar werden. USB-Mikrofone sind dagegen unempfindlicher als kabelgebundene analoge Mikrofone.

Mikrofon: Der entscheidende Hardware-Faktor

Das eingebaute Mikrofon eines Laptops ist der schwächste Punkt in vielen Setups. Es ist omnidirektional, sitzt nahe der Wärmequellen des Rechners und nimmt alle Umgebungsgeräusche gleichmäßig auf.

Für regelmäßiges Diktieren empfiehlt sich ein gerichtetes Mikrofon, das hauptsächlich von vorne aufnimmt und Seiten- und Rückgeräusche unterdrückt. Gute Einsteigeroptionen sind:

Ein Headset-Mikrofon nah am Mund. Der geringe Abstand zwischen Mund und Mikrofon bedeutet, dass die Stimme deutlich lauter als Hintergrundgeräusche ankommt. Das ist der einfachste und effektivste Weg, die Signalqualität zu verbessern.

Ein Tischkondensatormikrofon mit Nierencharakteristik. Modelle wie das Blue Yeti Nano oder das HyperX SoloCast nehmen primär von einer Seite auf. Aufgestellt 20 bis 30 Zentimeter vor dem Mund und weg von Lautsprecher und Tastatur liefern sie sehr gute Ergebnisse.

Ein USB-Schwanenhals-Mikrofon. Kompakte, flexible Mikrofone, die sich direkt vor den Mund positionieren lassen. Für Schreibtischarbeit praktischer als ein Kopfbügelmikrofon.

Software-basierte Geräuschunterdrückung

Wer kein neues Mikrofon kaufen möchte oder kann, hat eine zweite Möglichkeit: Software filtert Hintergrundgeräusche aus dem Audiosignal heraus, bevor es an die Spracherkennung weitergegeben wird.

NVIDIA RTX Voice und das nachfolgende RTX Broadcast nutzen KI-Modelle, um Störgeräusche in Echtzeit zu entfernen. Voraussetzung ist eine NVIDIA RTX Grafikkarte. Die Ergebnisse sind beeindruckend: Tastatur, Ventilatoren und Hintergrundgespräche werden weitgehend eliminiert, die Stimme bleibt klar.

Krisp.ai ist eine plattformunabhängige Alternative, die als virtuelles Mikrofon arbeitet. Es filtert Eingangsgeräusche auf jedem Gerät, unabhängig von der Grafikkarte. Die kostenlose Version erlaubt 60 Minuten pro Tag, was für gelegentliches Diktieren ausreicht.

Windows 11 enthält seit Version 22H2 eine eingebaute Sprachklarheitsfunktion unter den Audioeinstellungen. Sie arbeitet für alle Anwendungen gleichzeitig und benötigt keine zusätzliche Software.

Praktische Schritte zur Verbesserung

Wer sofort bessere Ergebnisse beim Diktieren mit dem Tool erzielen will, sollte diese Punkte der Reihe nach angehen:

Umgebung wählen. Den ruhigsten Raum nutzen. Fenster schließen, Türen schließen, Klimaanlage temporär ausschalten.

Mikrofon nah positionieren. Ein Headset oder ein Mikrofon auf einem kurzen Ständer direkt vor dem Mund senkt den Hintergrundanteil im Signal drastisch.

Sprechlautstärke anpassen. Klar und in normalem Sprechtempo reden, nicht flüstern. Leises Sprechen senkt den Nutzlastanteil des Signals relativ zur Umgebung.

Software-Filter aktivieren. Falls NVIDIA RTX Voice oder Krisp verfügbar ist, aktivieren und als Mikrofonquelle im Browser auswählen.

Testen vor dem Diktat. Kurz testen und das Erkennungsergebnis prüfen, bevor man einen langen Text diktiert. Fehler in den ersten Sätzen sind ein Indiz für Qualitätsprobleme, die besser vor dem Start behoben werden.

Mit diesen Maßnahmen lässt sich die Erkennungsgenauigkeit selbst bei bescheidener Hardware erheblich steigern. Die Investition in ein gutes Headset amortisiert sich für regelmäßige Nutzer innerhalb weniger Wochen durch gesparte Korrekturzeit.