Spracherkennung

Im Jahr 2021 werden die mobile App und Drittanbieterskills für Cortana verschwinden. Ihr neues Zuhause: das Microsoft-365-Abo.

Im Auto ist die Alexa-Sprachsteuerung noch praktischer als daheim. Amazon hat bei Echo Auto die wichtigsten Einsatzzwecke im Fahrzeug bedacht.
Ein Test von Ingo Pakalski

Für alle, die den Alexa-Funktionsumfang auch während der Fahrt nutzen wollen.
Von Ingo Pakalski

Excel-Tabellen automatisieren oder Fragen in ganzen Sätzen stellen: OpenAIs erste kommerzielle API nutzt das neue GPT-3 für Texterkennung.

Die irische Datenschutzbehörde hat Fragen rund um Siri an Apple geschickt. Es gibt Vorwürfe eines früheren Whistleblowers.

Build 2020 Cognitive Services können aus Bildern nicht mehr nur Englisch-Texte extrahieren. Außerdem gibt es eine KI, die bei der Aussprache hilft.

Eine weichere und akzentuiertere Stimme - dieses Update hat Apple seinem Sprachassistenten Siri nach knapp drei Jahren zukommen lassen.

Die Spracherkennung von Mozilla soll mit der aktuellen Version schneller werden und Modelle sollen sich einfacher anpassen lassen.

Der Hersteller setzt auf den Sprachassistenten Bixby.

Die Betaversion bietet neben Plasma-Oberfläche und Apps einen Open-Source-Sprachassistenten.

Cortana könnte bald Microsoft 365 Assistant heißen. Das ist eine schlechte Idee, da dieser Name in den vielen Angeboten mit der Zahl 365 im Namen einfach untergehen würde. Microsoft sollte Cortana stattdessen einen simulierten Charakter geben, damit sie ihrem Namen gerecht wird.
Ein IMHO von Oliver Nickel

Aus Microsoft Teams heraus direkt eine E-Mail schreiben: Das wird in der neuen Version der Software möglich sein. Außerdem schaltet der Hersteller die Spracherkennung in Videokonferenzen frei, die Gesprochenes als Text anzeigt.

Microsoft wird Cortana umstrukturieren. Künftig können wohl nur noch Kunden die Sprachassistentin nutzen, die sich mit einem Microsoft-Konto an ihrem PC anmelden. Die neue Cortana wird beim Eintragen von Kalenderterminen, Tasks und bei der Bing-Suche helfen. Einige Skills verschwinden aber.

Das Speech-to-Text-Angebot Transcribe von Amazon soll künftig auch automatisiert persönliche Informationen entfernen können. Dazu gehören Namen, Kontaktdaten oder auch Bankinformationen. Kunden sollten wohl aber nicht all zu großes Vertrauen in den Dienst setzen.

Das Sprachmodell Turing-NLP von Microsoft enthält rund 17 Milliarden Parameter und dient der Spracherzeugung, etwa um auf Fragen zu antworten. Teile der dazu genutzten Technik hat Microsoft als Open Source veröffentlicht.

Die freie Spracherkennung Deep Speech von Mozilla läuft in der aktuellen Version 0.6 auch auf wenig leistungsfähigen Chips in Echtzeit. Darüber hinaus hat das Team das Modell weiter deutlich verkleinert.

Seit geraumer Zeit plagen sich einige Android-Auto-Nutzer mit einem nervigen Bug herum: Der integrierte Google Assistant versteht zwar sämtliche Spracheingaben, antwortet aber nicht. Entsprechend verpuffen manche Anfragen im Nichts, eine Lösung ist noch nicht in Sicht.

Sprachbefehle müssen nicht unbedingt per Sprache übertragen werden: Forschern ist es gelungen, smarte Lautsprecher wie Amazon Echo oder Google Home mit einem Laser aus bis zu 110 Metern Entfernung zu steuern - und so beispielsweise ein Garagentor zu öffnen.

Google hat eine neue Version seines kleinsten smarten Lautsprechers vorgestellt: Aus dem Home Mini wird der Nest Mini, der sich mit besserem Klang und besserer Hotword-Erkennung an der Wand befestigen lässt. Der Preis ist mit 60 Euro gleich geblieben.

Nach einem weltweiten Stopp möchte Apple die Sprachbefehle der Siri-Nutzer wieder auswerten - diesmal jedoch mit expliziter Zustimmung durch den Nutzer. Das gilt allerdings nur für Audioaufnahmen, die in Text umgewandelten Mitschnitte möchte Apple weiter ungefragt auswerten.

Die kürzlich angekündigten Echo-Produkte bringen Amazons Sprachassistentin Alexa auf die Straße und damit Datenschutzprobleme in die U-Bahn oder in bisher Alexa-freie Wohnzimmer. Mehrere Landesdatenschutzbeauftragte haben Golem.de erklärt, ob und wie die Geräte eingesetzt werden dürfen.
Von Moritz Tremmel

Google will den Google Assistant so überarbeiten, dass der Datenschutz der Nutzer besser geschützt wird. Zudem soll es weniger ungewollte Aktivierungen des digitalen Assistenten geben.

Unter welchen Bedingungen müssen Menschen arbeiten, die für die großen IT-Unternehmen Mitschnitte der digitalen Assistenten anhören? Darüber berichtet ein ehemaliger Mitarbeiter, der lange Unterhaltungen belauschen musste und ausbeuterische Arbeitsbedingungen unterhalb des Mindestlohns beklagt.

Nachdem Apple die Auswertung von Siri-Audiodateien zunächst nur gestoppt hatte, wurde nun allen Beschäftigten im Auswertungszentrum in Irland gekündigt - mehr als 300 Mitarbeiter sind betroffen. Apple will die Praxis allerdings weiterführen, aber unter anderen Voraussetzungen.

Wütend, krank oder traurig: Durch unsere Stimme bekommen Sprachassistenten mehr Informationen als nur den Sprachbefehl. Forschern ist es gelungen, die Emotionen aus Audioaufnahmen zu filtern - die Spracherkennung leidet allerdings darunter.

Bevor Apple die Auswertung von Siri-Sprachdateien gestoppt hat, mussten Mitarbeiter in Irland teilweise bis zu 1.000 Audio-Schnipsel pro Schicht auswerten. Meist handelte es sich nur um Sprachkommandos, manchmal waren aber auch persönliche Informationen darunter.

Wie läuft es ab, für Apple Siris Sprachaufnahmen auszuwerten? In zwei Berichten beschreiben Mitarbeiter ihren Arbeitsalltag beim Anhören von Siri-Mitschnitten.

Apple setzt weltweit die Praxis aus, Fragmente von Aufnahmen durch Siri nachträglich von Menschen auswerten zu lassen. Erst kürzlich ist bekannt geworden, dass dies nicht nur bei Amazon und Google, sondern auch bei Apple passiere.

Google-Mitarbeiter werten keine Sprachaufnahmen des Google Assistant mehr aus der EU aus. Dies erklärte das Unternehmen dem Hamburger Datenschutzbeauftragten im Rahmen eines Verwaltungsverfahrens. Das gilt allerdings nur vorübergehend.

Amazon Polly wird um Neural Text-to-Speech erweitert. Dieses soll natürlicher klingen als traditionelle Ansätze. Das System kann etwa Nachrichtenmoderatoren imitieren. Erste Audiobeispiele klingen bereits recht überzeugend, auch wenn einige Dinge die synthetische Herkunft verraten.

Google hat das erste Mal seit fünf Jahren ein großes Update für Android Auto veröffentlicht. Es gibt im Infotainment-System des Autos einen neuen Startbildschirm sowie einige Änderungen bei der Bedienung eines angebundenen Smartphones.

Mit einem Konfigurationsprofil ist es möglich, Apples Sprachassistenten Siri weiter zu nutzen, Apple aber zu untersagen, die Aufnahmen zu analysieren.

Einige Apple-Vertragsarbeiter erhalten Sprachdateien von Siri, um diese zu analysieren und den Assistenten zu verbessern. Allerdings werden laut einer internen Quelle des Guardian oft private Momente aufgenommen - beim Sex, bei Geschäften und beim Gespräch mit dem Arzt.

Google ist nicht begeistert, dass ein Mitarbeiter aufgezeichnete Google-Assistant-Gespräche von Kunden an die Presse weitergeleitet hat. Ermittlungen dazu laufen - und Google rechtfertigt und verteidigt das Vorgehen.

Amazon wird die Konkurrenz durch Sonos möglicherweise etwas zu unheimlich: Insidern zufolge soll das Unternehmen an einem Lautsprecher arbeiten, der es vom Klang mit dem Sonos One aufnehmen kann.

Jeder 500. Sprachbefehl wird von Google-Mitarbeitern ausgewertet. Ein Leak aus Belgien zeigt, dass sich darunter auch viele ungewollt aufgenommene Gespräche und Telefonanrufe befinden - mit privaten und intimen Inhalten.

Basierend auf Google Home und der Sprache Javascript bietet Google ein Software Development Kit für das heimische Smart Home in der Preview an. Das Local Home SDK funktioniert nach der Einrichtung auch ohne Cloud-Anbindung. Diese kann aber als Rückfallebene einspringen.

Der wissenschaftliche Dienst des Bundestages hat eine Einschätzung zu Amazons Sprachassistenten Alexa gegeben. Besonders für Minderjährige stelle die Spracherkennung eine Gefahr dar.

Erst wenn Kunden aufgenommene Daten manuell auswählen, werden sie gelöscht. Das bestätigt Amazon auf eine Anfrage des US-Senators John Coon. Selbst dann seien einige Ausnahmen zu beachten, in denen Alexa und Anbieter Daten weiterverarbeiten.

Seit kurzem findet sich in Microsofts Appstore eine Betaversion von Cortana als Einzeldownload. Es ist nur ein kleiner Download und wohl eine Vorbereitung zur Entbündelung des Sprachassistenten. Laut Nutzerberichten funktioniert Cortana als App noch nicht.

Google Duplex braucht oft menschliche Hilfe. Google selbst räumt ein, dass knapp die Hälfte der telefonischen Restaurant-Reservierungen nicht komplett von einer Maschine durchgeführt werden. In Tests kam die New York Times auf eine viel höhere Rate.

Bisher müssen Nutzer von Googles Sprachassistenten vorprogrammierte Abläufe manuell auslösen. So lassen sich auf die Ansage "Ab ins Bett" beispielsweise alle Lichter im Haus ausschalten. Mit der Zusammenführung von Nest und dem Google Assistant soll das bald auch automatisiert funktionieren.

Build 2019 Moderne Architektur, große Fenster, ein Zen-Garten: Microsofts Campus wirkt außen modern und aufgeräumt. Präsentationen entstehen trotzdem in einem fensterlosen Raum, in dem sich Hardware und Werkzeug stapeln. Microsoft zeigt dort auch eine ungeskriptete Version seiner Spracherkennungssoftware.
Von Oliver Nickel

Mit dem Roav Bolt bringt Anker den Google Assistant ins Auto: Das Gerät wird an eine 12-Volt-Buchse im Auto gesteckt und bietet anschließend vollen Zugriff auf die Funktionen von Googles Sprachassistenten. Gleichzeitig können zwei USB-Geräte darüber geladen werden.

Googles Gsuite wird immer umfangreicher: Das Unternehmen integriert jetzt den Google Assistant in den Kalender, bringt Hangouts Chat für Gmail und erweitert Videochats um eine automatische Speech-to-Text-Erkennung.

Den Inhalt von PDF-Dokumenten vergleichen oder nach ihnen mit Spracheingabe suchen: Intelligent Agents soll ein per Sprache gesteuertes Interface geben, das Fragen interpretiert und richtige Ergebnisse liefert. Dazu nutzt Adobe Microsofts Cognitive Services.

In einem Blog-Eintrag berichtet Cisco von seinen Absichten, die Interaktion mit dem Konferenzsystem Webex künftig natürlicher zu gestalten. Das bedeutet Sprachsteuerung und Gesichtserkennung - und parallel dazu das Sammeln vieler Daten.

In dem Projekt Common Voice sammelt Mozilla transkribierte freie Sprachdaten, um damit zum Beispiel eine freie Spracherkennung zu bauen. Mozilla hat nun den Datensatz für 18 Sprachen aus 1.400 Stunden Sprachsamples von mehr als 42.000 Beitragenden veröffentlicht.

Emotionen in Stimmen zu erkennen, ist für die Forscher von Affectiva durch die wenigen Trainigsdaten nicht leicht. Trotzdem konnten sie ein neuronales Netzwerk trainieren, das verschiedene Sprachen versteht. Das soll für viele Dinge hilfreich sein, etwa für die Erkennung psychologischer Störungen.

Facebook-Forscher arbeiten an einem Programm, das die Toneigenschaften von Sprachen lernt und Gesprochenes in andere Sprachen umwandeln kann. Erste Ergebnisse klingen schon relativ glaubwürdig. Allerdings gibt es Einschränkungen.