Spracherkennung

Mit etwa 530 Milliarden Parametern ist das generative Modell Megatron-Turing NLG von Microsoft und Nvidia etwa dreimal so groß wie GPT-3.

Bislang konnten Apple-Nutzer dank Siri unter anderem E-Mails schreiben und sich ihre Anrufliste vorlesen lassen - das geht nicht mehr.

Die Sprachdaten von Common Voice sollen helfen, zum Beispiel eine freie Spracherkennung zu bauen. Mozilla erweitert die Sammlung um Tausende Stunden.

Mit Ziggy bekommt Amazons Sprachassistent Alexa eine männliche Stimme und ein neues Aktivierungswort. Außerdem gibt es Neuigkeiten zu Matter.

Der Verbund mit dem Namen Open Voice Network soll die Vertrauenslücke bei der Verwendung von Sprache als Benutzerschnittstelle schließen.

Die EU befürchtet Wettbewerbs- und Datenschutzprobleme beim Internet der Dinge. Das betrifft Sprachassistenten von Google, Amazon und Apple.

Sonst noch was? Was am 10. Mai 2021 neben den großen Meldungen sonst noch passiert ist, in aller Kürze.

Spencer ist eine kleine Box mit Lautsprecher, Display und Sprachassistenten. Wir haben ihn zusammengebaut und das spielerische Coding ausprobiert.
Ein Test von Tobias Költzsch

Googles KI-Team hat erstmals viele verschiedene Sprachdaten zusammen zum Training eines Modells verwendet. Das Ergebnis überzeugt.

Ein Kauf von Nuance ist die zweitgrößte Übernahme in Microsofts Konzerngeschichte. Der Kauf ist offiziell bestätigt.

Die Sprachassistentin Cortana wird unter IOS und Android nicht mehr unterstützt. Der Konkurrent zu Alexa, Siri und Google Assistent wird aber nicht beerdigt.

Großen IT-Unternehmen fehlt oft das Interesse zur Unterstützung kleiner Sprachen. Dank Deep Learning helfen sich die Sorben nun selbst.

Der Chrome-Browser kann nun auch auf dem Desktop automatisch Untertitel für Medieninhalte erstellen. Bisher ging das nur auf Smartphones.

Harman Kardon setzt Kunden unter Druck: Wird ein smarter Lautsprecher nicht rechtzeitig aktualisiert, wird er unbrauchbar.

Motorräder sollen mit Sprachsteuerung hipper werden. Der E-Motorrad-Hersteller Energica will die Ablenkung reduzieren, erreicht wird das Gegenteil.
Ein IMHO von Andreas Donath

Das iPhone-Betriebssystem ist dann nicht mehr länger auf Apple Music als Standard-App festgelegt.

Der Browserhersteller stellt den Betrieb seines Proxys zu Sprachsteuerung ein. Damit fallen auch die Firefox-Erweiterungen dazu weg.

Künftig bedarf es einer ausdrücklichen Zustimmung der Nutzer, damit Microsoft Sprachclips nachträglich anhört.

Amazon will die Alexa-Nutzung im Auto angenehmer machen. Dabei geht es aber nicht um eine bessere Sprachsteuerung.

Schnell ein Interview transkribieren, das müsste mit KI-Systemen doch inzwischen gut machbar sein - dachten wir.
Ein Erfahrungsbericht von Sebastian Grüner

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.