Eine Besprechung ueber Sprachgrenzen hinweg zehrt aus einem Grund, der nichts mit Verstehen zu tun hat: drei Aufgaben laufen gleichzeitig, zuhoeren, still uebersetzen und festhalten, was zaehlt. Danach liegt die Aufnahme da, und das Protokoll verlangt einen zweiten Durchgang von vorn. Cicada presst die drei in einen Vorgang. Das Werkzeug hoert mit, was der Rechner abspielt, erzeugt zweisprachige Untertitel, waehrend gesprochen wird, und baut Zusammenfassung, behandelte Punkte, Ergebnisse und offene Aufgaben zu einer gegliederten Notiz zusammen. Das Projekt wurde am 1. November unter Apache-2.0 quelloffen, deckt Mac, Windows, Linux und Android ab und hat im Ablageort zweitausend Sterne ueberschritten.

Die Startseite stellt ein Versprechen in drei Teilen voran: jeder Anruf, jeder Strom, keine Sprachbarriere. Der Untertitel ergaenzt den Rest: verstehen, zuruecksprechen, alles behalten.

Es schiebt keinen Bot in die Besprechung

Die meisten KI-Werkzeuge fuer Besprechungen erscheinen, indem sie einen Roboter in den Raum schicken, die Teilnehmerliste waechst um eins, und alle wissen, dass etwas zuhoert. Cicada nimmt einen anderen Weg: es liest den Ton, den das System ohnehin abspielt, und die andere Seite erfaehrt nie davon. Alles, was der Rechner hoerbar machen kann, kommt infrage, Videokonferenzen, Sprachkanaele, Live-Uebertragungen und Mitschnitte. Der Vorteil ist nicht nur Unsichtbarkeit; er erspart dem Gastgeber auch die Muhe, einem Bot Rechte zu geben, und welchen Client die Gegenseite benutzt, spielt keine Rolle mehr.

Untertitel fallen nebenbei an, das Protokoll ist der Punkt

Wenige Sekunden nach dem ersten Wort erkennt es die Sprache und gibt sie in der Sprache des eigenen Systems aus. Auf dem Bildschirm erscheint ein Untertitelband nur, solange eine Stimme laeuft, und es blendet sich aus, sobald der Zeiger naeher kommt, damit nichts die Sicht verdeckt. Die Arbeit steckt im Fenster daneben: waehrend des Zuhoerens entwirft es eine Zusammenfassung, die Kernpunkte je Thema, die Ergebnisse und die offenen Punkte, und es zeichnet sogar ein Ursache-Wirkungs-Diagramm, um ein Problem zu zerlegen, mit Namen und Fachbegriffen in einer eigenen Tabelle.

Ein Klick auf ein Ergebnis oder eine Aufgabe springt zurueck zu dem Satz, aus dem beides entstand. Das ist kein statisches Dokument, sondern eine Aufzeichnung, die sich an ihren eigenen Faeden nachverfolgen laesst.

Falsche Woerter lassen sich berichtigen

Der alte Aerger der Spracherkennung sind Eigennamen: eine Person, eine Firma, eine Produktbezeichnung, einmal falsch gehoert und fuer den Rest des Gespraechs falsch. Mit angebundenem KI-Dienst wird ein falsch verstandener Name sofort korrigiert, ein seltener stellt eine einzige Frage, und nach einem Ja bleibt die Korrektur. Haeufige Begriffe lassen sich vorab in eine Liste eintragen. Nach der Besprechung bleibt ein Netz: die Anweisung, diesen Satz zu aendern, ersetzt jedes Vorkommen desselben falschen Wortes in der ganzen Sitzung, und ein Fehler dabei laesst sich zuruecknehmen.

Auch die Suche kennt das Problem. Ein Kurzbefehl oeffnet die Stichwortsuche, und falsch erkannte Gleichklangwoerter kommen mit, was mehr zaehlt als die Suche selbst, denn das falsche Wort ist genau der gesuchte Satz.

Wenn man selbst spricht, hoeren die anderen die Uebersetzung

Dolmetschen ist die andere Haelfte. Die Sprechtaste halten und reden, und die uebrigen in der Besprechung hoeren die uebersetzte Stimme, ohne Untertitel zu lesen und ohne zu tippen. Auf einem Mac geht ein freihaendiger Modus weiter: waehrend des Zuhoerens einfach sprechen, der Besprechungston wird automatisch abgesenkt, eine Sekunde Pause schickt die Uebersetzung hinaus, danach kommt der Pegel zurueck. Stimmen duerfen natuerlich klingen oder aus einer halben Minute Aufnahme geklont werden. Der Preis: dieser Teil greift ins Systemmikrofon, und die Mac-Fassung installiert einen virtuellen Audiotreiber dafuer, weshalb dieser Schritt eine Freigabe durch den Administrator verlangt, waehrend alles andere weiterlaeuft.

Fassung 1.9 brachte vier kleine Dinge

Am 12. November erschienen, aendert 1.9 keine Architektur; die vier Anpassungen neigen alle zu glatterer Bedienung. Beim Abspielen einer Aufnahme leuchtet die ganze Zeile, und ein Klick auf einen Satz startet die Wiedergabe dort. Das Protokoll darf ein eigenes Modell nennen, auch einen anderen kompatiblen Dienst mit eigener Adresse und eigenem Schluessel. Das Dolmetschen erhielt den freihaendigen Modus von oben. Und nach dem Ende einer Besprechung speichern Protokoll und zweisprachige Mitschrift sich als Markdown in einem gewaehlten Ordner, den eine Notizsammlung direkt aufnehmen kann. Zwei Tage zuvor reparierte 1.8 einen Rueckseiteneffekt der Korrektur: das Aendern eines chinesischen Wortes schreibt keine Buchstaben in benachbarten englischen Woertern mehr um.

Wo die Grenze zwischen lokal und Cloud verlaeuft

Diese Linie verdient Klarheit, denn sie entscheidet, ob das Werkzeug in empfindliche Raeume passt. Auf einem Mac mit Apple-Chip laufen Aufnahme und Erkennung beide auf dem Geraet, der Ton verlaesst es nie, und nur fertiger Text geht hinaus; ohne eingegebenen Schluessel funktionieren Live-Untertitel, Uebersetzung, Protokoll und Dolmetschen trotzdem. Auf Intel-Macs, unter Windows und Linux und auf Android laeuft die Erkennung in der Cloud und braucht einen Schluessel fuer einen eigenen KI-Dienst, wobei der Ton in Abschnitten hinausgeht, waehrend Aufnahmen und Notizen auf dem Geraet bleiben.

Die Mac-Fassung blockiert zusaetzlich Bildschirmaufnahmen, sodass weder geteilter Bildschirm noch ein Bildschirmfoto das Protokollfenster erwischt, und eine Vorfuehrung kann das von Hand freigeben.

Ein paar Grenzen, die man vorher kennen sollte

Auf Telefonen verbietet das System, Anrufe oder den Ton anderer Besprechungsanwendungen mitzuschneiden, also bleiben nur Lautsprecher und ein Modus von Angesicht zu Angesicht; das ist eine Regel der Plattform und kein fehlendes Merkmal. Auch die Gleichheit der Fassungen ist uneben: der Mac ist am vollstaendigsten, anderswo haengen Protokoll und Dolmetschen am Cloud-Schluessel. Zu den Kosten: der Apple-Chip-Mac erledigt die Grundlagen ohne Schluessel, waehrend Live-Protokoll und Stimmklon nach Menge abgerechnet werden, mit einer Besprechungsstunde zwischen ein paar Zehnteln und etwa einer Einheit der Waehrung. Das Projekt arbeitet ausserdem schnell, mehrere Fassungen in zwei Wochen, die Funktionsliste kann sich jederzeit bewegen.

Wohin es gehoert

Setzt man Cicada 1.9 an seinen Platz zurueck, loest es nicht das Uebersetzen eines Satzes, sondern das Halten einer Besprechung ueber Sprachgrenzen, ohne sie danach ein zweites Mal hoeren zu muessen. Untertitel, Protokoll, zweisprachige Mitschrift und Dolmetschen zehren alle von einem Toneingang und teilen damit einen Zusammenhang, und genau darin schlaegt es vier zusammengeschraubte Einzelwerkzeuge. Quelloffen, Notizen auf dem Geraet, ein eigener Dienst erlaubt: fuer ein Team, dessen Besprechungsinhalt den Raum nicht verlassen darf, wiegen diese drei Punkte mehr als die Laenge einer Funktionsliste.