Aufnahmen, die niemand öffnen will

Aufnahmen von Besprechungen, Interviews und Vorlesungen sammeln sich auf dem Telefon, und die eigentliche Arbeit beginnt, wenn daraus Text werden soll. Genau dieses Stück bedient iFlyRec. Das Produkt gehört zum Haus iFlytek und ist dort auf Transkription und Sprachübersetzung spezialisiert; die Plattform, zu der es zählt, tritt als SaaS-Angebot für das Büro auf und nicht als einzelnes Werkzeug.

Der Effizienzwert ist konkret: eine Stunde Audio wird in fünf Minuten zum Entwurf, und der Text wächst schon während der Aufnahme. Der Eintrag im App Store, herausgegeben von der Entwicklerfirma in Anhui, nennt ein etwas breiteres Band — eine Stunde Aufnahme in fünf bis zehn Minuten —, was die kürzere Angabe stützt statt ihr zu widersprechen. Zur Genauigkeit nennt die Seite bis zu 98 Prozent für mehrsprachige Transkription und Übersetzung, mit einer Fußnote, die ein Prüfinstitut der Provinz Anhui für Elektronikprodukte als Teststelle ausweist. Das ist relevant: Die Zahl hat eine unabhängige Quelle, und der App-Eintrag führt dieselbe Angabe.

Das Protokoll entsteht während des Gesprächs

Die zweite Linie der Startseite ist die Zusammenfassung. Kernpunkte, Aufgaben und Notizen werden in Echtzeit gezogen, und am Ende steht ein strukturierter Entwurf mit Text und Bild statt einer Wand aus Absätzen. Der App-Eintrag ergänzt die Details der KI: eine Kapitelübersicht, die das Transkript verdichtet, eine Ansicht aus Fragen und Antworten zum Vertiefen und ein Stichwortabgleich, der die wichtigen Stellen nach vorn holt.

Auch die Dokumentebene wird bedacht. Sprecher und Absätze werden automatisch getrennt, Text und Ton liegen synchron, und ein Glättungsschritt macht aus gesprochener Formulierung geschriebene Prosa. Wer das Protokoll anschließend versenden muss, rückt Aufnahme und versandfertiges Dokument damit auf ein einziges Korrekturlesen zusammen.

Dolmetschen und Medienübersetzung

Die Sprachrichtung ist eine eigene Produktlinie derselben Plattform. Das Dolmetsch-Werkzeug ist mit Echtzeitübersetzung in 9 Sprachen und Ein-Klick-Export des Audiodokuments ausgewiesen, dazu eine Untertitel-Einblendung im Browser ohne Installation, mehrere Darstellungsformen und ein persönliches Betreuungsteam, das Ergebnisse korrigiert und beim Einstieg hilft. Die Übersetzung von Ton und Bild deckt Untertitelerkennung und Übersetzung in 14 Sprachen ab, mit Stimmklon für die Vertonung und einem menschlichen Team für die Auslieferung.

Die Sprachliste steht in der Wissensdatenbank des Anbieters. Normale Nutzer erhalten 9 Landessprachen — Chinesisch, Englisch, Japanisch, Koreanisch, Russisch, Französisch, Spanisch, Deutsch und Italienisch —, dazu 2 regionale Varianten (Kantonesisch und den Dialekt von Henan) und 2 Minderheitensprachen (Uigurisch und Tibetisch). Wer das Aufnahmegerät des Anbieters besitzt, kommt auf 10 Landessprachen, weil Vietnamesisch dazukommt, und auf 12 regionale Varianten; die Dokumentation merkt an, dass Kantonesisch ein kantonesisches Textergebnis liefert.

Wo das Kostenlose endet

Die kostenlose Grenze ist klar beschrieben. Die Aufnahme in der App kostet nichts, und die laufende Transkription samt Übersetzung lässt sich in den ersten fünf Minuten ansehen; das vollständige Ergebnis mit den KI-Funktionen sowie Export und Teilen verlangt eine Berechtigung.

Abgerechnet wird auf drei Wegen. Die maschinelle Transkription kostet 0,33 Yuan je Minute, zahlbar über Guthabenkarten, auf die nächste Minute aufgerundet, und ist 24 Stunden am Tag verfügbar. Die menschliche Transkription beginnt bei 2,17 Yuan je Minute für Chinesisch und 30 Yuan je Minute für Englisch, mit Mindestaufträgen von 18 Yuan beziehungsweise 30 Yuan, besetzt von 9:00 bis 22:00 Uhr, Feiertage eingeschlossen. Beim Abonnement gibt es 30 Stunden maschinelle Transkription im Monat: der erste laufende Monat kostet 6 Yuan, die Verlängerung 18 Yuan, einzeln gekauft sind es 25 Yuan im Monat, 68 Yuan im Quartal oder 198 Yuan im Jahr, beschränkt auf in der App aufgenommenes Audio. Ein größeres Paket hebt das Kontingent auf 50 Stunden im Monat und nimmt zusätzlich importiertes Audio an. Für Unternehmen kommen API- und SDK-Anbindung, private Installation und Datenverwaltung dazu.

Die Plattform darunter

Der Abschnitt über die Plattform beschreibt einen KI-Dienst für leichte Büroarbeit und Sprachwechsel, der mehrere SaaS-Produkte für Transkription, Schreiben, Dolmetschen und Besprechungen vereint, gebaut auf Sprachverarbeitung, Stimmerkennung, Spracherkennung und Übersetzung, verbunden mit einem großen Sprachmodell. Ein Nachweis lohnt das Wiederholen: Am 16. September 2019 wurde das Mutterhaus exklusiver Lieferant für automatische Sprachumwandlung und Übersetzung bei den Olympischen und Paralympischen Winterspielen Peking 2022. Derselbe Abschnitt beschreibt ein Gemeinwohlprojekt mit einem nationalen Verband gehörloser Menschen, und das Hilfecenter enthält einen Verifizierungsweg, über den hörgeschädigte Nutzer Berechtigungen erhalten.

Für wen es passt

Die Nutzergeschichten auf der Seite ballen sich: Protokolle für Büroangestellte, Interviewaufbereitung für Journalisten, Mitschriften für Lehrende und Lernende, Archivierung von Präsentationen für Forschende. Besprechungen auf Hochchinesisch mit chinesischem Protokoll sind die komfortable Zone; wenn eine zweite Sprache ins Spiel kommt, decken die schwebenden Untertitel und die Dokumentübersetzung das meiste ab.

Zwei ehrliche Anmerkungen. Die laufende Ansicht ist nur fünf Minuten kostenlos, das vollständige Ergebnis und die KI-Funktionen brauchen eine Berechtigung — wer wenig nutzt, sollte das eigene Volumen zuerst gegen ein Paket rechnen. Und maschinelle und menschliche Transkription sind zwei Qualitätsstufen mit sehr unterschiedlichen Minutenpreisen; bei allem, was ausgeliefert wird, lohnt die Rechnung vor der Wahl. Das Werkzeug erledigt Aufnahme und Transkription. Welche Zeile im Protokoll eine Nachverfolgung verdient, bleibt eine menschliche Entscheidung.

Ein Transkriptionswerkzeug macht aus einer Aufnahme etwas Nachschlagbares statt etwas Abgelegtes. Eine Stunde Ton schrumpft auf fünf Minuten Text, aber welche Aufgabe einen Termin bekommt und welches Versprechen eingelöst wird, beurteilt weiterhin, wer zugehört hat.