DVT muss bei einem Gerät mit lokaler Transkription die gesamte Zustandsmaschine validieren, nicht nur die Ausgabe der Spracherkennung. Ein erfolgreich geprüftes System erfasst Audio, übersteht Unterbrechungen, speichert eine nutzbare Notiz samt Herkunft und löscht ein Quellsegment erst, nachdem der Computer es für die Transkription verarbeitet hat.

Grenzen der Produktregeln. Die folgenden Zustandswechsel und Wiederherstellungsfälle stammen aus den für dieses Projekt dokumentierten C1-Produktregeln. Sie sind Abnahmeanforderungen. Eine Anforderung darf erst dann als gemessenes Ergebnis des ausgelieferten Produkts dargestellt werden, wenn entsprechende Testbelege vorliegen.

Welches System wird geprüft?

Die freigegebene C1-Architektur verteilt die Arbeit auf zwei Geräte. C1 erfasst Audio, erkennt Sprachaktivität auf dem Gerät, speichert verschlüsselte Audiosegmente vorübergehend und überträgt sie per Bluetooth oder USB-C. Der gekoppelte macOS- oder Windows-Computer übernimmt lokale Spracherkennung und Sprecherzuordnung, schreibt lokales OKF-Markdown und weist C1 an, jedes Segment nach der Verarbeitung für die Transkription zu löschen.

Daraus ergeben sich mindestens sechs beobachtbare Zustände:

  1. Erfasst: Auf C1 liegt ein vollständiges oder wiederherstellbares Segment vor.
  2. Zwischengespeichert: Der Computer hat das Segment kopiert, aber noch keine Notiz verbindlich gespeichert.
  3. Transkribiert: Die Spracherkennung hat einen Textentwurf erzeugt.
  4. Gespeichert: Die Markdown-Notiz und ihre Metadaten sind dauerhaft geschrieben.
  5. Bestätigt: Der Synchronisationsstatus hält fest, dass das Segment verarbeitet wurde.
  6. Freigegeben: C1 hat das Quellsegment gelöscht.

Der irreversible Übergang kommt zuletzt. Stürzt ein Prozess zwischen Zwischenspeicherung und dauerhaftem Speichern ab, muss die Quelle wiederherstellbar bleiben. Gelingt das Speichern, geht aber die Löschbestätigung verloren, muss der nächste Durchlauf das bereits verarbeitete Segment erkennen und eine doppelte Notiz vermeiden.

Wie wird die Unterbrechungsmatrix geprüft?

Lösen Sie an jeder Übergangsstelle einen Fehler aus und prüfen Sie anschließend beide Seiten. „Die App hat sich erholt“ reicht nicht: Vergleichen Sie Datei-Hashes, Notizanzahl, Gerätebestand und Zustandszeiger vor und nach dem Neustart.

Ausgelöster Fehler Erwarteter Gerätezustand Erwarteter Computerzustand
Stromausfall während der Aufnahme Frühere Segmente intakt; aktives Segment vollständig oder ausdrücklich als ungültig markiert Keine erfundene Notiz
Verbindungsabbruch während der Übertragung Quellsegment bleibt erhalten Unvollständige Zwischendatei wird ignoriert oder fortgesetzt
Prozess während der Spracherkennung beendet Quellsegment bleibt erhalten Keine dauerhaft gespeicherte Dublette; Wiederholung möglich
Stromausfall beim Schreiben der Notiz Quellsegment bleibt erhalten Atomarer Schreibvorgang hinterlässt den alten Zustand oder eine vollständige neue Notiz
Verbindungsabbruch nach dem Speichern, vor dem Löschen Quelle kann erhalten bleiben Hash des verarbeiteten Segments verhindert erneute Transkription; Löschen kann wiederholt werden
Beschädigtes Segment Erst löschen, wenn eine lokale Quarantänekopie verifiziert wurde Fehler und Herkunft der Quelle bleiben erhalten

Wie validiert man Transkription ohne eine erfundene universelle Genauigkeitszahl?

Die Wortfehlerrate ist für einen festen, annotierten Korpus nützlich, kann aber arbeitsrelevante Fehler verdecken. Erstellen Sie einen versionierten Evaluationssatz mit ruhiger und leiser Sprache, Tastaturgeräuschen, Akzenten und unterstützten Sprachen, überlappenden Sprechern, Fachbegriffen, Namen, Daten, Zahlen und Verneinungen. Dokumentieren Sie Hardwareposition und Quellpegel für jede Probe.

Berichten Sie mindestens drei Ebenen:

  • WER oder CER für den annotierten Korpus mit Modell- und Decoder-Versionen.
  • Erkennungsquote kritischer Begriffe für Kennungen, Zahlen, Namen und verneinte Anweisungen.
  • Nutzbarkeit für die Aufgabe: Kann eine prüfende Person die beabsichtigte Entscheidung ableiten, ohne die gesamte Aufnahme erneut anzuhören?

Vergleichen Sie zwei Spracherkennungssysteme nicht mit unterschiedlichem Audio, unterschiedlichen Spracheinstellungen oder Nachbearbeitungsregeln.

Was muss die VAD-Validierung messen?

Die Sprachaktivitätserkennung verändert, was bei der Spracherkennung ankommt. Eine strenge Schwelle kann leise Silben oder Satzanfänge abschneiden; eine großzügige Schwelle kann lange Störgeräuschabschnitte behalten. Prüfen Sie falsche Zurückweisung, falsche Annahme, abgeschnittene Grenzen und Fragmentierung anhand annotierter Zeitintervalle. Prüfen Sie anschließend das Transkript: Ein kleiner Zeitfehler kann eine entscheidende Verneinung entfernen, obwohl die VAD-Gesamtwerte akzeptabel aussehen.

Das dokumentierte C1-Audiodesign verwendet Opus mit 16 kHz mono und 16 kbps. RFC 6716 definiert Opus über einen deutlich größeren Bereich; die projektspezifische Rate ist eine Designentscheidung, keine feste Opus-Vorgabe. Prüfen Sie Decoder-Kompatibilität, Dauer, Kanalzahl sowie durchgängige Hash- oder Frame-Zählung an den tatsächlich codierten Dateien.

Makroaufnahme der oberen hinteren Ecke des silberweißen C1 mit gebogener Metallkante und transparenter Abdeckung rechts.
Metallkante, weiße Rückseite und transparente Abdeckung des C1 im Detail.

Wie sollten Datenschutzaussagen geprüft werden?

„Lokal“ ist eine prüfbare Architekturaussage. Erfassen Sie DNS- und Netzwerkverkehr während Aufnahme, Übertragung, Transkription, Suche und Export. Die OneMira-Produktaussage ist enger gefasst als „nichts nutzt jemals das Internet“: Spracherkennung und Transkription laufen auf dem gekoppelten Computer; vom Nutzer gewählte KI-Dienste Dritter folgen dem Datenpfad des jeweiligen Anbieters.

Ein Datenschutztest sollte deshalb festhalten:

  • welcher Prozess jede Netzwerkverbindung öffnet;
  • ob Audiodaten oder nur Update- und Telemetriemetadaten den Computer verlassen;
  • wo temporäres Audio, Modellcaches, Protokolle und Transkripte gespeichert werden;
  • wann temporäre Dateien auf Gerät und Computer gelöscht werden;
  • ob ein Agent eines Drittanbieters einen ausgewählten Ausschnitt oder die vollständige Notiz erhält.

Lokale Verarbeitung kann eine Art der Cloud-Exposition verringern, erfüllt aber nicht automatisch DSGVO, HIPAA, Beschäftigungsrichtlinien oder Gesetze zur Einwilligung in Aufnahmen. Die Einhaltung hängt von Zweck, Einwilligung, Zugriffskontrolle, Aufbewahrung, Rechtsraum und nachgelagerten Werkzeugen ab.

Welche Nachweise schließen DVT ab?

Bewahren Sie für jede Anforderung Testversion, Geräte- und Softwarestand, Testeingabe, erwartetes und gemessenes Ergebnis, Protokolle, Hashes, gegebenenfalls Screenshots und die abschließende Bewertung auf. Wiederholen Sie die Matrix auf beiden unterstützten Betriebssystemfamilien. Ein erfolgreicher Normalfall auf einem leistungsstarken Computer validiert weder Wiederherstellung noch Verhalten bei knappen Ressourcen oder auf einer anderen Plattform.

Die Dokumentation zur Fehlerbehebung sollte sichtbare Nutzerfehler diesen Zuständen zuordnen. Die Wiederholbarkeit in der Produktion behandelt anschließend der PVT-Leitfaden.

Quellen und weiterführende Informationen