Automatische Spracherkennungssoftware identifiziert keine Emotionen

Was daraus geworden ist: Spracherkennung ist heute Lernwerkzeug – der Leitfaden Vorlesung mit KI nachbereiten zeigt Transkription und Zusammenfassung in der Praxis.

Spracherkennugssoftware wird in der Zukunft auch Emotionen unterscheiden können. Bis dahin ist jedoch noch ein langer Weg. Die Programme die für Emotionen Erkennung sorgen werden unter anderem an der Universität Stuttgart entwickelt.

An der Spracherkennung Software wird schon seit über 15 Jahren geforscht. Die Ergebnisse sind für uns, gewöhnliche Benutzer, zufriedenstellend. Eine fortschrittliche Spracherkennungssoftware funktioniert zwar, es bedarf allerdings einer Einarbeitungszeit.

Heute muss der Mensch erst die Arbeitsweise des Computers bzw. des Spracherkennungsprogramms erstmal lernen bevor er diktieren kann. So wirklich top ist das nicht. Hinzukommt, dass das Spracherkennung Programm nur den Inhalt des gesprochenen Textes analysieren kann, nicht aber den Kontext in dem es ausgesprochen wird. Zum Kontext gehören z.B. die Geschwindigkeit oder die Klangfarbe des Sprechers Indikatoren für Angst, Stress oder Wut. Anhand von diesen zusätzlichen Informationen könnten die Computer auch die geistige Verfassung der Person analysieren und damit auch den Inhalt des gesprochenen Textes besser verstehen.

Solche Weiterentwicklung der Spracherkennungssoftware wird derzeit am Lehrstuhl für Systemtheorie und Signalverarbeitung an der Uni-Stuttgart erforscht. Problematisch ist, dass die Forscher in der Vergangenheit nur daran gearbeitet haben, dem Computer die linguistischen Inhalte zu vermitteln. Die Emotionen wurden von Beginn an weg gelassen. Dadurch könnte sich diese Materie nicht weiterentwickeln.

Aus den im Kontext versteckten Informationen ist weit aus mehr enthalten als nur die Emotionelle Verfassung der Person die mit der Spracherkennungssoftware arbeitet. Aus der Stimme lassen sich beispielsweise das Alter, Geschlecht, Dialekt oder sogar Ausbildungsgrad und Herkunft ableiten.

Wie können Computer auch die Emotionen erkennen?
Ein Meilenstein in diesem Bereich sind die Algorithmen die der Spracherkennung dienen. Jetzt wird das System weiter entwickelt. Man kann beispielsweise die Benutzung von Schimpfwörtern bestimmten Emotionen oder Emotionszuständen zuordnen. Was die Praktische Umsetzung von emotionsgesteuerten Computern angeht, kann man sich vorstellen ein Navigationssystem im Auto, das nicht mehr so trocken und gleichmäßig "spricht". Oder einen Computer zu Hause, der mit Stimme gesteuert werden kann.

Wenn man berücksichtigt, wie lange wir gebraucht haben, um die jetzige Spracherkennungssoftware (wie z.B. von Dragon) zu entwickeln, so kann man sich denken, dass für die Emotionserkennung noch ziemlich lange gebraucht wird. Vielleicht erst nach ein paar Jahren kommt eine bezahlbare Version von Spracherkennungssoftware die auch Emotionen erkennt und emotional spricht.
Einen detaillierten Bericht über den Stand der Entwicklung der Software für Sprach und Emotionen Erkennung gibt es auf der Lehrstuhl-Seite des LSS. Es wird genau erklärt wie die heutige Programme die Stimme erkennen und auf dieser Basis weiter lernen.

---

Ein Blick von 2009 – heute teils Realität

Der Beitrag sagte voraus, dass Computer einmal nicht nur Worte, sondern auch Emotionen aus der Stimme erkennen würden – und dass dahin „noch ein langer Weg" sei. Beides hat sich bestätigt: Sprachassistenten wie Siri oder Alexa verstehen heute mühelos Diktate, und „Emotion AI" wertet inzwischen Tonfall, Tempo und Klangfarbe aus.

Spannend ist die Treffsicherheit der damaligen Einschätzung – inklusive der Beobachtung, dass aus der Stimme weit mehr ablesbar ist als nur der Inhalt. Genau diese Doppelnatur (große Möglichkeiten, aber auch Datenschutz-Fragen) prägt die Sprach-KI bis heute.