Audio und Texterkennung: Aufnahmen und Scans durchsuchbar machen

Zwei Verfahren stecken dahinter. Transkription wandelt gesprochene Sprache aus einer Aufnahme in Text um. Texterkennung, auch OCR für optical character recognition, erkennt geschriebene Zeichen in einem Bild und gibt sie als Text zurück. Beide lösen dasselbe Problem: Eine Datei enthält Inhalt, aber keine Zeichenkette, nach der sich suchen ließe.

Ein großer Teil des Firmenwissens liegt in Formen, die keine Suche erreicht. Der Aktenordner mit den Verträgen aus den Jahren vor der Digitalisierung ist eingescannt, aber jede Seite ist ein Bild. Die Aufzeichnung des Kundengesprächs liegt als Audiodatei im Ordner, und was darin gesagt wurde, weiß nur, wer dabei war.

Solange diese Inhalte nicht als Text vorliegen, sind sie für eine Suche und für einen KI-Assistenten nicht vorhanden. Nicht schlecht auffindbar, sondern schlicht nicht vorhanden. Wer sie braucht, blättert oder hört ab. Genau diese Lücke schließt der Schritt, den diese Seite beschreibt.

• Ein Nexoria-Zugang im Tarif Base oder Pro. Audio und Texterkennung gehört zum Basisprodukt.
• Ein Workspace, in dessen Wissensbasis die Dateien abgelegt werden. Die Freigabe des Workspaces entscheidet, wer den erkannten Text später findet.
• Dateien in einem der oben genannten Formate: MP3, WAV, M4A und OGG für Audio, PDF, JPG, PNG, BMP und WebP für Scans und Bilder.
• Speicherplatz im Tarif: 10 GB je Unternehmen im Tarif Base, 20 GB im Tarif Pro, darüber hinaus 1,00 Euro je GB und Monat.

Welche Komponente wo verarbeitet wird, führt die Seite Sicherheit und Datenschutz einzeln auf, einschließlich der dort benannten Ausnahmen.

• Audiodateien transkribieren, ohne die Aufnahme abzutippen.
• Text aus gescannten Dokumenten und Bildern erkennen.
• Erkannte Inhalte indexieren und damit in die Wissensbasis überführen.
• Ergebnisse über die Dokumentensuche finden, mit Quellenangabe je Treffer.
• Erkannten Text im KI-Chat Nex zusammenfassen und weiterverarbeiten.

Typische Anlässe sind Gesprächsnotizen, die erschlossen werden sollen, Altakten, die digital durchsuchbar werden müssen, und Scans, die in das Firmenwissen gehören.

• Verarbeitet werden Audio als MP3, WAV, M4A und OGG sowie Scans und Bilder als PDF, JPG, PNG, BMP und WebP.
• Prüfen Sie den erkannten Text vor der geschäftlichen Verwendung. Wo es auf den genauen Wortlaut ankommt, etwa bei einer Vertragsklausel, ordnen Sie den Treffer über die Quellenangabe dem Ausgangsdokument zu und gleichen die Stelle dort ab.
• Die Verarbeitung startet, sobald Sie eine Datei in die Wissensbasis eines Workspaces hochladen. Papierakten scannen Sie dafür zuerst ein.