Speaker Diarization: Was sie ist und wie die Tools abschneiden
Wer wann gesprochen hat und wie weit du den Versprechen trauen kannst.
Speaker Diarization teilt eine Aufnahme danach auf, wer wann gesprochen hat, und benennt die Teile Sprecher 1, Sprecher 2 und so weiter. Kein unabhängiger Test ordnet die heutigen Tools ein, und die Anbieter nennen Ergebnisse aus eigenen Tests. Am fairsten wählst du, indem du dieselbe eigene Aufnahme durch jedes Tool laufen lässt.
Geprüft im November 2026 auf den Seiten der Anbieter.
Wie jedes Tool Sprecher kennzeichnet
| Tool | Wie es funktioniert | Gut zu wissen |
|---|---|---|
| AssemblyAI | Eine API-Einstellung kennzeichnet die Sprecher in einer Datei | Die Doku rät zu mindestens 30 Sekunden Sprache pro Sprecher |
| Deepgram | Eine API-Einstellung, die auch die Modellversion wählt | Das Modell v2 funktioniert mit Dateien, nicht mit Live-Streams |
| pyannoteAI | Eine bezahlte API, dazu die kostenlose Open-Source-Bibliothek pyannote.audio | Es verspricht bis zu 52 % weniger Fehler, die API beginnt bei 19 € im Monat |
| Otter | Live-Namen kommen von der Meeting-Plattform, markierte Stimmen erkennt es später wieder | Eine neue Stimme bleibt Speaker #, bis du sie markierst |
| Fireflies | Sein Bot kennzeichnet Sprecher und übernimmt Namen aus Online-Meetings | Aufnahmen ohne Bot zeigen nur Speaker 1 und Speaker 2 |
Welches Speaker-Diarization-Tool ist am genauesten?
Für deinen Ton lässt sich das ohne Test nicht sagen. pyannoteAI nennt seine Diarization die genaueste, andere Anbieter versprechen Ähnliches aus eigenen Tests. Die Ergebnisse hängen von der Zahl der Sprecher, von überlappender Sprache und von den Mikrofonen ab.
Wie wird die Genauigkeit gemessen?
Das übliche Maß ist die Diarization Error Rate, kurz DER. Sie zeigt den Anteil der Aufnahmezeit, der dem falschen Sprecher zugeordnet, übersehen oder fälschlich als Sprache markiert wurde. Niedriger ist besser.
Was ist der Unterschied zwischen Diarization und Sprechererkennung?
Diarization trennt nur die Stimmen. Die Sprechererkennung gibt jeder einen Namen, über eine bekannte Stimme oder die Namen aus der Meeting-Plattform.
Wie bekomme ich bessere Sprecherkennzeichnung?
Gib jeder Person ein eigenes Mikrofon und vermeidet, durcheinander zu reden. Wenn deine API es erlaubt, gib die Zahl der Sprecher an, aber nur, wenn du sie kennst: AssemblyAI warnt, dass eine falsche Zahl der Genauigkeit schaden kann.