Speech-to-Text - Spracherkennung via Internet-Service

Gesucht ist ein Werkzeug zum Diktat mithilfe von Spracherkennung. Wird eine Pause beim Sprechen eingelegt, wird eine neue Audio-Datei erstellt. Diese Audio-Datei sollte einer Spracherkennung zu geführt werden, sodass das Ergebnis der Umwandlung nach wenigen Sekunden zur Verfügung steht.

Folgende Angebote finden sich:

• Google : 60 min kostenlos, dann 0.006$/15s; curl unter https://cloud.google.com/speech-to-text/docs/quickstart-protocol
• IBM : unübersichtlich; 0.02$/min; curl unter https://cloud.ibm.com/docs/speech-to-text?topic=speech-to-text-http#HTTP-basic

Folgende Angebote wurden ferner gesichtet:

• AISpeech: Chinesisches Angebot ohne internationale Webseite
• Almawave: unzureichende internationale Sprachunterstützung des Webauftritts
• Amazon Web Services (AWS) : zu unübersichtlich
• CMUSphinx: kein fertiges Modell; GPL
• Cedat 85: rein B2B
• Intelligent Voice: keine Preisangabe
• Microsoft : keine Peisangabe; curl unter https://docs.microsoft.com/de-de/azure/cognitive-services/speech-service/rest-text-to-speech
• Nuance : nur Win*; kein Internet-Service; Training erforderlich; eigene Erfahrungen zeigen beschränkte Nutzung im Arbeitsalltag trotz bester technischer Voraussetzungen
• Omilia: Webseite mit wenigen Informationen
• Sestek: Ohne Angebot, nur B2B
• SoundHound: Fokus auf mobile Anwendungen, keine API gefunden
• Speechmatics : auf Anfrage keine Antwort erhalten, in Foren sehr gelobt
• Spitch: nicht gefunden
• Verint Systems: schöner Web-Auftritt, keine STT gefunden
• VoiceBase: keine instante STT nach einer Anfrage-Antowrt-Systematik