Deepgram STT: Sprecher-Diarisierung v2, Zahlen und Batch vs. Live
Deepgrams Diarisierung v2 wurde 3,3-mal häufiger bevorzugt als der bisherige Produktions-Diarizer — aber diarize_model gilt nur für Batch, nicht für Streaming. Dazu koreanische Wortabstände und mehrsprachige Zahlen.
Deepgrams neueste Speech-to-Text-Updates bringen anpassbare Sitzungssteuerung, bessere koreanische Wortabstände, mehrsprachige Zahlenformatierung und eine neue Batch-Diarisierungsoption. Zusammen sind sie wichtig, wenn Sie lesbare Transkripte aus Live-Gesprächen oder später überprüfbaren Aufnahmen brauchen.
Für Telli.sh ist das wichtig, weil Deepgram in Produktion unsere Standard-Sprachengine ist. Wenn die Engine besser wird, verbessert sich auch die Grundlage für Live Notes, hochgeladene Audiodateien, Zusammenfassungen und mehrsprachige Meetingaufzeichnungen.
Image: Dejan Krsmanovic, Wikimedia Commons, CC BY 2.0.
Was Deepgram angekündigt hat
Der neueste Eintrag ist UpdateListen vom 15. Juni 2026. Damit kann eine Live-Sprachsitzung ihre Listen-Konfiguration während eines Gesprächs ändern, ohne die Session neu zu starten. Anpassbar sind unter anderem End-of-Turn-Schwellen, Timeout, Schlüsselbegriffe und Sprachhinweise.
Für Nutzer bedeutet das: Wenn sich Thema, Vokabular oder Sprachen in einem Meeting ändern, kann die Sitzung künftig besser reagieren, ohne dass die Aufnahme unterbrochen wird.
Im Mai gab es weitere relevante STT-Verbesserungen:
- Koreanische Transkripte für
koundko-KRhaben verbesserte Wortabstände und sind dadurch leichter zu lesen. - Profanity Filtering wird nun für mehrsprachige Nova-2-, Nova-3- und Flux-Modelle mit
language=multiunterstützt. - Nova-3 multilingual kann gesprochene Zahlen in vielen Sprachen als Ziffern formatieren.
- Batch Speaker Diarization v2 ist über
diarize_modelverfügbar; Deepgram berichtet, dass v2 in menschlichen Vergleichstests 3,3-mal häufiger bevorzugt wurde als der bisherige Produktions-Diarizer.
Für die Wahl des Workflows ist eine Unterscheidung wichtig: diarize_model ist für Batch-Anfragen gedacht, nicht für Streaming. Nutzen Sie es für hochgeladene Aufnahmen; die Sprecherkennzeichnung während einer Live-Sitzung ändert sich dadurch nicht.
Bedeutung für Telli.sh-Nutzer
Der direkteste Vorteil ist die Transkriptqualität. Koreanische Nutzer erhalten besser lesbare Rohtranskripte. Mehrsprachige Meetings profitieren von Zahlenformatierung und Moderationsfunktionen, die Nacharbeit reduzieren.
Die nächste Ebene ist die Sitzungssteuerung. UpdateListen ist für Live-KI-Notizen besonders relevant, weil Meetings selten statisch verlaufen. Eine technische Besprechung braucht vielleicht verstärkte Produktbegriffe, ein zweisprachiger Anruf Sprachhinweise und ein schnelles Gespräch ein anderes Timing für Sprecherwechsel. Mit diesen Steuerungsmöglichkeiten kann eine Anwendung die Live-Erkennung anpassen, ohne die Aufnahme zu unterbrechen.
Für hochgeladene Aufnahmen bietet Diarisierung v2 eine weitere Option für sprecherbezogene Notizen. Deepgram zufolge bevorzugten Testpersonen sie in einem direkten Vergleich 3,3-mal so häufig wie den vorherigen Produktions-Diarizer; die größten Verbesserungen gab es bei Contact-Center-Audio. Die Ergebnisse für Ihre eigenen Meetingaufnahmen können abweichen.
Gutes STT braucht trotzdem eine Produktschicht
Das praktische Ziel sind weniger Korrekturen, klarere Notizen und weniger Arbeit nach dem Meeting. Bessere Erkennung ist besonders nützlich, wenn daraus eine Aufzeichnung wird, die Menschen prüfen und wiederverwenden können.
Unser Ziel ist nicht, Nutzer mit mehr STT-Einstellungen zu belasten. Bessere Engine-Qualität soll weniger Fehler, klarere Notizen und weniger Arbeit nach dem Meeting bedeuten.
