Bei den ersten Probediktaten nach Installation und Ersttraining hinterlässt die Version einen recht positiven Eindruck: Die Software reagiert etwas schneller als die Vorgängerversion und ist auch in der Erkennungsgenauigkeit eine Spur besser. Doch nachprüfbare Ergebnisse bringt natürlich nur ein exakter Test.

Um beide Versionen vergleichen zu können, werden die Texte nicht einfach hintereinander diktiert. Die Ergebnisse wären unzuverlässig, weil ein menschlicher Sprecher es nicht schafft, einen Text zweimal hintereinander völlig identisch zu sprechen. Allzu leicht passiert es, dass man beim zweiten Diktat die Wörter anders betont, langsamer oder schneller spricht oder einfach nur schlampiger ausspricht. Das würde die Vergleichbarkeit der Ergebnisse beeinträchtigen. Deshalb greift der ITespresso-Tester zu einem besonderen Kniff.

Naturally Speaking analysiert vorhandene Dokumente und fügt dem Vokabular neue Wörter hinzu.

Identisches Diktat vom Audiorecorder

Alle Diktate werden mit einem guten Audiorecorder (Tascam DR-07) aufgenommen. Dann verbindet ein 3,5-Millimeter-Klinkenkabel die Line-out-Buchse des Recorders mit dem Mikrofoneingang der Soundkarte im PC. Bei der Wiedergabe der Diktataufnahme fließen die Audiosignale also genauso in den PC, als würde man ins Mikrofon sprechen. Um sicherzustellen, dass die Spracherkennung keinen Unterschied zwischen der Spracheingabe via Headset und dem Audiosignal vom Recorder merkt, wird das Diktat noch einmal via Headset gesprochen und geprüft, ob die Erkennnungsfehler an derselben Stelle auftreten.

Diktate mit dem Philips Voice Tracer liefern ebenso gute Ergebnisse wie die konventionelle Spracheingabe über das Headset.

Exakter Vergleich der Erkennungsraten

So bekommen beide Versionen Dragon Naturally Speaking 11 und 12 das klanglich absolut identische Audiosignal als Diktat serviert. Das erlaubt einen genauen Vergleich der Erkennungsraten von Version 11 und Version 12.

Im Test werden zehn Texte aus unterschiedlichen Themen mit unterschiedlichen Schwierigkeitsgraden verwendet. Das Spektrum reicht vom einfachen Geschäftsbrief über die flapsig geschriebene E-Mail an die Kollegen und den Blog-Eintrag bis hin zum sachlichen Fachtext.

Die zehn Texte sollen nicht nur verschiedene Schwierigkeitsgrade und Sprachstile darstellen, sondern ganz realistisch den Diktier-Alltag eines PC-Anwenders abbilden. Auf diese Weise zeigen sich auch die Grenzen der Leistungsfähigkeit der Spracherkennungs-Algorithmen viel deutlicher, als wenn man dem Programm mit simplen Geschäftsbriefen schmeichelt.