Beste Transkription für afrikanische Sprachen 2026: Ehrliche Bewertungen

Die meisten Transkriptionstools, die mit „über 100 unterstützten Sprachen“ werben, funktionieren für afrikanische Sprachen in der Praxis nicht. Der ehrliche Stand der afrikanischen Sprachtranskription im Jahr 2026 ist dieser: Eine Handvoll Engines decken die meistgesprochenen Sprachen des Kontinents mit brauchbarer (nicht exzellenter) Genauigkeit ab, ein nigerianisches Startup leistet die interessanteste Arbeit, und Dutzende Sprachen bleiben für KI-Modelle praktisch ungelöst.

Dieser Beitrag zeichnet das reale Bild. Jede Unterstützungsbehauptung unten ist gegen die Dokumentation der Anbieter geprüft.

Warum afrikanische Sprachen für KI-Transkription schwierig sind

Spracherkennungsmodelle verbessern sich mit Trainingsdaten. Whisper large-v3, das leistungsfähigste offene Modell für mehrsprachige Transkription, wurde mit rund 680.000 Stunden Audio trainiert, aber Yoruba und Hausa zusammen trugen weniger als 600 Stunden zu dieser Gesamtsumme bei. Wolof trug noch weniger bei.

Die Konsequenz zeigt sich in Benchmarks. In der mehrsprachigen Auswertung FLEURS:

• Swahili: ungefähr 34 % WER (Wortfehlerrate)
• Afrikaans: ungefähr 32 % WER
• Yoruba: ungefähr 49 % WER
• Wolof: kann von Basis-Whisper praktisch nicht transkribiert werden (Fehlerraten über 100 % im Benchmark)

Zum Vergleich: Englisch liegt im selben Benchmark unter 5 % WER. Eine WER von 34 % bei Swahili bedeutet immer noch, dass im Schnitt etwa jedes dritte Wort falsch ist. Das ist mit einem kompetenten Nachbearbeitungsdurchgang brauchbar. Eine WER von 49 % bei Yoruba ist grenzwertig. Wolof braucht auf Basismodell-Ebene ein spezialisiertes Feintuning.

Das sind die realen Zahlen. Jedes Tool, das 85 bis 92 % Genauigkeit bei Wolof von einem Allzweckmodell behauptet, stützt sich nicht auf eine verifizierbare Quelle.

Wer was unterstützt: Die Support-Matrix 2026

Die Tabelle unten zeigt, welche Engines bestimmte afrikanische Sprachen formal in ihrer Dokumentation aufführen, geprüft Stand Juli 2026. „Batch“ bedeutet nur Datei-Upload; „Streaming“ bedeutet Echtzeit. Eine leere Zelle bedeutet, dass die Sprache nicht gelistet ist.

Quellen: AWS Transcribe Sprachtabelle (docs.aws.amazon.com/transcribe), Google Cloud Chirp 3 Doku, Azure Speech Sprachunterstützung (Microsoft Learn), AssemblyAI Dokumentation zu unterstützten Sprachen, Intron Sahara v2 Produktseite. Alle geprüft im Juli 2026.

Engine-für-Engine-Aufschlüsselung

Whisper large-v3 (über OpenAI API oder selbst gehostet)

Whisper ist das Rückgrat der meisten afrikanischen Sprachtranskriptionen, die 2026 funktionieren. Die gehostete OpenAI API verlangt $0.006/Minute für gpt-4o-transcribe oder $0.003/Minute für gpt-4o-mini-transcribe. Selbst hosten mit faster-whisper oder whisper.cpp eliminiert die Kosten pro Minute, erfordert aber dafür Einrichtungsaufwand.

Die Genauigkeitsverteilung ist ungleichmäßig. Swahili und Afrikaans liegen im Bereich „brauchbar“. Hausa und Amharisch sind für nicht-kritische Inhalte verwendbar. Yoruba ist grenzwertig. Wolof ist auf Basis-Modellebene nicht zuverlässig transkribierbar.

Eine wichtige Fähigkeit: Whisper kommt mit Code-Switching (wenn Sprecher Sprachen mischen, ein häufiges Muster in nigerianischen, senegalesischen und kenianischen Inhalten) besser zurecht als die meisten Alternativen.

Am besten geeignet für: Swahili, Amharisch und afrikanische Englisch-Akzente. Forscher, die aus Datenschutzgründen selbst hosten. Alle, die bereits für den OpenAI-API-Zugang zahlen und ein mehrsprachiges Fallback benötigen. Siehe OpenAI Whisper API Preise 2026 für das vollständige Kostenbild.

Intron Sahara v2 (das Highlight 2026)

Die bedeutendste Entwicklung für afrikanische Sprachtranskription im Jahr 2026 ist ein Modell, das in Lagos gebaut wurde, nicht im Silicon Valley. Intron veröffentlichte Sahara v2 im März 2026, trainiert auf 50.000 Stunden Audio von über 40.000 Sprechern aus 30 afrikanischen Ländern, aufgenommen in realen Umgebungen: Kliniken, Gerichten, Callcentern und Märkten.

Sahara v2 unterstützt 57 Sprachen, darunter ausdrücklich Hausa, Yoruba, Swahili, Wolof, Igbo, Twi, Kinyarwanda, Luganda, Zulu, Xhosa, Shona, Pidgin und weitere. Es enthält das weltweit erste zweisprachige Swahili-Englisch-ASR-Modell, das speziell für Code-Switching zwischen den beiden Sprachen entwickelt wurde, und deckt über 500 afrikanische Englisch-Akzentvarianten ab.

Meine Einschätzung: Dies ist das Tool, das ich für jede produktive afrikanische Sprachlösung zuerst untersuchen würde. Die Qualität der Trainingsdaten (reale Aufnahmen, keine religiösen Texte) passt besser zu den Anwendungsfällen, die die meisten Menschen tatsächlich haben. Der ehrliche Vorbehalt: Intron veröffentlicht keine Preise. API-Zugang ist verfügbar, aber man muss das Team kontaktieren.

Am besten geeignet für: Yoruba, Igbo, Twi, Kinyarwanda und andere Sprachen, die allgemeine Modelle schlecht verarbeiten. Produktive Einsätze, bei denen die Qualität der Trainingsdaten entscheidend ist.

AWS Transcribe

AWS Transcribe hat sich leise einen der breiteren afrikanischen Sprachkataloge aller Cloud-Anbieter aufgebaut, darunter Wolof und Hausa (beide nur im Batch-Modus), Swahili in fünf Länder-Locales, Afrikaans, Amharisch, Somali, Zulu, Kinyarwanda und Luganda.

Die Preise starten bei 0,024 $/Minute (Tier 1, bis 250.000 Minuten/Monat) und sinken bei höherem Volumen. Die Genauigkeit bleibt hinter Whisper-basierten Tools für die meisten dieser Sprachen zurück, da ein anderes zugrunde liegendes Modell verwendet wird, und es gibt keine veröffentlichten WER-Daten für afrikanische Sprachen. Eine vollständige Kostenaufschlüsselung finden Sie unter AWS Transcribe Preise 2026.

Am besten geeignet für: Entwickler, die bereits im AWS-Ökosystem arbeiten und Batch-Jobs über eine Reihe ost- und südafrikanischer Sprachen benötigen. Die Swahili-Mehrfach-Locale-Unterstützung (Kenia, Tansania, Uganda, Burundi, Ruanda) ist ein echtes Unterscheidungsmerkmal.

Google Cloud Speech-to-Text (Chirp 3)

Das Chirp-3-Modell von Google hat Afrikaans (GA), Swahili, Amharisch, Hausa, Yoruba, Wolof, Xhosa und Zulu hinzugefügt, wobei die meisten eher den Status „Preview“ als „GA“ haben. Die Preise liegen bei etwa 0,016 $/Minute für Echtzeit und 0,004 $/Minute für dynamische Batch-Verarbeitung.

Die Preview-Kennzeichnung bedeutet, dass Produktions-SLAs nicht gelten. Gerade bei Wolof garantiert „Preview“ bei einem Allzweckmodell nicht, dass die Genauigkeitslücke geschlossen ist; es bedeutet nur, dass die Funktion existiert. Testen Sie mit echten Beispielen, bevor Sie sich festlegen.

Am besten geeignet für: Ost- und südafrikanische Sprachen (Swahili, Afrikaans), bei denen das Modell mehr Entwicklungszeit hatte und GA-Status besitzt. Bei Preview-Sprachen für den Produktionseinsatz ist Vorsicht geboten.

Azure Speech Service

Azure unterstützt Afrikaans, Amharisch, Swahili (Kenia und Tansania), Somali und Zulu im GA-Status. Hausa, Yoruba und Wolof sind nicht gelistet. Die Preise liegen bei etwa 0,0167 $/Minute für Echtzeit-Standardtranskription oder 0,003 $/Minute für Batch.

Die Liste afrikanischer Sprachen ist begrenzter als bei AWS oder Google, aber die Sprachen, die unterstützt werden, sind ordentlich allgemein verfügbar statt nur als Vorschau. Diarisierung (Sprechertrennung) ist ein Zusatzmodul für 0,30 $/Stunde in Echtzeit oder bei Batch-Verarbeitung kostenlos enthalten.

Am besten geeignet für: Swahili, Amharisch, Afrikaans und Zulu in Bereitstellungen innerhalb des Azure-Ökosystems. Keine erste Wahl für westafrikanische Sprachen.

AssemblyAI

Das Universal-2-Modell von AssemblyAI listet Swahili (mittlere Genauigkeit, 25-50 % WER-Stufe), Hausa (mäßig, über 50 % WER), Amharisch (mäßig), Yoruba (mäßig), Somali (mäßig), Shona (mäßig) und Lingala (mäßig). Wolof ist nicht aufgeführt. Die Preise beginnen bei 0,15 $/Stunde (0,0025 $/Minute) für das Universal-2-Modell, mit 50 $ an Gratisguthaben bei der Anmeldung.

Die WER-Stufen, die AssemblyAI veröffentlicht, sind ehrlich: „mäßig" bei über 50 % WER bedeutet, dass Sie erhebliche Nachbearbeitung einplanen müssen. Speziell für Hausa und Yoruba wird Intron Sahara v2 AssemblyAI aufgrund seiner Trainingsdaten wahrscheinlich deutlich übertreffen, auch wenn direkte Benchmark-Vergleiche noch nicht veröffentlicht sind.

Am besten geeignet für: Entwickler, die eine einzige API wollen, die afrikanische Sprachen neben Englisch und europäischen Sprachen im selben Workflow abdeckt. Siehe beste Speech-to-Text-APIs 2026 für einen breiteren Vergleich.

Die Realität geringer Ressourcen: Sprachen, die KI noch nicht transkribieren kann

Mehrere große Kategorien afrikanischer Sprachen bleiben für allgemeine KI-Modelle im Jahr 2026 praktisch unlösbar:

Von großen Anbietern nicht abgedeckt:

• Bambara und Manding-Sprachen (Mali, Burkina Faso, Guinea)
• Die meisten nilosaharanischen Sprachen (Südsudan, Äthiopien, Sudan)
• Die meisten Bantusprachen Zentralafrikas außerhalb der großen (Lingala ist die bemerkenswerte Ausnahme über AssemblyAI)
• Fula/Fulani-Dialekte in ganz Westafrika (Intron Sahara v2 listet Fulani als unterstützt; andere Anbieter tun das nicht)

Metas MMS-Modell (Massively Multilingual Speech) deckt nominell 1.100 Sprachen ab, wurde aber hauptsächlich mit Aufnahmen religiöser Texte trainiert, mit unter 50 Stunden Daten für viele afrikanische Sprachen. Es ist Open Source und kostenlos selbst hostbar, aber die Genauigkeit für Sprachen mit geringen Ressourcen ist ohne erhebliches Fine-Tuning nicht produktionsreif.

Für Feldforscher, Journalisten und NGOs, die mit diesen Sprachen arbeiten, ist die ehrliche Antwort: menschliche Transkription oder die Einbindung von Community-Linguisten bleibt notwendig. KI bringt dich zur Startlinie, nicht ins Ziel, wenn es um den langen Schwanz afrikanischer Sprachen geht.

Für ähnliche Muster in einer anderen unterversorgten Region deckt der Beitrag zu den besten Transkriptionstools für asiatische Sprachen vergleichbare Dynamiken bei geringen Ressourcen ab.

Ein praktischer Workflow für Audio in afrikanischen Sprachen

Das Muster, das durchgängig funktioniert:

1. Beginne mit der Audioqualität. Saubere Aufnahmen zählen in afrikanischen Sprachen mehr als im Englischen, weil die Modelle weniger Trainingsdaten haben, um Rauschen auszugleichen. Ein gutes Mikrofon und minimale Hintergrundgeräusche sind bei Sprachen mit grenzwertiger Genauigkeit wie Yoruba keine Option, sondern Pflicht.
2. Nutze Whisper large-v3 (über die OpenAI-API oder selbst gehostet) als Basislinie für Swahili, Amharisch und Afrikaans. Bei Hausa und Yoruba vergleichst du es vor der Festlegung mit einer Stichprobe gegen AssemblyAI.
3. Für westafrikanische Sprachen in großem Umfang evaluiere Intron Sahara v2.
4. Bei Code-Switching-Inhalten (Swahili-Englisch, Hausa-Englisch, Französisch-Yoruba) lass das Tool die Sprachmischung automatisch erkennen, statt die Datei zu teilen. Sowohl Whisper als auch Sahara v2 verarbeiten gemischtsprachiges Audio.
5. Plane ein Budget für einen Korrekturdurchgang durch Muttersprachler ein. Bei afrikanischen Sprachen mit mittelmäßiger Genauigkeit bringt dich KI-Transkription 50 bis 70 Prozent des Weges. Die menschliche Überprüfung schließt die Lücke für veröffentlichbare oder rechtlich relevante Inhalte.

Wenn Ihre Inhalte auf Englisch sind, aber mit afrikanischen Akzenten statt einer afrikanischen Sprache im eigentlichen Sinne, schneiden Standardtools deutlich besser ab. Introns Abdeckung von über 500 afrikanisch-englischen Akzenten ist besonders nützlich für Callcenter- und Rundfunkanwendungen, bei denen die Inhalte auf Englisch sind, aber von afrikanischen Sprechern gesprochen werden.

Für Uploads von Audiodateien in einer der unterstützten Sprachen ohne Bot- oder Meeting-Integration verarbeitet das Audio-zu-Text-Tool von ConvertAudioToText Datei-Uploads direkt und liefert strukturierte Ausgaben mit Sprecherkennung. Das ist praktisch, wenn Sie nur eine saubere Ausgangstranskription benötigen, bevor ein menschlicher Korrekturgang erfolgt.

Häufig gestellte Fragen

Welche afrikanischen Sprachen unterstützt Whisper large-v3 tatsächlich gut?

Swahili und Afrikaans haben veröffentlichte WER-Werte auf dem FLEURS-Benchmark (etwa 34% bzw. 32%), was bei sauberem Audio und einem Nachbearbeitungsschritt brauchbar ist. Hausa und Amharisch stehen auf der Sprachliste des Modells. Yoruba erreicht etwa 49% WER (grenzwertig). Wolof hat eine extrem hohe Fehlerrate auf FLEURS, was bedeutet, dass Basis-Whisper es ohne Feintuning praktisch nicht zuverlässig transkribieren kann. Spezialisierte feinabgestimmte Modelle wie CAYTU/Whosper auf Hugging Face befassen sich gezielt mit Wolof.

Unterstützt AWS Transcribe afrikanische Sprachen?

Ja, mehr als die meisten denken. AWS Transcribe unterstützt laut offizieller Sprachtabelle Afrikaans, Amharisch, Hausa (nur Batch), Kinyarwanda, Luganda, Somali, Swahili (Kenia, Tansania, Uganda, Burundi, Ruanda), Wolof (nur Batch) und Zulu (Batch und Streaming). Die Genauigkeit liegt für die meisten dieser Sprachen hinter Whisper-basierten Tools zurück, weil ein anderes zugrunde liegendes Modell verwendet wird, aber die Abdeckungsliste ist erstaunlich breit.

Was ist das beste Tool für Hausa- oder Yoruba-Transkription im Jahr 2026?

Für Hausa sind Whisper-basierte Tools (einschließlich AssemblyAIs Universal-2-Modell, das ebenfalls Hausa auflistet) die zugänglichsten Optionen. Beide bewerten Hausa mit fairer bis mittlerer Genauigkeit, also brauchbar, aber nicht ausgereift. AWS Transcribe listet Hausa für Batch-Jobs auf. Für Yoruba hat Whisper large-v3 etwa 49 % WER, und AssemblyAI listet es ebenfalls mit fairer Genauigkeit. Für Ergebnisse in Produktionsqualität ist bei beiden Sprachen unabhängig vom Tool ein Nachbearbeitungsdurchgang durch Muttersprachler erforderlich.

Gibt es ein speziell entwickeltes Tool für afrikanische Spracherkennung?

Ja. Intron, ein KI-Startup aus Lagos, hat im März 2026 Sahara v2 mit Unterstützung für 57 Sprachen eingeführt, darunter Hausa, Yoruba, Swahili, Wolof, Igbo, Twi, Kinyarwanda, Zulu, Xhosa, Shona, Luganda, Pidgin und weitere. Trainiert wurde es auf 50.000 Stunden realer afrikanischer Sprache aus 30 Ländern. API-Zugang ist für Entwickler und Unternehmen verfügbar, allerdings sind die Preise nicht öffentlich einsehbar und erfordern direkten Kontakt zu Intron.

Welche Sprachen sind für aktuelle KI-Transkription praktisch unlösbar?

Viele afrikanische Sprachen haben Stand 2026 weiterhin keinen gangbaren Weg zur KI-Transkription. Dazu gehören die meisten Bantusprachen Zentralafrikas, Bambara und viele Manding-Sprachen Westafrikas, nilosaharanische Sprachen sowie die meisten Sprachen mit weniger als 50 Stunden verfügbarer Trainingsdaten. Metas MMS-Modell deckt theoretisch über 1.100 Sprachen ab, wurde aber hauptsächlich mit religiösen Texten trainiert und hat bei diesen Long-Tail-Sprachen eine sehr geringe Genauigkeit. Für Feldforschung in Sprachen mit geringen Ressourcen bleibt menschliche Transkription die einzig verlässliche Option.

Quellen

• AWS Transcribe unterstützte Sprachen: https://docs.aws.amazon.com/transcribe/latest/dg/supported-languages.html (geprüft im Juli 2026)
• Google Cloud Chirp 3 unterstützte Sprachen: https://docs.cloud.google.com/speech-to-text/docs/models/chirp-3 (geprüft im Juli 2026)
• Azure Speech Service Sprachunterstützung: https://learn.microsoft.com/en-us/azure/ai-services/speech-service/language-support (geprüft im Juli 2026)
• AssemblyAI unterstützte Sprachen und WER-Stufen: https://www.assemblyai.com/docs/supported-languages (geprüft im Juli 2026)
• Intron Sahara v2 Launch: https://www.itnewsafrica.com/2026/03/intron-launches-voice-ai-for-africa-with-24-languages/ (März 2026)
• Intron Sahara v2 Produktseite: https://www.intron.io/sahara-v2/ (geprüft im Juli 2026)
• OpenAI Audio-Transkriptionspreise: https://developers.openai.com/api/docs/pricing (geprüft im Juli 2026)
• AssemblyAI Preise: https://www.assemblyai.com/pricing (geprüft im Juli 2026)
• AWS Transcribe Preise: https://aws.amazon.com/transcribe/pricing/ (geprüft im Juli 2026)
• Whisper large-v3 FLEURS WER Diskussion: https://github.com/openai/whisper/discussions/1762 (geprüft im Juli 2026)
• CAYTU/Whosper Wolof Fine-Tune: https://huggingface.co/CAYTU/whosper-large-v2 (geprüft im Juli 2026)