Französische Transkription: Die Genauigkeitslücke zwischen Quebecer und französischem Französisch

Die kurze Antwort

Die Dialektlücke zwischen Quebec-Französisch und französischem Französisch ist der größte Genauigkeitseinbruch in der französischen Transkription. Eine gut konfigurierte Engine liefert bei sauberem Pariser Nachrichtenmaterial spürbar bessere Ergebnisse als dieselbe Engine bei Montrealer Straßensprache – und die Gründe liegen in der Phonologie, nicht allein im Wortschatz. Stellen Sie den Sprachcode korrekt ein, wählen Sie eine Engine, die zwischen fr und fr-CA unterscheidet, und planen Sie für joual-lastige Inhalte einen Korrekturdurchlauf ein.

Warum Quebec-Französisch ein anderes Problem ist als „Französisch“

Die Organisation internationale de la Francophonie zählte 2026 396 Millionen Französischsprachige. Die meisten KI-Trainingspipelines gewichten stark zugunsten des französischen Französisch, der Variante, die in Frankreich gesprochen wird, weil sie Rundfunkmedien, verfügbare Datensätze und untertitelte Inhalte im offenen Web dominiert. Auf Quebec-Französisch entfallen weniger als 5 % der französischen Aufnahmen in CommonVoice, dem größten öffentlich zusammengetragenen Sprachdatensatz. Dieses Trainingsungleichgewicht ist die eigentliche Ursache der Genauigkeitslücke.

Doch die Lücke ist nicht nur ein Datenproblem. Die Phonologie weicht real voneinander ab.

Was Affrizierung mit ASR macht

Das verwirrendste Einzelmerkmal für ein Modell, das auf französisches Französisch trainiert wurde, ist die Affrizierung. Im Quebec-Französisch werden die dentalen Verschlusslaute /t/ und /d/ vor hohen vorderen Vokalen und Halbvokalen zu Affrikaten:

• /ty/ (tu) wird [t͡sy] ausgesprochen
• /ti/ (petit) wird [pəˈt͡si] ausgesprochen
• /dy/ (du) wird [d͡zy] ausgesprochen
• /di/ (dire) wird [d͡ziʁ] ausgesprochen

Ein Modell, das auf Pariser /ty/-Input trainiert wurde, erwartet genau diese Lautfolge. Erhält es stattdessen [t͡sy], halluziniert es womöglich ein anderes Wort, lässt das Morphem weg oder bringt den Rest der Äußerung stillschweigend aus dem Takt. Das ist kein Problem der Akzenttoleranz, sondern ein Problem eines eigenständigen Phoneminventars.

Vokale: bewahrte Unterscheidungen und Diphthongierung

Das französische Französisch hat mehrere Vokalpaare zusammengeführt, die im Quebec-Französisch getrennt bleiben. Die /a/-vs-/ɑ/-Unterscheidung, die in Quebec gepflegt wird, ist aus der Pariser Aussprache verschwunden. Geschlossene Vokale (/i/, /y/, /u/) werden in geschlossenen Silben gelockert und klingen dann wie [ɪ], [ʏ], [ʊ]. Lange Vokale in geschlossenen Silben diphthongieren: /ɛː/ erscheint als [ɛɪ̯], /ɑː/ als [ɑʊ̯]. Keiner dieser Diphthonge kommt im Standard-Französisch Frankreichs vor, sodass ein Modell ohne Kontakt damit den Vokalkern falsch segmentiert oder falsch zuordnet.

Joual: der Basilekt, der die meisten Tools überfordert

Joual ist die Arbeitervarietät Montreals am umgangssprachlichsten Ende des Quebec-Französisch-Kontinuums. Das Wort selbst stammt aus einer ländlichen bzw. klassenspezifischen Aussprache von cheval. Jenseits von Affrizierung und Diphthongierung zeichnet sich Joual aus durch:

• Wegfall der zweiteiligen Negation: „je sais pas“ ersetzt „je ne sais pas“ so konsequent, dass die Standardform förmlich klingt
• Interrogatives tu: „Il veut-tu manger?“ (Will er essen?), wobei tu ein Fragpartikel ist, nicht das Personalpronomen der zweiten Person
• Sacrés als Diskursmarker: religiöse Begriffe als Kraftausdrücke (tabernak, câlice, crisse, osti), die in ganz gewöhnlicher Spontansprache auftauchen und in Trainingsdaten selten zu finden sind
• Reduktionen wie m'as für je vais, mé für mais, pis für puis

Ein Modell, das diese Formen nie gesehen hat, transkribiert sie nicht nur falsch – es erzeugt oft flüssig klingende, aber falsche Ausgaben, die sich beim Gegenlesen schwerer aufspüren lassen.

Die Anglizismen-Ebene: In Quebec anders als in Frankreich

Sowohl das französische als auch das Quebec-Französisch übernehmen englische Lehnwörter, aber die Mechanismen unterscheiden sich in Weise, die die Transkriptionsgenauigkeit beeinflusst.

In Quebec wird die englische Phonologie ans Französische angepasst. Ein Wort wie fun wird mit einem französischen [œ̃]-Vokal gesprochen. Gang reimt sich auf das französische rang. Chum (Freund/fester Freund) klingt nach dem französischen Wort, zu dem es geworden ist. Das entlehnte Wort ist lautlich eingebürgert, sodass die Engine es als französische Ausgabe erkennen muss und nicht als Sprachwechsel markieren darf.

Im französischen Französisch bleiben Anglizismen oft näher an der englischen Aussprache. Le week-end bewahrt bei den Vokalen etwas Englischeres. Dasselbe Wort kann in Paris und Montreal unterschiedlich klingen, und eine Engine, die die eine Variante erwartet, segmentiert die andere womöglich falsch.

Manche Wörter, die in Quebec wie Anglizismen aussehen, sind tatsächlich gar keine Entlehnungen aus dem Englischen. Char (Auto) geht auf charette zurück, nicht aufs Englische. Magasiner (einkaufen) ist eine quebecer Eigenbildung, kein Lehnwort. Wer diese beim Gegenlesen für Anglizismen hält, produziert unnötige Korrekturen.

Wichtiger Quebec-spezifischer Wortschatz, über den Engines stolpern, die mit französischem Französisch trainiert wurden:

Hört ein Modell mit französischem Training „fin de semaine“, erkennt es die Wörter womöglich einzeln, erschließt aber die zusammengesetzte Bedeutung nicht. Hört es „bienvenue“ als Antwort auf ein Dankeschön, markiert es das vielleicht als fehl am Platz – obwohl es in Quebec völlig korrekt ist.

Unterstützung französischer Dialekte: Engine für Engine

Deepgram Nova-3

Deepgram ist die einzige große API, die fr und fr-CA als getrennte Sprachcodes unterscheidet. Mit fr-CA wird das Audio an eine Modellvariante weitergeleitet, die mit kanadisch-französischen Daten trainiert wurde. Bei Podcast-, Rundfunk- und Interviewmaterial von Radio-Canada oder CJAD schlägt fr-CA das generische fr. Das Modell unterstützt Code-Switching-Erkennung in 10 Sprachen, darunter Französisch. Deepgrams eigene Benchmarks zeigen für mehrsprachige Modelle eine relative WER-Reduktion von etwa 34 % gegenüber den Vorgängern, wobei vergleichbare Französisch-gegenüber-Kanadisch-Französisch-Zahlen je Sprache nicht öffentlich publiziert werden.

Whisper Large-v3

Whisper nutzt fr als einzigen französischen Sprachcode. Auf API-Ebene unterscheidet es nicht zwischen kanadischem und französischem Französisch. Ein akademischer Benchmark aus dem Jahr 2025 auf dem CommissionsQC-Datensatz (spontane Redebeiträge aus der quebecer Legislative) maß für Whisper-large-v3 8,4 % WER und für Whisper-large-v3-turbo 8,2 % WER auf Quebec-Französisch. Entscheidend: Französisch-spezifisch feinjustierte Whisper-Varianten (ausschließlich mit Daten aus Frankreich trainiert) schnitten bei Quebec-Französisch schlechter ab als das basale mehrsprachige Whisper. Das bestätigt, dass Fine-Tuning auf französisches Französisch die Genauigkeit bei Quebec-Französisch aktiv verschlechtert, weil es die phonologische Verteilung verengt, die das Modell verarbeiten kann.

AssemblyAI Universal-3

AssemblyAI verwendet einen einzelnen Sprachcode fr und gibt an, dass Universal-3 Pro regionale Sprechmuster einschließlich Quebecer Französisch automatisch erkennt, ohne dass ein separater Dialektcode nötig wäre. Quebecer Vokabular und akzentbedingte Aussprache sind ausdrücklich automatisch abgedeckt. Bequem ist dieser Ansatz durchaus – erzwingen lässt sich damit aber kein Quebec-spezifischer Modellpfad.

Otter.ai

Otter unterstützt Französisch-Transkription in allen Plänen. Es ist primär ein Meeting-Bot-Werkzeug (nimmt per Bot an Zoom-, Meet- und Teams-Calls teil). Sein Französisch umfasst, was die eigene Speech-Engine beherrscht, doch dialektspezifische Genauigkeitsdaten für Quebec-Französisch veröffentlicht es nicht, und die Zusammenfassungsfunktion erzeugt die Ausgabe unabhängig von der Audiosprache auf Englisch. Wer französischsprachige Meetings transkribiert und Zusammenfassungen auf Französisch braucht, stößt hier an eine echte Grenze.

Happy Scribe

Happy Scribe wirbt mit KI-Transkription für mehr als 150 Sprachen. Die KI-Pläne sind in EUR ausgezeichnet: Basic für 8,50 €/Monat (jährige Abrechnung, 120 KI-Minuten), Pro für 19 €/Monat (jährige Abrechnung, 600 KI-Minuten), Business für 59 €/Monat (jährige Abrechnung, 6.000 KI-Minuten). Menschliches Korrekturlesen gibt es ab 1,75 €/Minute. Happy Scribe veröffentlicht ebenfalls keine dialektspezifischen Genauigkeitsdaten für Quebec- gegenüber französischem Französisch.

Trint

Trint wird pro Sitzplatz abgerechnet und zielt auf Journalismus- und Medien-Workflows. Starter kostet rund 80 $/Sitzplatz/Monat bei jährlicher Abrechnung (7 Dateien pro Sitzplatz und Monat); Advanced liegt bei etwa 100 $/Sitzplatz/Monat (unbegrenzte Dateien). Kein dauerhaft kostenloser Plan. Trint veröffentlicht keine Quebec-spezifischen Genauigkeitsdaten.

Belgisches und Schweizer Französisch: eine kleinere, aber echte Lücke

Belgien und die Schweiz zusammen fügen für ASR zwei konkrete Reibungspunkte hinzu:

Zahlen. Belgisches Französisch verwendet septante (70) und nonante (90). Schweizer Französisch nutzt septante und nonante überall, dazu huitante (80) in Waadt, Wallis und Freiburg (Genf sagt quatre-vingts). Ein Modell, das französisches Französisch erwartet, hört „septante-cinq“ und hat für diese Tokenfolge keine trainierte Repräsentation, denn die französische Entsprechung lautet „soixante-quinze“. Je nach Engine liefert es die korrekte Ziffernfolge trotzdem (75) über eine numerische Normalisierungsschicht – oder produziert wirre Ausgabe.

Sprechtempo. Belgisches Französisch tendiert zu etwas langsamerer Artikulation und stärker silbenbezogener Betonung als Pariser Französisch. Schweizer Französisch ist in formellen Kontexten gemessen und klar, was ASR eher hilft als schadet. Die Genauigkeit bleibt bei beiden Varianten näher am französischen Französisch als Quebec-Französisch – vorausgesetzt, das Zahlenproblem ist gelöst.

Rechtschreibung: Woher die Diakritika in der Transkription kommen

Das Französische kennt fünf Diakritika-Typen und zwei Ligaturen: Akutakzent (é), Gravisakzent (à, è, ù), Zirkumflex (â, ê, î, ô, û), Diärese (ï, ü, ë), Cédille (ç) sowie die Ligaturen œ und æ.

Das Problem für Speech-to-Text: Diakritika helfen in Richtung Schreibung zu Laut, nicht umgekehrt. Wenn man /o/ hört, lässt sich nicht sagen, ob o, au, eau oder ô zu schreiben ist. Das ASR-Modell muss die Zuordnung von akustischem Input zu korrekt diakritisierter Schreibweise über die Abdeckung der Trainingsdaten lernen. Engines, die stark auf Pariser Schriftfranzösisch trainiert wurden, setzen Diakritika bei französischem Vokabular meist zuverlässig wieder her. Bei Quebecer Vokabular mit anderen Schreibkonventionen schwankt die Wiederherstellungsqualität.

Prüfen Sie Ihre Ausgabe auf: ecole vs. école, francais vs. français, fete vs. fête und das seltene oeuf vs. œuf. Fehlende Diakritika bei Eigennamen sind besonders häufig und im Korrekturlesen am schwersten zu finden.

Praktisches Setup für französisches Audio

Legen Sie den Sprachcode vor dem Upload fest, nicht danach. Für französische Inhalte aus Frankreich gilt fr. Für Quebec-Inhalte – Radio-Canada-Sendungen, Aufnahmen aus der Legislative, Podcasts aus Montreal – nehmen Sie fr-CA, sofern Ihre Engine das unterstützt (Deepgram), sonst fr in der Erwartung, dass die Engine sich intern anpasst (AssemblyAI, Whisper).

Bei joual-lastigen Inhalten planen Sie unabhängig von der Engine einen Korrekturdurchlauf ein. Die Kombination aus Affrizierung, Sacrés und Fragpartikel-tu erzeugt Fehlercluster, die sich nicht allein per Nachbearbeitung beheben lassen.

Ein Glossar mit Eigennamen hilft erheblich: Montrealer Stadtteilnamen (Rosemont, Hochelaga), Wahrzeichen von Québec-Stadt sowie Namen quebecer Politiker und Journalisten sind in Trainingsdaten systematisch unterrepräsentiert und werden häufig falsch transkribiert.

Für die Sprecherdiarisierung bei französischen Inhalten gilt: Je formeller das Register, desto besser die Diarisierungsgenauigkeit. Quebecer Radiosendungen mit häufigem Simultansprechen und überlappenden Sprechern sind schwieriger als strukturierte Interviews zu zweit. Falls Sie wissen möchten, wie die zugrunde liegenden Modelle funktionieren, behandelt der Beitrag Speaker-Diarisierung erklärt das Thema im Detail.

Für Meeting-Inhalte im Besonderen verarbeitet das Meeting-Transkriptionstool Französisch nativ. Für Interviewaufnahmen lesen Sie wie man eine Interviewaufnahme transkribiert.

Vergleich der Optionen für die französische Transkription

Meine Einschätzung: Gerade bei Quebec-Französisch zählt die Wahl der Engine mehr als die Benutzeroberfläche. Deepgrams fr-CA-Sprachcode ist das deutlichste produktionsreife Signal dafür, dass ein Modell mit Quebec-Daten im Training arbeitet. Otters Wert liegt im Meeting-Bot-Workflow, nicht in der Dialektgenauigkeit. Trints Abrechnung pro Sitzplatz ist mit Journalismus-Budgets schwer zu rechtfertigen, solange die zugrunde liegende ASR-Qualität bei regionalem Französisch keinen erkennbaren Vorsprung bietet.

Wenn Sie mit französischem Broadcast-Material aus Frankreich arbeiten, liefern die meisten Engines akzeptable Genauigkeit. Wenn Ihre Inhalte aus Quebec stammen, tragen die Wahl der Engine und des Sprachcodes das gesamte Ergebnis.

Tipps vor dem Transkribieren

1. Verwenden Sie fr-CA, wenn Ihre Engine es unterstützt, für alle Quebec-Inhalte.
2. Legen Sie ein Glossar mit Quebecer Eigennamen und speziellem Vokabular bei.
3. Planen Sie bei joual-lastigem Audio (Straßeninterviews, Comedy, informelle Podcasts) Korrekturzeit proportional zur Audiolänge ein.
4. Prüfen Sie vor der Batch-Verarbeitung anhand einer kurzen Probe, ob die Diakritika intakt sind.
5. Achten Sie bei belgischen oder Schweizer Inhalten darauf, dass Zahlen korrekt als Ziffern erscheinen, denn septante, nonante und huitante können Modelle aus dem Tritt bringen, die auf französischem Französisch trainiert wurden.

Für einen breiteren Blick darauf, wie man ein Transkriptionstool nach Kostenmodell wählt, sehen Sie sich den Vergleich der Transkriptionspreise an. Wer verstehen möchte, was Genauigkeitsmetriken bei echtem Audio wirklich messen, findet in Transkriptionsgenauigkeit erklärt eine Darstellung des WER samt seiner Grenzen.

Wer einfach nur ein sauberes französisches Transkript ohne Meeting-Bot braucht, findet im Audio-zu-Text-Tool auf ConvertAudioToText Unterstützung für fr und fr-CA, vollständig erhaltene Diakritika sowie Zusammenfassungen auf Französisch statt auf Englisch.

Häufig gestellte Fragen

Unterstützt Whisper Quebec-Französisch getrennt vom französischen Französisch?

Whisper verwendet einen einzigen Sprachcode fr ohne Dialektunterscheidung auf API-Ebene. Einen separaten fr-CA-Pfad gibt es nicht. Forschungsbenchmarks auf spontanem Quebec-Französisch (CommissionsQC-Datensatz) zeigen für Whisper-large-v3 einen WER von 8,4 %, was konkurrenzfähig ist. Wichtig: Feinjustierte Whisper-Versionen, die ausschließlich mit französischem Französisch trainiert wurden, schneiden bei Quebec-Französisch sogar schlechter ab als das basale mehrsprachige Modell, weil das Fine-Tuning auf Frankreich das phonologische Spektrum einengt, das das Modell verarbeiten kann.

Was macht Quebec-Französisch für die KI-Transkription schwerer als französisches Französisch?

Zwei phonologische Merkmale verursachen den Großteil der Genauigkeitslücke. Erstens die Affrizierung: Die dentalen Verschlusslaute /t/ und /d/ werden vor hohen vorderen Vokalen zu [t͡s] und [d͡z], sodass tu wie tsu und dire wie dzire klingt. Zweitens die Diphthongierung von Vokalen in geschlossenen Silben, die Laute wie [ɛɪ̯] und [ɑʊ̯] hervorbringt, die es im französischen Französisch nicht gibt. Ein Modell, das auf französisches Französisch trainiert wurde, stößt auf diese Laute als verteilungsfremden Input. Das Joual-Register kommt hinzu mit weggelassener Negation, interrogativem tu und Sacrés als Diskursmarkern – nichts davon taucht in üblichen Trainingskorpora auf.

Was sind Sacrés und warum sind sie für die Transkription wichtig?

Sacrés sind quebec-französische Kraftausdrücke, die aus katholischen Religionsbegriffen abgeleitet sind: tabernak, câlice, crisse, osti und rund 2.000 dokumentierte Varianten. Im Joual und in informeller Montrealer Sprache treten sie als Intensivierer und Diskursmarker mit hoher Frequenz in spontaner Konversation auf. Da sie in den Trainingsdaten der meisten ASR-Modelle fehlen oder selten sind, werden sie oft als ähnlich klingende, inhaltlich unrelated Wörter transkribiert – Fehler, die sich ohne Kenntnis des Registers schwer aufspüren lassen.

Verursacht belgisches Französisch dieselben Probleme wie Quebec-Französisch für ASR?

Nein, die Lücke ist deutlich kleiner. Die Phonologie des belgischen Französisch bleibt nah am französischen Französisch. Das Hauptproblem in der Praxis ist der Zahlwortschatz: septante (70) und nonante (90) in Belgien, dazu septante, nonante und huitante (80 in manchen Kantonen) in der Schweiz. Ein Modell, das auf französischem Französisch trainiert wurde, hat „septante-cinq“ nie als Tokenfolge für 75 gesehen. Ob daraus ein Fehler auf Ziffernebene entsteht, hängt davon ab, wie die Engine die numerische Normalisierung handhabt. Die Gesamtgenauigkeit bei belgischem und Schweizer Französisch liegt nahe an der des französischen Französisch, während Quebec-Französisch eine eigenständige Herausforderung ist.

Soll ich für kanadisch-französische Inhalte den Sprachcode fr oder fr-CA verwenden?

Verwenden Sie fr-CA, wo immer Ihre Engine es unterstützt. Deepgram Nova-3 führt beide als getrennte Sprachcodes, die zu unterschiedlichen Modellvarianten routen. AssemblyAI und Whisper nutzen einen einzigen Code fr und wenden die Dialektbehandlung intern an. Bei Mischinhalten (etwa eine Callcenter-Aufnahme mit sowohl quebecer Sprechern als auch einem französischen Skript) ist fr-CA die sicherere Wahl, denn die phonologische Abweichung Quebecs ist größer und für ein auf Frankreich trainiertes Modell schwerer zu handhaben, wenn es unerwartet damit konfrontiert wird.

Quellen

• Deepgram-Modelle und Sprachen Übersicht: https://developers.deepgram.com/docs/models-languages-overview
• Deepgram Nova-3 Erweiterung um Französisch, Spanisch und Portugiesisch: https://deepgram.com/learn/deepgram-expands-nova-3-with-spanish-french-and-portuguese-support
• Deepgram Nova-3 Multilinguale WER-Verbesserungen: https://deepgram.com/learn/nova-3-multilingual-major-wer-improvements-across-languages
• AssemblyAI unterstützte Sprachen: https://www.assemblyai.com/docs/supported-languages
• Benchmarking großer vortrainierter mehrsprachiger Modelle zur Quebec-Französisch-Spracherkennung (arxiv 2508.21193): https://arxiv.org/html/2508.21193v1
• Quebec-Französisch-Phonologie (Wikipedia): https://en.wikipedia.org/wiki/Quebec_French_phonology
• Joual (Wikipedia): https://en.wikipedia.org/wiki/Joual
• Quebec-Französisch-Lexikon (Wikipedia): https://en.wikipedia.org/wiki/Quebec_French_lexicon
• Otter.ai Preise: https://otter.ai/pricing
• Happy Scribe Preise: https://www.happyscribe.com/pricing
• OIF-Francophonie-Bericht 2026 (France Diplomatie): https://www.diplomatie.gouv.fr/en/french-foreign-policy/francophony-and-the-french-language/news/2026/article/international-francophonie-day-2026-french-is-now-the-fourth-most-widely-spoken
• Belgische und Schweizer Zahlwörter im Französischen: http://numbersinfrench.com/regional/