Hindi-Transkription und das Hinglish-Problem (2026)

Das eigentliche Problem: Dein Hindi-Audio ist wahrscheinlich Hinglish

Das meiste moderne Hindi-Audio ist kein reines Hindi. Ein Satz aus einem Business-Podcast könnte so klingen: „Aaj meeting mein hum decide kiya ki next quarter mein hum launch karenge, but pricing strategy abhi finalize nahi hui hai.“ Das ist ein einziger Satz, sieben Hindi-Wörter und sieben englische Wörter, in einem Atemzug gesprochen. Die KI-Engine muss Wort für Wort entscheiden, ob sie Devanagari- oder lateinische Zeichen ausgibt.

Das ist die zentrale Schwierigkeit der Hindi-Transkription im Jahr 2026. Es ist kein Genauigkeitsproblem im üblichen Sinn. Es ist ein Schriftwechsel-Problem, das auf einem Sprachwechsel-Problem liegt. Engines, die das gut beherrschen, erzeugen lesbare, natürliche Ausgaben. Engines, die das nicht tun, liefern entweder alles in Devanagari (mit unbeholfen transliterierten englischen Wörtern) oder lassen das Hindi komplett weg und behandeln alles als Englisch.

Dieser Leitfaden zeigt, wie die großen Engines damit tatsächlich umgehen – geprüft anhand der Dokumentation und Entwicklerberichten, nicht anhand von Labor-Benchmarks.

Devanagari: Was die Schrift erfordert

Hindi wird in Devanagari geschrieben, einer Abugida mit 47 Grundzeichen (14 Vokale und 33 Konsonanten). Die Zeichen werden von links nach rechts geschrieben. Das markante Merkmal ist die Shirorekha, ein horizontaler Balken, der oben über jedem Zeichen verläuft und Buchstaben optisch zu Wörtern verbindet.

Mehrere Mechaniken sind für die Transkription wichtig:

Matras (Vokalzeichen): Vokale werden oft als diakritische Zeichen an den vorangehenden Konsonanten geschrieben, nicht als eigenständige Zeichen. Ein Modell, das Konsonanten korrekt verarbeitet, aber die Matra-Platzierung verpatzt, erzeugt verstümmeltes Devanagari.

Konsonantenverbindungen (Samyukta Vyanjan): Wenn zwei Konsonanten ohne Vokal dazwischen aufeinandertreffen, verschmelzen sie zu einer Ligatur. „ज्ञान“ (Wissen) ist eine Konsonantenverbindung. Fehler hier sind ein Zeichen dafür, dass das Modell nicht mit ausreichend Devanagari-Daten trainiert wurde.

Nukta-Punkte: Ein Punkt unter einem Konsonanten zeigt einen fremden Laut an, der im aus dem Sanskrit stammenden Hindi nicht heimisch ist. „ज़“ (za), „क़“ (qa) und „फ़“ (fa) verwenden Nuktas und kommen häufig in Urdu-beeinflusstem Hindi und in transliterierten englischen Lehnwörtern vor.

Schwa-Tilgung: Im gesprochenen Hindi wird der kurze „a“-Vokal (Schwa) am Ende einer Silbe oft getilgt. „राम“ wird „Raam“ ausgesprochen, nicht „Raama“. Transkriptions-Engines, die die Schwa-Tilgung nicht modellieren, erzeugen phonemisch falsche Ausgaben.

Für ein korrektes Hindi-Transkript muss all das stimmen. Wenn dein Tool „main aapka shukriya ada karta hoon“ in romanisiertem Hindi zurückgibt statt „मैं आपका शुक्रिया अदा करता हूँ“, hast du ein Tool, das Hindi nicht wirklich beherrscht.

Hinglish: Umfang und Code-Switching-Mechanik

Mehr als 350 Millionen urbane Inderinnen und Inder verwenden regelmäßig Hinglish, wie die New York Times berichtet. Forschung des IIT Delhi ergab, dass die Hinglish-Nutzung zwischen 2022 und 2024 um 2 % pro Jahr zugenommen hat. Etwa 83 % der Hindi-Sprecher mischen bis zu einem gewissen Grad englische Wörter in ihre Sprache.

Das Code-Switching im Hinglish ist nicht zufällig. Es gibt konsistente Muster:

• Substantive und Fachbegriffe wechseln zuerst ins Englische. „Budget“, „Deadline“, „Meeting“, „Strategy“ bleiben selbst in stark Hindi-dominanter Sprache englisch.
• Verben bleiben häufiger Hindi, aber englische Verben werden hindiisiert: „launch karna“, „finalize karna“, „decide kiya“.
• Satzebenen-Wechsel sind in formellen Registern üblich, wenn ein Sprecher einen Gedanken auf Hindi beginnt und auf Englisch beendet.
• Wortebenen-Mischung dominiert Alltagssprache, soziale Medien und Bollywood-Dialoge.

Das Ergebnis: Kein einzelner Sprachcode beschreibt vollständig, was der Sprecher tut. language=hi liefert Devanagari-Ausgabe, verarbeitet aber die englischen Anteile möglicherweise nicht korrekt. language=en lässt das Hindi komplett weg. language=multi ist bei Engines, die das unterstützen, die richtige Wahl, aber das Verhalten variiert.

Siehe wie Code-Switching Transkriptions-Pipelines beeinflusst für eine breitere Behandlung der technischen Probleme.

Wie jede Engine mit Hinglish umgeht

OpenAI Whisper (large-v3)

Whisper large-v3 ist das bekannteste multilinguale Modell und verarbeitet reines Hindi gut, wenn du language=hi explizit setzt. Bei Hinglish-Inhalten ist das Verhalten konsistent, aber für die meisten Anwendungsfälle nicht ideal: Das Modell transkribiert englische Lehnwörter und englische Code-Switching-Phrasen in Devanagari-Schrift. „next quarter mein launch karenge“ könnte also als „नेक्स्ट क्वार्टर में लॉन्च करेंगे“ zurückkommen, wobei „next quarter“ nach Devanagari transliteriert wird, statt in lateinischer Schrift erhalten zu bleiben.

Es gibt kein offizielles Flag, um von Whisper gemischte Hinglish-Ausgabe zu verlangen. Der Community-Workaround ist Trelis Research’ feinabgestimmtes Whisper-Hinglish-Modell, das ein |mixedcode|-Token einführt, das Devanagari-Latein-Mischung auslöst – aber das ist nicht in der Standard-API enthalten.

Eine zusätzliche Gefahr: Bei automatischer Erkennung verwechseln Whisper-Basismodelle Hindi manchmal mit Urdu (die Sprachen sind linguistisch eng verwandt und teilen eine gesprochene Form). Urdu verwendet Nastaliq-Schrift, was dein Transkript für ein Hindi-Publikum unlesbar machen würde. Setze bei Whisper immer explizit language=hi.

Deepgram Nova-3

Nova-3 unterstützt Hindi (hi) nativ. Für reines Hindi-Audio ist das Deepgrams stärkstes Angebot für diese Sprache.

Für Hinglish bietet Nova-3 einen separaten multilingualen Modus (language=multi), der Hindi-Englisch-Code-Switching unter 10 Sprachen unterstützt. In diesem Modus gibt Nova-3 die Schriftwahl des Sprechers natürlich wieder: Hindi-Wörter in Devanagari, englische Wörter in lateinischer Schrift. Das Modell wurde mit echten Code-Switching-Daten trainiert statt mit synthetischen Mischungen. Das ist architektonisch der richtige Ansatz.

In der Praxis gab es Entwicklerberichte, dass Nova-3 multi in einigen Hinglish-Aufnahmen Hindi als Spanisch fehlinterpretiert, was zu einem erheblichen Transkriptionsfehler führt. Das scheint ein Zuverlässigkeitsproblem der Spracherkennung im multilingualen Modell zu sein, kein grundsätzliches Architekturproblem. Der Workaround, den einige Entwickler gefunden haben, ist der Rückgriff auf Nova-2 oder Nova-1 mit dem Sprachcode hi und der Akzeptanz der Einschränkung, dass alles in Devanagari ausgegeben wird.

Deepgram hat außerdem ein BRIDGE-Framework veröffentlicht, das speziell analysiert, warum Standard-WER-Metriken bei indischen Sprachen versagen – ein Zeichen, dass sie dieses Problem ernsthaft durchdenken. Siehe Deepgram Nova-3 erklärt für mehr zur Architektur des Modells.

AssemblyAI Universal-3

AssemblyAIs Universal-3-Modell unterstützt 99 Sprachen mit automatischem Code-Switching und Sprecher-Diarisierung. Hindi ist als unterstützte Sprache gelistet. AssemblyAI hat Hindi speziell um die Sprecher-Diarisierung erweitert (zusammen mit Chinesisch, Japanisch, Koreanisch und Vietnamesisch), sodass mehrsprachige Hindi- und Hinglish-Inhalte korrekt beschriftet werden.

Bei Universal-3 Pro fällt Hindi in die Stufe „Gute Genauigkeit“, die AssemblyAI als 10–25 % WER definiert. Das ist nicht Spitzenklasse, aber funktional. AssemblyAIs Diarisierung erhält die Sprecheridentität über Sprachwechsel hinweg, sodass ein Podcast, in dem ein Host mehr Hindi und ein anderer mehr Englisch spricht, weiterhin korrekt beschriftet wird.

Google Cloud STT (Chirp)

Das Chirp-Modell von Google Cloud unterstützt mehr als 125 Sprachen und nutzt eine minutengenaue Abrechnung. Hindi wird unterstützt. Für Code-Switching empfiehlt Google seit jeher, language_codes so zu setzen, dass sowohl hi-IN als auch en-IN enthalten sind. Das erlaubt dem Modell, gemischtes Audio zu verarbeiten, allerdings variiert die Ausgabekonsistenz bei Hinglish.

Reine API-Anwendungsfälle (Deepgram, AssemblyAI)

Wenn du eine Pipeline baust, bieten sowohl Deepgram als auch AssemblyAI REST-APIs mit Hindi-Unterstützung. Deepgrams API-Preise und AssemblyAIs Abrechnungsmodell werden im Überblick zu Speech-to-Text-API-Preisen ausführlich verglichen.

Engine-Vergleichstabelle

Meine Einschätzung: Für Hinglish-Inhalte, bei denen du eine lesbare gemischte Schriftausgabe möchtest, ist Deepgram Nova-3 multi architektonisch die beste Wahl, wenn die Spracherkennung korrekt funktioniert. Für reines Hindi-Audio mit strikten Devanagari-Anforderungen ist Whisper large-v3 mit explizitem language=hi zuverlässig. AssemblyAI ist die bessere Wahl, wenn die Diarisierung über Sprachwechsel hinweg Priorität hat.

Regionale Hindi-Akzente und Genauigkeit

Indien hat Dutzende regionale Hindi-Akzente, jeder mit eigenen phonetischen Mustern, die KI-Engines unterschiedlich verarbeiten:

Delhi/NCR-Hindi (urban, stark englisch durchmischt): In den Trainingsdaten am besten abgedeckt. Am nächsten an dem, was in Benchmarks getestet wird.

Mumbai-Hindi (Bambaiya): Die Marathi-Phonologie beeinflusst die retroflexen Konsonanten und Vokallängen. „Bhai“ wird zu einem deutlichen sozialen Marker. Die Genauigkeit ist niedriger als bei Delhi-Hindi, aber auf großen Engines noch vernünftig.

Lucknow/Awadhi-beeinflusstes Hindi: Formellere Phonologie, deutliche „l“-vs-„r“-Behandlung, gehobenes Registervokabular. Wird im Allgemeinen gut verarbeitet.

Bhojpuri-beeinflusstes Hindi (Bihar, östliches UP): Bhojpuri-beeinflusstes Hindi ist phonologisch ziemlich anders. Die Schwa-Erhaltungsmuster weichen vom Standard-Hindi ab. Die Genauigkeit sinkt deutlich.

Südindisches Hindi (starker Tamil-, Telugu-, Kannada-Akzent): Der phonologische Transfer aus den dravidischen Sprachen ist erheblich. Retroflexe vs. dentale Unterscheidungen sind betroffen. Das ist die Kategorie, die bei jeder Engine am meisten Nachbearbeitung braucht.

Für Bhojpuri-spezifische Inhalte, Magahi, Maithili, Marwari oder Awadhi als Sprachen (nicht Akzente): Das sind eigenständige Sprachen, keine regionalen Akzente des Hindi. Sie mit einem Hindi-Modell zu transkribieren, erzeugt verschlechterte Ausgaben und ist auf keiner großen Engine ein unterstützter Anwendungsfall.

Formalitätsregister und was sie beeinflussen

Hindi hat zwei Honorativ-Ebenen, die Verbkonjugation, Pronomen und Vokabular beeinflussen:

• Aap (आप): Formelles „Sie“, verwendet gegenüber Älteren und Fremden
• Tum (तुम): Mittelstufe, verwendet unter Gleichaltrigen
• Tu (तू): Intim, verwendet gegenüber engen Freunden und Kindern (oder als Beleidigung gegenüber Fremden)

Diese Unterschiede wirken sich auf das Vokabular rund um Verben aus (करते हैं vs. करते हो vs. करता/करती है) und erzeugen unterschiedlichen Transkripttext. Eine Transkriptions-Engine, die diese Unterschiede auf eine einzige Form normalisiert, verliert soziale Bedeutung.

Praktischer: Formelle Sprache (Nachrichten, Vorlesungen, Reden) und informelle Sprache (WhatsApp-Sprachnachrichten, lockere Podcasts) haben sehr unterschiedliche Hinglish-Anteile. Formelle Sprache tendiert zu reinem Hindi oder vollständigen englischen Sätzen. Informelle Sprache ist das dichteste Hinglish.

Reale Anwendungsfälle für Hindi-Transkription

Indische Podcast- und YouTube-Creator sind der volumenstärkste Anwendungsfall. Die indische Podcast-Szene gehört zu den am schnellsten wachsenden weltweit. Hosts wechseln innerhalb von Episoden und manchmal innerhalb von Sätzen zwischen Hindi und Englisch. Das praktische Bedürfnis sind lesbare Shownotes und Kapitelmarker, die dem entsprechen, wie das Publikum tatsächlich liest – also gemischtes Hinglish.

Hindi-Redaktionen, die politische Reden und Panel-Interviews transkribieren, brauchen Devanagari-Ausgabe, die direkt in Hindi-Artikel einfließt. Sprecher-Diarisierung ist hier wichtig, weil Panel-Shows 3–6 Sprecher haben.

Kundensupport und Callcenter, die Hindi- oder Hinglish-Kundengespräche verarbeiten, benötigen lateinische Ausgabe (oder Devanagari, je nach CRM-System) und Sprecherlabels, die Agent und Kunde unterscheiden. Das ist ein wachsender Machine-Learning-Anwendungsfall, bei dem Unternehmen Modelle gezielt auf Callcenter-Hinglish feinabstimmen.

Juristische und akademische Transkription in formellem Hindi erfordert genaues Devanagari mit korrekter Matra- und Konsonantenverbindungs-Behandlung, da die Ausgabe oft in Akten übernommen wird.

Bildungsinhalte (Vorlesungen, Schulungsvideos) decken je nach Institution und Fach das gesamte Spektrum von reinem Hindi bis Hinglish ab.

Wenn du einfach ein sauberes Transkript brauchst, ohne eine eigene Pipeline zu bauen, verarbeitet das Audio-zu-Text-Tool von ConvertAudioToText Hindi mit Devanagari-Ausgabe und Hinglish-Mischung. Das kostenlose Kontingent umfasst 10 Transkriptionsminuten, einmalig bei der Anmeldung statt monatlich – genug, um dein spezifisches Audio zu testen, bevor du dich festlegst.

Tipps, die für Hindi-Audio wirklich wichtig sind

Setze die Sprache explizit. Verlasse dich bei Hindi nicht auf die automatische Erkennung. Die Sprache ist phonologisch dem Urdu ähnlich, und einige Auto-Detektoren leiten Hindi-Audio fälschlich an Urdu weiter und erzeugen Nastaliq-Schriftausgabe, die für Leser der Hindi-Schrift unlesbar ist.

Wähle den Modus nach dem Ausgabebedarf. Wenn dein nachgelagertes System nur Devanagari braucht, verwende language=hi und akzeptiere die vollständige Devanagari-Transliteration von Hinglish. Wenn du lesbare gemischte Schriftausgabe brauchst, verwende einen multilingualen Modus.

Nutze benutzerdefiniertes Vokabular für indische Eigennamen. Indische Personennamen haben enorme Schreibvarianten: „Priya“ vs. „Priyaa“, „Suresh“ vs. „Suresh Kumar“. Ortsnamen weichen von ihren romanisierten Versionen ab. Ein Glossar hilft erheblich.

Hintergrundgeräusche sind ein echtes Problem bei indischem Audio, insbesondere bei Inhalten, die auf Outdoor-Märkten, in geschäftigen Büros oder auf der Straße aufgenommen wurden. Das betrifft alle Engines gleichermaßen und ist außerhalb der Engine-Wahl der größte Hebel für die Genauigkeit.

Verwende keine Hindi-Modelle für Bhojpuri- oder Marwari-Inhalte. Das Modell wird sein Bestes versuchen und scheitern. Das sind eigenständige Sprachen.

Tools für Hindi-Workflows im Vergleich

Hinweis zu Otter: Das kostenlose Kontingent von 300 Minuten ist großzügig, aber Otter transkribiert Hindi-Audio nur in lateinischer Schrift und erstellt Zusammenfassungen unabhängig von der Audiosprache auf Englisch. Für indische Creator, die Inhalte für ein Hindi-sprechendes Publikum veröffentlichen, ist das ein Workflow-Mismatch und keine kleine Einschränkung.

Die versteckten Kosten von Transkriptionsdiensten behandeln, worauf jenseits der Listenpreise zu achten ist, einschließlich Gebühren pro Sitzplatz und Exportbeschränkungen.

Häufige Fragen

Transkribiert Whisper Hinglish in gemischter Schrift?

Nicht standardmäßig. Wenn du language=hi setzt, transkribiert Whisper alles in Devanagari, einschließlich englischer Wörter und Lehnwörter. Englische Wörter wie „meeting“ werden zu „मीटिंग“. Es gibt kein Standard-API-Flag, um das zu ändern. Ein von der Community feinabgestimmtes Modell (Whisper-Hinglish von Trelis Research) ergänzt einen Code-Switch-Modus, ist aber nicht Teil der offiziellen Whisper-API.

Was ist für die Transkription der Unterschied zwischen Hindi und Hinglish?

Hindi ist die Standardsprache, geschrieben in Devanagari, mit aus dem Sanskrit stammendem Vokabular für formale Register. Hinglish ist gesprochenes Hindi, das englische Wörter und Wendungen innerhalb von Sätzen mischt und von der Engine eine wortweise Entscheidung verlangt, welche Schrift ausgegeben wird. Die Herausforderung: Es gibt keine feste Regel. „meeting“ kann in einem Hindi-Dokument je nach Publikationsstil legitimerweise als „मीटिंग“ oder „meeting“ erscheinen. Diese Mehrdeutigkeit ist der Grund, warum Hinglish-Transkription zwischen Engines so stark variiert.

Können KI-Engines südindische Akzente im Hindi verarbeiten?

Ja, aber die Genauigkeit sinkt im Vergleich zu Hindi aus Delhi oder Mumbai. Der phonologische Transfer aus den dravidischen Sprachen (Tamil, Telugu, Kannada, Malayalam) ins Hindi erzeugt retroflexe Konsonantenmuster und Vokallängen, die von der Trainingsverteilung der meisten Hindi-Modelle abweichen. Plane bei solchen Inhalten mehr Nachbearbeitung ein, unabhängig davon, welche Engine du verwendest.

Gibt es Sprecher-Diarisierung für Hindi-Inhalte?

Ja, bei Deepgram Nova-3, AssemblyAI Universal-3 und Google Cloud STT. AssemblyAI hat die Sprecher-Diarisierung für Hindi speziell 2025–2026 erweitert. Formelle Interviews mit zwei Sprechern liefern in der Regel eine bessere Diarisierung als Podiumsdiskussionen mit mehreren Sprechern und überlappendem Sprechen – das gilt für alle Sprachen, nicht nur Hindi.

Wie transkribiere ich Bhojpuri- oder Marwari-Audio?

Du kannst ein Hindi-Transkriptionsmodell nicht zuverlässig für Bhojpuri, Marwari, Magahi oder Maithili verwenden. Das sind eigenständige Sprachen mit eigener Phonologie. Bis Mitte 2026 listet keine große kommerzielle Engine Bhojpuri als unterstützte Sprache. Wenn du Bhojpuri-Transkription brauchst, ist menschliche Transkription durch einen Spezialisten der praktikable Weg. Ein Hindi-Modell liefert bestenfalls eine lückenhafte, fehlerreiche Ausgabe.

Quellen

• Deepgram Models and Languages Overview: https://developers.deepgram.com/docs/models-languages-overview
• Deepgram Multilingual Code-Switching documentation: https://developers.deepgram.com/docs/multilingual-code-switching
• Deepgram Nova-3 Multilingual blog post: https://deepgram.com/learn/nova-3-multilingual-major-wer-improvements-across-languages
• Deepgram Nova-3 Hindi-English GitHub discussion: https://github.com/orgs/deepgram/discussions/1208
• AssemblyAI Supported Languages documentation: https://www.assemblyai.com/docs/supported-languages
• AssemblyAI Universal-3 Pro announcement: https://www.assemblyai.com/blog/introducing-universal-3-pro
• Otter.ai pricing: https://otter.ai/pricing
• Sonix pricing: https://sonix.ai/pricing
• ConvertAudioToText pricing: https://convertaudiototext.com/pricing
• Whisper Hindi script discussion: https://github.com/openai/whisper/discussions/1662
• Whisper Hinglish finetuned model: https://trelis.substack.com/p/whisper-hinglish
• Hinglish prevalence data: https://www.gan.studio/blog/posts/the-prevalence-of-hinglish-in-urban-india-a-data-driven-exploration
• OriserveAI Whisper-Hindi2Hinglish: https://github.com/OriserveAI/Whisper-Hindi2Hinglish