Wie man einen Konferenzvortrag transkribiert (mit Q&A)

Der Weg zum Konferenzvortrags-Transkript

Laden Sie Ihre Aufnahme hoch, und nach wenigen Minuten liegt ein Transkript-Entwurf vor. Der knifflige Teil ist die Vorbereitung, die diesen Entwurf brauchbar macht: Konferenzaudio kommt mit einem gut mikrofonierten Vortragenden auf einer Spur an und einem weit entfernten Raum-Mikrofon, das die Fragen des Publikums auf einer anderen einfängt – und diese beiden Klangwelten verlangen unterschiedliche Bearbeitungsstrategien.

Dieser Beitrag deckt den kompletten Workflow ab: von der Dateivorbereitung über die Bereinigung der Q&A und die Synchronisation mit den Folien bis hin zu den Einwilligungsschritten, die vor der Veröffentlichung nötig sind.

Warum sich Konferenzaudio von einem Podcast unterscheidet

Podcast-Moderator und -Gast sitzen beide an nahen Ansteck- oder Kardioid-Mikrofonen in einem ruhigen Raum. Bühnenaudio bricht diese Annahme an drei Stellen:

Der Vortragende hat ein Mikrofon, das Publikum nicht. Publikumsfragen kommen über ein Raum-Mikrofon an, das 6 bis 12 Meter von der fragenden Person entfernt steht. Windgeräusche, rutschende Stühle, Applaus und Raumhall komprimieren alle in dieselbe Spur. Für ein Modell ergibt das einen Audiostream, bei dem zwei Drittel des Inhalts sauber sind und ein Drittel akustische Suppe.

AV-Übergänge schleusen Nicht-Sprach-Audio ein. Intro-Musik, Applaus, Sounds beim Folienwechsel und Lichtsignale mischen sich in die Masteraufnahme. Ältere Transkriptionsmodelle versuchen, Geräuschimpulse als Sprache zu deuten und produzieren Häufungen von „äh ähm die die“, wo der Ton gar keine Sprache enthält. Moderne Modelle kommen damit besser klar: Sie kennzeichnen offensichtliche Ereignisse als [Applaus] oder überspringen Stille. Doch Übergänge bei niedrigem Pegel bringen sie weiterhin durcheinander.

Unterschiedliche Mikrofon-Setups innerhalb derselben Veranstaltung. Ein Ansteckmikrofon am Revers ist hervorragend. Ein Pultmikrofon in Brusthöhe ist akzeptabel. Ein Handmikrofon, das ein Vortragender vergisst, nah zu halten, senkt die Genauigkeit spürbar. Vorträge auf derselben Konferenz können die gesamte Spanne abdecken – Ihre Bearbeitungszeit pro Vortrag lässt sich also nicht allein aus der Laufzeit vorhersagen.

Aufnahme-Setup (falls Sie irgendeine Kontrolle haben)

Veranstalter und AV-Teams können jedes Transkript verbessern, bevor die Aufnahme überhaupt beginnt:

• Ansteckmikrofon für jeden Vortragenden. Diese eine Entscheidung bringt mehr Genauigkeitsgewinn als jeder Nachbearbeitungsschritt.
• Separates Funkmikrofon für die Publikums-Q&A. Ein Handmikrofon, das ein Freiwilliger zu jeder fragenden Person trägt, ist der Unterschied zwischen dem Erfassen der Frage und dem Raten danach.
• Mehrspurige Aufnahme. Vortragenden-Mikrofon und Raum-Mikrofon auf getrennten Kanälen. Ermöglicht unabhängige Pegelregelung und später unabhängige Diarisierungsdurchläufe je Spur.
• Mindestens 192 kbps AAC oder verlustfrei. Alles darunter beginnt, die hochfrequenten Konsonanten zu beeinträchtigen, die ähnliche Wörter unterscheiden.

Teilnehmende, die ihre eigene Kopie aufnehmen, haben weniger Möglichkeiten. Ein Handy auf dem Schoß reicht für kleine Räume. Besser funktioniert ein Handy mit externem Ansteckmikrofon, das an einem Stativ in der Nähe der PA-Box steht. Die beste Option bleibt immer, nach der Veranstaltung die offizielle AV-Aufnahme anzufordern – sofern der Veranstalter sie freigibt.

Die richtige Datei zum Hochladen auswählen

Konferenzaufnahmen kommen in einigen Formaten daher:

• MP4 vom AV-Team oder von der Veranstaltungswebsite. Der Standard. Transkriptionstools extrahieren das Audio intern – direkter MP4-Upload funktioniert also.
• MP3 aus einem reinen Audio-Feed. Kleiner und genauso gut.
• WAV vom AV-Master. Hohe Qualität, große Datei. Nutzen Sie es, wenn Sie es haben.

Bei großen MP4-Dateien spart das Entfernen der Videospur vor dem Upload Bandbreite und beschleunigt den Upload erheblich:

ffmpeg -i talk.mp4 -vn -acodec mp3 -ab 192k talk.mp3

Das Audio-zu-Text-Tool und das Video-zu-Text-Tool akzeptieren Konferenzaufnahmen beide direkt.

Der Transkriptionsdurchlauf

Vier Einstellungen, die bei Konferenzaudio eine Rolle spielen:

Sprache. Stellen Sie sie auf die Hauptsprache des Vortragenden. Ist der Vortrag auf Englisch, ist das unkompliziert. Bei mehrsprachigen Veranstaltungen siehe den Abschnitt „Mehrsprachige Konferenzen“ weiter unten.

Sprecheranzahl. Bei einer Solo-Keynote ohne Q&A auf 1 setzen. Bei einem Vortrag mit Q&A-Teil kommt eine Schätzung der Zahl der Fragenden hinzu. Eine 60-minütige Keynote mit 15 Minuten Q&A kann 8 bis 12 verschiedene Fragende haben; eine Sprecheranzahl von 10 gibt der Diarisierungs-Engine genug Spielraum, ohne Phantom-Sprecher zu erzeugen.

Vokabular-Hinweise. Konferenzvorträge ballen sich um Fachvokabular: Namen der Vortragenden, Produktnamen, technische Akronyme, Firmennamen. Eine eigene Vokabularliste mit 15 bis 20 Wörtern reduziert die Fehler bei diesen Begriffen erheblich. Ziehen Sie die Liste von der Titelfolie des Vortrags oder aus dem Konferenzprogramm.

Verarbeitungszeit. Ein 60-minütiger Vortrag kommt in etwa 4 bis 6 Minuten zurück. Die Audioqualität verschiebt das um wenige Sekunden, nicht um mehrere Minuten.

Der Bearbeitungsdurchlauf: Vortragsteil vs. Q&A-Teil

Konferenzvorträge bestehen aus zwei akustisch unterschiedlichen Hälften, und beide brauchen unterschiedliche Bearbeitungsstrategien.

Der Vortragsteil (die ersten 70 bis 80 % des Audios)

Das ist der saubere Teil. Ein modernes Modell landet bei einem gut mikrofonierten Einzelsprecher bei einer Genauigkeit im mittleren bis oberen 90er-Bereich. Ein kurzer Bearbeitungsdurchlauf:

• Korrigieren Sie Eigennamen, Produktnamen und Akronyme, die nicht in der Vokabularliste stehen.
• Prüfen Sie Zahlen und Datumsangaben (Jahreszahlen, Versionsnummern, Statistiken).
• Achten Sie auf Wendungen wie „wie Sie hier sehen“ oder „diese Folie zeigt“, bei denen der Vortragende auf eine Grafik gezeigt hat. Notieren Sie den Zeitstempel, damit Sie die Folien später synchronisieren können.

Der Publikums-Q&A-Teil

Hier liegt die eigentliche Arbeit. Häufige Fehlermuster:

• Fragen sind nur teilweise hörbar oder reines Rauschen. Das Transkript zeigt dann ein Satzfragment, phonetische Näherungen der tatsächlichen Wörter oder schlicht Unsinn.
• Der Vortragende wiederholt die Frage. Die meisten erfahrenen Vortragenden wiederholen oder paraphrasieren, was gefragt wurde. Diese Wiederholung ist Ihr maßgeblicher Fragetext. Nutzen Sie ihn. Streichen Sie das unverständliche Original.
• Mehrgliedrige Fragen verschmelzen. Fragende stellen oft zwei oder drei Dinge in einem Atemzug. Das Transkript presst sie in einen Block zusammen. Erwägen Sie, sie mit einer redaktionellen Anmerkung zu trennen.
• Die fragende Person stellt sich selbst vor. „John von Acme Corp“ kommt manchmal klar durch und manchmal als verzerrte Klangfragmente. Transkribieren Sie, was Sie bestätigen können, und lassen Sie den Rest weg.

Meine Einschätzung: Bei den meisten Q&A-Audios liefert die Devise „Säubere, was klar ist, markiere den Rest als [unverständlich]“ das ehrlichste Ergebnis. Widerstehen Sie der Versuchung, eine Frage aus akustischer Mehrdeutigkeit zu rekonstruieren. Raten Sie falsch, legen Sie einer echten Person Worte in den Mund.

Drei Optionen für die Q&A im finalen Transkript

Option 1: Den Q&A-Teil komplett weglassen. Für Blogbeiträge, die aus dem Vortrag entstehen, wollen die meisten Leser den vorbereiteten Inhalt. Der Q&A-Teil rechtfertigt selten den redaktionellen Aufwand, unverständliches Audio zu bereinigen. Schneiden Sie ihn sauber heraus und vermerken Sie optional „Q&A-Teil nicht transkribiert.“

Option 2: Die Q&A so gut wie möglich bereinigen. Für ein vollständiges öffentliches Archiv der Session bearbeiten Sie die Q&A sorgfältig: Markieren Sie unverständliche Passagen, stützen Sie sich auf die Wiederholungen des Vortragenden und akzeptieren Sie gewisse Verluste. Das Ergebnis wird nicht wörtlich sein, aber es ist ehrlich gegenüber seinen Grenzen.

Option 3: Aus den Notizen des Vortragenden rekonstruieren. Erinnert sich der Vortragende daran, was gefragt wurde, hängen Sie eine schriftliche Q&A-Zusammenfassung an. Kennzeichnen Sie sie klar als rekonstruiert („Die folgende Zusammenfassung der Q&A basiert auf Notizen des Vortragenden und ist kein wörtliches Transkript“), damit Leser wissen, was sie vor sich haben.

Für die Umwandlung in Blogbeiträge gilt Option 1, für Archivaufzeichnungen Option 2. Option 3 ist nur angemessen, wenn der Vortragende aktiv an der Entstehung der veröffentlichten Version beteiligt ist.

Das Transkript mit den Folien synchronisieren

Ein veröffentlichtes Transkript neben einem eingebetteten Vortragsvideo wird enorm nützlicher, wenn die Folien an den richtigen Momenten aufta