Japanische Transkription mit Kanji: Ein Leitfaden für 2026

Japanese audio transcribes into three writing systems simultaneously, and getting all three right is what separates a usable transcript from a readable one. Wenn ein Sprecher „kyou wa hareru deshou“ sagt, lautet die korrekte Schriftform „今日は晴れるでしょう“ und nicht „きょうはれるでしょう.“ Beide repräsentieren dieselben Laute. Nur eine davon ist, wie Japanisch tatsächlich geschrieben wird.

Dieser Beitrag behandelt, wie KI im Jahr 2026 die Schrift-, Register- und Dialektebene bei der japanischen Transkription bewältigt, und worauf man bei der Auswahl eines Tools achten sollte.

Das Drei-Schrift-System-Problem

Japanisch wird mit drei nebeneinander existierenden Schriftsystemen geschrieben:

• Kanji sind chinesische Schriftzeichen, die für Inhaltswörter, Ortsnamen und Verben verwendet werden (共有する, 東京, 行く).
• Hiragana übernimmt grammatische Endungen, Partikel und Funktionswörter (は, が, です, ている).
• Katakana wird für Lehnwörter und fremde Eigennamen genutzt (マーケティング, アジェンダ, コーヒー).

Ein ordentliches Transkript verwendet alle drei an den richtigen Stellen. Ein reines Hiragana-Transkript ist das maschinelle Äquivalent zu Englisch ohne Großbuchstaben oder Satzzeichen: technisch dekodierbar, aber nicht produktionsreif.

Ältere oder schlankere Spracherkennungssysteme geben manchmal alles in Hiragana oder Katakana aus. Das war bei frühen Cloud-APIs üblich und tritt weiterhin bei kleinen Whisper-Varianten (tiny, base) auf. Whisper Large-v3, Deepgram Nova-3 und AssemblyAI Universal-3 Pro liefern ab 2026 alle standardmäßig gemischtes Schriftsystem-Japanisch, verifiziert anhand ihrer veröffentlichten Sprachdokumentation.

Keine Leerzeichen und die Tokenisierungsebene

Englische Wörter werden durch Leerzeichen getrennt. Japanisch nicht. Der Satz „今日は東京に行きます“ weist im Text keinerlei Wortgrenzen auf. Das schafft eine grundlegende vorgelagerte Herausforderung: Bevor eine KI das richtige Kanji ausgeben kann, muss sie kontinuierliche Phonemströme in die richtigen Morpheme segmentieren und dann die passende Schriftform zuweisen.

Moderne End-to-End-Modelle behandeln das implizit, aber es erklärt, warum japanische ASR-Fehler anders aussehen als englische. Ein englischer Fehler ersetzt ein Wort durch ein anderes. Ein japanischer Fehler erzeugt oft eine plausibel wirkende Zeichenkette, die entweder ein falsches Kanji, ein echtes Wort mit anderer Bedeutung oder eine Kombination ist, die es in der Sprache nicht gibt.

Homophon-Disambiguierung: Das schwierigste Teilproblem

Das Japanische hat eine große Anzahl von Homophonen: Wörter, die gleich klingen, aber mit unterschiedlichen Kanji geschrieben werden und unterschiedliche Bedeutungen tragen. Das Wort „kikan“ kann 期間 (Zeitraum), 機関 (Motor oder Institution), 器官 (Organ) oder 帰還 (Rückkehr) bedeuten, um nur einige zu nennen. Die Bedeutung des Sprechers ergibt sich aus dem Kontext. Die KI muss diesen Kontext nutzen, um das richtige Kanji auszuwählen.

Große Modelle lösen die meisten häufigen Homophone korrekt. Whisper Large-v3 behebt Homophon-Fehler, die Whisper Small bei derselben Eingabe produziert. Der Fehlermodus verengt sich auf Fachvokabular, seltene Komposita und Eigennamen (besonders japanische Familiennamen, wo dasselbe Kanji mehrere gültige Lesungen haben kann).

Ein praktischer Fix: Stellen Sie vor der Transkription ein Glossar mit domänenspezifischen Begriffen und Eigennamen bereit. Die meisten professionellen Tools akzeptieren einen Vokabelhinweis oder eine Prompt-Eingabe, die das Modell für wiederkehrende Fachbegriffe zum richtigen Kanji lenkt.

Für einen tieferen Einblick, warum die Modellgröße für Sprachen wie Japanisch wichtig ist, siehe die Diskussion zu Transkriptionsgenauigkeitsfaktoren.

On'yomi, Kun'yomi und Polyphonie

Die meisten Kanji haben mindestens zwei Lesesysteme: On'yomi (die aus dem Chinesischen stammende Aussprache, typischerweise in zusammengesetzten Wörtern verwendet) und Kun'yomi (die einheimische japanische Aussprache, typischerweise wenn das Kanji allein oder mit Hiragana-Endungen steht). Das Kanji 水 liest sich „sui" in 水曜日 (Mittwoch) und „mizu", wenn es allein steht und Wasser bedeutet. Der Kontext bestimmt die Lesung normalerweise eindeutig, aber bei den mehrdeutigsten Zeichen (Forscher zählen mehrere hundert mit wirklich kontextabhängigen Lesungen) wählen selbst große Modelle gelegentlich die falsche.

Das ist ein anderes Problem als Homophone. Hier sind sowohl der Klang als auch die Schriftform korrekt, aber das Modell erzeugt das falsche Zeichen für den Kontext. Diese Fehler sind in heutigen großen Modellen vergleichsweise selten, bleiben aber bei Kanji-Komposita mit geringer Ressourcenabdeckung und bei Personennamen häufiger, wo die Trainingsdaten dünner sind.

Keigo: Die Registerebene

Das Japanische hat drei höfliche Register, die in Geschäfts- und formellen Kontexten verwendet werden:

• Sonkeigo hebt das Subjekt einer Handlung hervor (die andere Person tut etwas Wichtiges). „Irasshaimasu" statt „kimasu" für „kommen".
• Kenjougo stellt den Sprecher zurück (der Sprecher tut etwas demütig für die andere Person). „Itashimasu" statt „shimasu" für „tun".
• Teineigo ist die Standard-Höflichkeitsform in den meisten Geschäftsgesprächen. Endungen wie „desu" und „masu".

Ein japanisches Geschäftstreffen wechselt je nach Sprecherhierarchie und beschriebener Handlung durch alle drei Register. Dadurch ist formelles japanisches Audio im Wortschatz abwechslungsreicher als sein englisches Pendant, selbst wenn das Thema dasselbe ist.

KI-Transkription bewahrt Keigo, indem sie exakt das wiedergibt, was der Sprecher gesagt hat. Das Modell vereinfacht „irasshaimasu" nicht zu „kimasu". Das Risiko liegt darin, dass das Modell die Verbform in verrauschtem Audio oder ungewohnten Kontexten falsch erkennt, nicht darin, dass es eine weniger formale Entsprechung einsetzt. Standardmäßige höfliche Sprache (Teineigo) wird von allen drei großen Engines zuverlässig verarbeitet. Komplexe Sonkeigo-Konstruktionen in hochformeller zeremonieller Rede, akademischer Ritualsprache oder bestimmten regionalen Dialekten können gelegentlich Fehler aufweisen und profitieren von einer leichten redaktionellen Durchsicht.

Für japanische Unternehmen ist das relevant, weil Gijiroku (議事録), die formellen Besprechungsprotokolle, die in der japanischen Unternehmenskultur erwartet werden, rechtsnahe Dokumente sind. Ein Transkript, das die Keigo-Ebene einebnet, verliert Informationen, die japanische Leser aus der Wortwahl ziehen, um zu verstehen, wer wem gegenüber welche Ehrerbietung zeigte.

Katakana-Lehnwörter und gemischte lateinische Schrift inline

Japanische Geschäfts- und Technologie-Audios mischen ständig natives Japanisch mit Lehnwörtern und Akronymen. Die korrekte schriftliche Form folgt dabei vorhersehbaren Regeln:

• Englischstämmige Wörter werden zu Katakana: „marketing" wird マーケティング, „agenda" wird アジェンダ.
• Inline-lateinische Akronyme bleiben in lateinischer Schrift: OKR, KPI, SaaS, PR.
• Einige Begriffe pendeln zwischen den Systemen (マーケター vs. marketing manager, beides kommt in der Praxis vor).

Eine korrekt funktionierende Transkriptions-Engine für japanische Geschäfts-Audios erzeugt Katakana für erkannte Lehnwörter und bewahrt lateinische Schrift für Akronyme. Engines, die alles in Kana transliterieren oder Lehnwörter zurück ins Englische konvertieren, produzieren nicht standardkonforme Ausgabe.

Meine Einschätzung: Die Katakana-Behandlung ist einer der klarsten Schnelltests für ein japanisches Transkriptionstool. Laden Sie 30 Sekunden eines Tech-Startup-Meetings hoch und prüfen Sie, ob „platform" als プラットフォーム oder etwas Nicht-Standardgemäßes zurückkommt. Die meisten Modelle mit großem Umfang bestehen diesen Test. Kleinere oder ältere APIs nicht.

Interpunktion: Vollbreit oder falsch

Japanisch verwendet andere Satzzeichen als westlicher Text:

• 、 (toten) ist das Komma.
• 。 (kuten) ist der Punkt.
• 「」 sind Anführungszeichen für direkte Rede.
• 『』 werden für verschachtelte Zitate oder Titel verwendet.

Ein Transkript, das „今日は晴れです, 散歩しました.“ mit westlichen Kommas und Punkten zurückgibt, entspricht nicht den japanischen typografischen Standards. In der ursprünglichen vertikalen Schreibtradition (tategaki, bei der der Text in Spalten von oben nach unten läuft) rotieren und positionieren sich diese Zeichen zudem anders als im horizontalen Text, aber die meisten digitalen Transkripte werden im horizontalen Format (yokogaki) ausgegeben.

Gut unterstützte Engines erzeugen automatisch korrekte japanische Vollbreiten-Satzzeichen, wenn die Sprache auf Japanisch eingestellt ist. Wenn Ihre Transkriptausgabe westliche Satzzeichen verwendet, prüfen Sie Ihre Spracheinstellung, bevor Sie eine Einschränkung des Modells annehmen.

Dialektgenauigkeit

Japanisch weist bemerkenswerte regionale Dialektunterschiede auf. Die Engines sind hauptsächlich auf Standard-Tokio-Japanisch trainiert (den Dialekt, der in NHK-Sendungen und den meisten formellen Medien verwendet wird).

Standard-Tokio-Japanisch und formelle NHK-Sprache werden in allen großen Engines am genauesten transkribiert. Kansai-Dialekt (Osaka, Kyoto, Kobe) hat ausgeprägte Tonhöhenmuster und Vokabular, die sich vom Tokio-Standard unterscheiden, und die Genauigkeit sinkt im Vergleich zum Standardjapanisch. Tohoku- und Kyushu-Dialekte stellen weitere Herausforderungen dar. Keine der großen internationalen Engines bietet derzeit dialektspezifische Modelle für japanische regionale Varianten an.

Bei Inhalten in starkem Kansai-ben sollten Sie mehr Bearbeitungszeit einplanen als bei einem Tokio-Standard-Vortrag oder Geschäftstreffen. Die Kern-Kanji und grammatikalischen Strukturen sind in der Regel richtig; die Fehler konzentrieren sich auf dialektspezifisches Vokabular und die aus Tonhöhenmustern abgeleiteten Phonemgrenzen, wo die Trainingsdaten der KI weniger dicht sind.

Welche Engines Japanisch tatsächlich gut unterstützen (2026)

Drei Engines haben dokumentierte Japanisch-Unterstützung mit korrekter gemischter Schriftausgabe ab Mitte 2026:

Whisper Large-v3 (OpenAI): Das am weitesten verbreitete Modell für japanische Transkription, sowohl im Open-Source- als auch im gehosteten Bereich. Liefert korrektes japanisches Schriftgemisch aus. Die bekannte Fehlerquote bei Homophonen steigt mit kleineren Modellvarianten (base, small, medium). Für den API-Aufruf ist ein Sprachhinweis nötig, um die langsamere automatische Erkennung zu umgehen. Kostenkontext finden Sie unter Whisper-Preise und Modellvergleich.

Deepgram Nova-3: Japanisch ist im mehrsprachigen Nova-3-Modell enthalten. Deepgrams veröffentlichte Dokumentation bestätigt, dass Nova-3 gemischtes Kana, Kanji und die Aussprache von Lehnwörtern verarbeitet und speziell den silbischen Rhythmus des Japanischen berücksichtigt. Verfügbar über den allgemeinen Nova-3-Endpunkt mit language=ja.

AssemblyAI Universal-3 Pro: Unterstützt Japanisch bei asynchroner Transkription mit verifizierter Sprecherdiarisierung (die Diarisierung für Japanisch wurde zusammen mit Chinesisch, Hindi, Koreanisch und Vietnamesisch ergänzt). Das Universal-3-Pro-Modell deckt 99 Sprachen ab. Die Echtzeit-Streaming-Unterstützung für Japanisch ist Stand Mitte 2026 eingeschränkter als die asynchrone Verarbeitung. Einen umfassenderen Engine-Vergleich finden Sie unter beste Speech-to-Text-APIs.

Alle drei verarbeiten Katakana-Lehnwörter, japanische Interpunktion und Keigo-Verbformen korrekt. Der Unterschied liegt in der Homophon-Genauigkeit am Ende der Verteilung, der Robustheit gegenüber Dialekten und dem Preismodell.

Für sprechermarkierte japanische Audiodateien (Besprechungen, Interviews) finden Sie unter Sprecherdiarisierung erklärt, wie die zugrunde liegenden Modelle die japanische Gesprächsstruktur angehen.

Vergleich der Tools für japanische Transkription

Japanische formelle Gespräche sind strukturierter als englische, mit klareren Sprecherwechseln in formellen Kontexten. Das hilft der Diarisierungsqualität grundsätzlich. Nachfolgend ein Vergleich der Tools mit dokumentierter Japanisch-Unterstützung, Preise Stand 2026-07.

| Funktion | Otter.ai | Notta | Trint | CATT | |---|---|---|---|---|---| | Japanische Transkription | Ja (Ende 2025 ergänzt) | Ja | Nicht dokumentiert | Ja | | Japanische KI-Zusammenfassung | Eingeschränkt (neuere Funktion) | Ja (als Sprache gelistet) | Nein | Ja | | Kostenloser Tarif | 300 Min./Monat | 120 Min./Monat (5 Min./Datei begrenzt) | Keiner (7-Tage-Testversion, 3 Dateien) | 10 Min. einmalig (10 Min./Datei) | | Einstiegspreis (kostenpflichtig) | 16,99 $/Monat (oder 8,33 $/Monat jährlich) | 13,99 $/Monat (oder 8,17 $/Monat jährlich) | ca. 80 $/Sitzplatz/Monat (jährlich) | 9,99 $/Monat | | Sprechertrennung auf Japanisch | Ja | Ja | Ja | Ja |

Notta ist der klar dokumentierte Konkurrent für japanische KI-Zusammenfassungen und hat Japanisch als primären Zielmarkt. Otter hat Ende 2025 auf Japanisch erweitert und bietet Chat in japanischer Sprache. Trint ist ein starkes Journalismus-Tool für Englisch, aber ohne dokumentierte japanische Zusammenfassungsausgabe.

Wenn du nur eine saubere Transkription und strukturierte Ausgabe brauchst, ohne dich auf ein komplettes Meeting-Bot-Ökosystem festzulegen, verarbeitet ConvertAudioToText japanische Audiodateien direkt, ohne eine Browsererweiterung zu installieren.

Sprechertrennung für Japanisch

Japanische formelle Gespräche sind turn-basiert strukturiert. Geschäftstreffen mit Keigo folgen einem klaren Protokoll: Sprecher warten auf den Abschluss ihres Redebeitrags, besonders wenn sie Vorgesetzte ansprechen. Diese vorhersehbare Turn-Struktur hilft der Sprechertrennungsgenauigkeit bei formellem japanischem Audio im Vergleich zu stark überlappenden lockeren Gesprächen.

Zwei-Sprecher-Interviews und Einzelgeschäftsgespräche lassen sich in der Regel am genauesten trennen. Größere Gruppentreffen (vier oder mehr Sprecher) mit überlappenden Stimmen oder mehreren Personen mit ähnlicher Stimmlage stellen dieselben Herausforderungen dar wie in jeder anderen Sprache.

Aufnahme mit separatem Mikrofon pro Sprecher (eigene Audiospuren) verbessert die Sprechertrennung bei allen Engines erheblich. Die meisten professionellen japanischen Studioaufnahmen und viele Business-Konferenztools bieten Ausgabe pro Spur an.

Tipps für bessere japanische Transkriptionsergebnisse

1. Setze die Sprache explizit auf ja (Japanisch). Die automatische Erkennung funktioniert zwar, fügt aber Latenz hinzu und verwechselt gelegentlich Japanisch mit vielen englischen Lehnwörtern als teilweise Englisch.

2. Stelle ein Glossar mit Eigennamen bereit. Japanische Namen haben mehrere gültige Kanji-Lesungen, und Modelle raten anhand der Häufigkeit. „Watanabe" kann 渡辺, 渡邊 oder 渡部 sein. Die korrekte Form zu liefern verhindert konsistente Kanji-Ersetzungsfehler bei wiederkehrenden Namen.

3. Japanisch hat weiche Reibelaute (し, ち, つ), die bei Hintergrundgeräuschen stärker degradieren als stimmhafte Konsonanten. Aufnahmen mit geringem Rauschen verbessern die Genauigkeit der Kanji-Auswahl bei phonemisch ähnlichen Zeichen.

4. Für Podcast-Transkription im Speziellen ist die Ausgabesprache für die weitere Verwendung entscheidend. Japanische Podcast-Shownotes und SEO schneiden in einheimischem Japanisch besser ab als eine englische Zusammenfassung, die manuell übersetzt werden muss.

5. Für Gijiroku (Besprechungsprotokolle) plane einen leichten redaktionellen Durchgang für Abschnitte mit viel Sonkeigo ein, da die formellsten Höflichkeitskonstruktionen bei Mehrsprecher-Überlappungen immer noch gelegentlich Modellfehler aufweisen.

Häufig gestellte Fragen

Welche KI-Engines liefern korrekte Kanji in japanischen Transkripten?

Whisper Large-v3, Deepgram Nova-3 und AssemblyAI Universal-3 Pro erzeugen alle gemischte Schriftausgabe mit Kanji, Hiragana und Katakana. Ältere oder kleinere Modelle fallen manchmal auf reine Hiragana-Ausgabe zurück, die technisch lesbar ist, aber nicht der tatsächlichen japanischen Schreibweise entspricht. Wenn dein Tool nur phonetische Ausgabe liefert, wechsle zu einem dieser drei.

Wie entscheidet KI, welches Kanji verwendet wird, wenn mehrere Kanji gleich klingen?

Kontext ist das primäre Signal. Das Wort „hashi" kann Brücke (橋), Essstäbchen (箸) oder Kante (端) bedeuten, je nach umgebenden Wörtern. Große Modelle, die mit genügend japanischem Text trainiert wurden, lernen diese Kollokationen gut. Kleinere Modelle machen mehr Homophon-Fehler, besonders bei seltenen Kanji-Komposita. Ein Vokabelglossar mit Namen und Fachbegriffen reduziert Fehler bei Begriffen, die das Modell möglicherweise nicht oft gesehen hat.

Bewahrt KI-Transkription die Höflichkeitsformen Keigo?

KI-Transkription bewahrt, was der Sprecher sagt, daher erscheinen Sonkeigo- und Kenjougo-Verbformen im Transkript exakt so, wie sie gesprochen wurden. Das Risiko liegt in der Fehlerkennung der Verbform selbst, nicht im Ersetzen durch eine einfache Form. Die Standard-Höflichkeitsform (Teineigo) wird zuverlässig verarbeitet. Komplexe Höflichkeitskonstruktionen in formeller Geschäfts- oder Zeremonialsprache können gelegentlich Fehler aufweisen, daher profitieren Keigo-lastige Inhalte von einem leichten redaktionellen Durchgang.

Wie genau ist japanische Transkription bei regionalen Dialekten wie Kansai-Ben?

Standard-Tokio-Japanisch (die Sprachvariante in NHK-Sendungen und den meisten Geschäftskontexten) wird am genauesten transkribiert. Der Kansai-Dialekt mit seinem charakteristischen Pitch-Akzent-Muster und Wortschatz reduziert die Genauigkeit im Vergleich zum Standardjapanisch bei den meisten Engines. Tohoku- und Kyushu-Dialekte stellen weitere Herausforderungen dar. Keine aktuelle Engine hat ein spezielles Kansai-Modell. Bei dialektlastigen Inhalten solltest du mehr Bearbeitungszeit einplanen als bei Standardjapanisch.

Welche Satzzeichen verwendet ein korrektes japanisches Transkript?

Ein korrektes japanisches Transkript verwendet 、 (Toten) als Komma, 。 (Kuten) als Punkt und 「」 für direkte Zitate. Westliche Kommas und Punkte im japanischen Text sind nicht standardgemäß. Wenn dein Tool „こんにちは, 今日は晴れです." mit westlichem Komma und Punkt zurückgibt, ist die Zeichensetzung falsch. Gut unterstützte Engines erzeugen automatisch die korrekte vollbreite japanische Interpunktion.

Kann ich KI-Zusammenfassungen auf Japanisch statt auf Englisch erhalten?

Nicht alle Tools erstellen native japanische Zusammenfassungen. Notta unterstützt japanischsprachige Zusammenfassungen als dokumentiertes Feature und hat Japanisch als einen seiner primären Zielmärkte. Otter expandierte Ende 2025 nach Japan, aber die Tiefe seiner japanischen Zusammenfassungen ist neuer als das englische Kernangebot. Trint erstellt keine japanischen Zusammenfassungen. Wenn japanischsprachige Ausgaben für Zusammenfassungen und Aktionspunkte eine Anforderung sind, prüfe die Herstellerdokumentation, bevor du dich für einen Plan entscheidest.

Quellen

• Ankündigung der Expansion von Otter.ai nach Japan (Business Wire, Oktober 2025): https://www.businesswire.com/news/home/20251022574971/en/Konnichiwa-Otter.ai-Expands-to-Japanese-Market-with-New-Japanese-Language-Support-for-AI-Meeting-Agent
• Preisseite von Otter.ai: https://otter.ai/pricing
• Preisseite von Notta: https://www.notta.ai/en/pricing
• Dokumentation zur Sprachunterstützung von Notta: https://support.notta.ai/hc/en-us/articles/4403155631131-What-languages-does-Notta-support
• Trint Preise (Capterra): https://www.capterra.com/p/179896/Trint/pricing/
• Übersicht zu Deepgram-Modellen und Sprachen: https://developers.deepgram.com/docs/models-languages-overview
• Ankündigung von Deepgram Nova-3 für mehrere Sprachen: https://deepgram.com/learn/nova-3-multilingual-major-wer-improvements-across-languages
• Unterstützte Sprachen von AssemblyAI: https://www.assemblyai.com/docs/supported-languages
• Diarisierung auf Japanisch bei AssemblyAI (Newsletter 37): https://www.assemblyai.com/blog/assemblyai-newsletter-37
• Diskussion zu japanischen Kanji im OpenAI Whisper GitHub: https://github.com/openai/whisper/discussions/204
• Kanji Dictionary Publishing Society zu japanischen Homophonen: https://kanji.org/japanese/writing/japhom.htm
• Gijiroku-Unternehmenskultur: https://kimi.wiki/work/gijiroku
• Preisseite von ConvertAudioToText: https://convertaudiototext.com/pricing