Wörterbuch (Custom Vocabulary)

Ein Wörterbuch (Custom Vocabulary) ist eine nutzerdefinierte Liste, die eine Spracherkennung auf bestimmte Begriffe hinlenkt. Der englische Fachbegriff dafür ist Custom Vocabulary. Ein Eintrag ist entweder eine Vokabel, die dem Modell einen Begriff bekannt macht, oder ein Korrekturpaar, das eine feste Fehlschreibung durch die gewünschte Schreibweise ersetzt. Es verbessert die Trefferquote bei Fachbegriffen, ersetzt aber keine Modell-Feinabstimmung und kein Gegenhören am Ton.

So funktioniert es

Vokabeln wirken über den Prompt, mit dem eine Spracherkennung wie Whisper gestartet wird. Radford et al. (2022) trainieren das Modell darauf, den Verlauf des bereits erkannten Texts als Kontext zu nutzen, um mehrdeutiges Audio aufzulösen. Ein Wörterbuch nutzt denselben Mechanismus rückwärts: Es stellt dem Modell einen erfundenen “bereits erkannten” Text voran, der die gewünschten Begriffe enthält, und das Modell wird dadurch anfälliger dafür, diese Begriffe auch tatsächlich zu erkennen. Die Implementierung SYSTRAN/faster-whisper dokumentiert den zugehörigen Parameter initial_prompt als optionalen Text- oder Token-String, der jedem Erkennungsfenster vorangestellt wird, daneben den Parameter hotwords für einzelne Hinweiswörter ohne diesen Kontext-Charakter.

Der Prompt hat eine feste Obergrenze. In der Diskussion zum Prompting-Verhalten von Whisper nennt radurevutchi ein Limit von rund 223 Token für kleinere Modelle (n_text_ctx // 2 beim Tiny-Modell), danach wird der Prompt vom bereits erkannten Text verdrängt. Ein Wörterbuch mit vielen Einträgen kann deshalb nicht vollständig in den Prompt passen; welche Vokabeln Vorrang haben, entscheidet die Reihenfolge der Liste. Jongwook Kim weist in derselben Diskussion darauf hin, dass das Modell den Prompt ignorieren kann, eine Aufnahme im Prompt ist keine Garantie für die Erkennung im Text.

Korrekturpaare wirken zusätzlich als zweiter Mechanismus. Sie tragen die gewünschte Schreibweise ebenfalls in den Prompt, und nach der Erkennung ersetzt memozero jedes Wort, das exakt der hinterlegten Fehlschreibung entspricht, durch die hinterlegte Korrektur. Dieser zweite Schritt greift unabhängig davon, ob der Prompt gewirkt hat, und liefert deshalb eine verlässlichere Schreibweise als eine Vokabel allein.

Bedeutung im forensischen Kontext

Ein Wörterbuch trifft in der forensischen Praxis vor allem Abkürzungen, Verfahrensbegriffe und Namen, die in einer Aufnahme wiederkehren. Oft hört das Modell solche Begriffe richtig und schreibt sie nur anders, etwa mit oder ohne Punkte. Genau diese Fälle fängt ein Korrekturpaar ab, weil es die eine gewünschte Schreibweise erzwingt, statt auf die Trefferquote des Prompts zu hoffen.

Ein Bearbeiter legt die Begriffsliste eines Verfahrens deshalb vor dem ersten Auftrag an: die Namen der Beteiligten, wiederkehrende Fachbegriffe und die im Verfahren übliche Schreibweise von Abkürzungen. Ein einzelnes Aktenzeichen gehört nicht ins Wörterbuch, es gilt nur für einen Fall und verdrängt im begrenzten Platz der Stichwortliste Begriffe, die dauerhaft gebraucht werden.

Abgrenzung

Ein Wörterbuch verändert nur den Prompt und die Ausgabe einer einzelnen Transkription, nie das Modell selbst. Eine Modell-Feinabstimmung wie die deutsche Anpassung von primeline trainiert die Gewichte des Modells neu und wirkt dauerhaft über jede Aufnahme hinweg, nicht nur über die im Prompt genannten Begriffe. Radford et al. (2022) beschreiben Whisper dagegen als Zero-Shot-Modell ohne Fein-Training auf die Zielsprache.

Ein Wörterbuch schützt auch nicht vor Halluzination in der Spracherkennung, also vor Text, den das Modell ohne Beleg in der Aufnahme erfindet. Eine schlecht ausgesteuerte oder stark verrauschte Aufnahme lässt sich damit nicht retten, weil die Ursache im Audiosignal liegt und nicht im fehlenden Vokabular. Ob ein Wörterbuch im Einzelfall hilft, zeigt sich an der Wortfehlerrate (WER) vor und nach dem Anlegen der Liste, nicht an der Zahl der eingetragenen Begriffe.

Häufige Fragen

Vokabel oder Korrekturpaar, was ist die richtige Wahl?

Eine Vokabel reicht bei einem seltenen, aber korrekt buchstabierbaren Begriff wie einem Eigennamen. Ein Korrekturpaar gehört dorthin, wo eine feste Fehlschreibung immer wiederkehrt, etwa eine Abkürzung, die das Modell regelmäßig anders trennt oder schreibt.

Kann ein Wörterbuch eine schlecht aufgenommene Datei retten?

Nein. Der Prompt gibt dem Modell nur einen Hinweis auf mögliche Begriffe, er ersetzt kein Audiosignal. Bei starkem Rauschen, Übersteuerung oder mehreren gleichzeitig sprechenden Personen bleibt das Gegenhören am Ton der einzige verlässliche Weg.

Wie viele Einträge verträgt ein Wörterbuch?

Technisch begrenzt der Prompt die Zahl der Begriffe, die tatsächlich wirken, auf wenige Hundert Zeichen. Ein Bearbeiter pflegt deshalb eine kurze, verfahrensbezogene Liste statt eines allgemeinen Nachschlagewerks.

Quellen

1. Radford, A., Kim, J. W., Xu, T., Brockman, G., McLeavey, C., Sutskever, I. (2022): Robust Speech Recognition via Large-Scale Weak Supervision. arXiv:2212.04356. https://arxiv.org/abs/2212.04356
2. SYSTRAN (2025): faster-whisper, Quellcode transcribe.py, Parameter initial_prompt und hotwords. https://github.com/SYSTRAN/faster-whisper
3. Kim, J. (2022): Prompting Whisper. Diskussion openai/whisper #117. https://github.com/openai/whisper/discussions/117
4. memozero Docs: Dialekte und Sprach-KI, Abschnitt “Individuelles Wörterbuch”. https://memozero.io/de/docs/dialekte-und-sprach-ki/