AI-Media LEXI im Test
Ergebnisse aus 2 Testreihen auf deutschsprachigen Korpora. Alle Anbieter einer Aufgabe bearbeiten dieselben Fälle nach demselben Protokoll.
Ergebnisse im Überblick
Im 3. Quartal 2026 erreicht AI-Media im ScribeIndex-Test „Untertitel für Videodateien“ 59,5 von 100 Punkten (Platz 1 von 8, 40 Videos, je 3 Durchläufe) und im Test „Live-Untertitel“ 71,0 Punkte (Platz 1 von 6, 30 Veranstaltungen, je 2 Durchläufe).
| Aufgabe | ScribeIndex-Score | Platz | Hauptkennzahl | Nacharbeit | Getestet |
|---|---|---|---|---|---|
| Untertitel für Videodateien | Spitzengruppe: 59,5 | 1 von 8 | Wortfehlerrate: 6,9 % | 30,8 min je Video | 3. Quartal 2026 |
| Live-Untertitel | Spitzengruppe: 71,0 | 1 von 6 | Wortfehlerrate: 7,4 % | 82,6 min je Veranstaltung | 3. Quartal 2026 |
AI-Media: Untertitel für Videodateien
In der Testreihe „Untertitel für Videodateien“ liegt AI-Media mit 59,5 Punkten auf Platz 1 von 8, 3,8 Punkte vor Maestra (55,7). Den Unterschied machen vor allem der Anteil zeitlich passender Untertitel (80,0 % bei AI-Media gegenüber 77,0 % bei Maestra) und der Anteil lesbarer Untertitel (81,9 % gegenüber 80,4 %). Die Wortfehlerrate liegt bei 6,9 % (95-%-Konfidenzintervall 6,3–7,4 %). Zum einmaligen Abspielen mit Untertiteln kommen nach Schätzung von ScribeIndex im Schnitt 30,8 Minuten Nacharbeit je Video hinzu, bei einer durchschnittlichen Aufnahmedauer von 20,2 Minuten.
Einordnung: Spitzengruppe · ScribeIndex-Score 59,5 / 100 · 95-%-Intervall 56,3–62,6 · Platz 1 von 8
Bester Score der Testreihe.
Wortfehlerrate (WER) (Platz 1 von 8): 6,9 % · 95-%-Intervall 6,3–7,4 % · 19.782 Wortfehler von 287.784 Referenzwörtern
Schwächster Wert: 9,8 % · Median (8 Anbieter): 7,9 % · Bester Wert: 6,9 %
Ersetzungen, Auslassungen und Einfügungen je Referenzwort nach Normalisierung.
Nacharbeit je Video (Platz 1 von 8): 30,8 min · 95-%-Intervall 28,2–33,5 min
Schwächster Wert: 43,7 min · Median (8 Anbieter): 37,3 min · Bester Wert: 30,8 min
Geschätzte Nacharbeit bis zur Zielfassung je Video, bei durchschnittlich 20,2 Minuten Aufnahme. Nicht enthalten ist das einmalige Abspielen der Aufnahme mit den Untertiteln, das auch von Hand erstellte Untertitel brauchen. Auf eine Stunde Aufnahme gerechnet sind das 91,5 Minuten.
Verarbeitungszeit (Median) (Platz 8 von 8): 1.211 s · Niedriger ist besser
Schwächster Wert: 1.211 s · Median (8 Anbieter): 261 s · Bester Wert: 174 s
Gemessen von „Uploadstart“ bis „Vollständiger Export verfügbar“. Platz und Vergleichswerte nur unter Diensten derselben Messstrecke.
Mittlere Zeitabweichung (Platz 1 von 8): 238 ms · 95-%-Intervall 226–250 ms · n = 29.319, Mittelwert
Schwächster Wert: 320 ms · Median (8 Anbieter): 287 ms · Bester Wert: 238 ms
Mittel der absoluten Abweichung der äußeren Start- und Endgrenzen von den zugeordneten Referenzsegmenten, gewichtet je Referenzsegment.
So setzt sich der ScribeIndex-Score zusammen
| Teilwert | Punkte | Gewicht | Beitrag |
|---|---|---|---|
| Inhaltsqualität | 56,5 | 75 % | 42,4 |
| Korrekturaufwand | 60,7 | 20 % | 12,1 |
| Abschlussquote | 100,0 | 5 % | 5,0 |
| ScribeIndex-Score | 100 % | 59,5 |
Die Qualitätsformel besteht zu 50 % aus der Erkennung (100 minus WER) mit 93,1 Punkten, zu 30 % aus dem Timing mit 80,0 Punkten und zu 20 % aus der Lesbarkeit mit 81,9 Punkten. Sie ergibt 86,95 von 100, also 13,05 Punkte weniger als ein fehlerfreies Ergebnis. Bei 30 Punkten Abstand fällt die Inhaltsqualität auf null, hier liegt sie deshalb bei 56,5 von 100 Punkten.
Die Beiträge entstehen aus ungerundeten Teilwerten. Deshalb kann die Summe der angezeigten Werte um 0,1 vom Score abweichen. Bewertungsmodell 2.2. Formel und Skalierung
Testbedingungen
- Korpus: Deutsche Videountertitel
- Fälle: 40 Szenarien × 3 Durchläufe
- Abgeschlossen: 120 von 120 Läufen
- Testweg: Datei-Upload
- Bewertete Ausgabe: Video-Untertitel
- Getestete Version: AI-Media LEXI Recorded, deutsche Originaluntertitel, Stand 3. Quartal 2026
- Protokoll und Zeitraum: Version 1.0, getestet im 3. Quartal 2026
Alle Kennzahlen
AI-Media LEXI erreicht im Test „Untertitel für Videodateien“ 59,5 von 100 Punkten. Wortfehlerrate (WER) 6,9 % (95-%-Konfidenzintervall 6,3–7,4 %). Getestet wurden 40 Szenarien mit je 3 Durchläufen, 120 von 120 Läufen wurden abgeschlossen. Korpus de-untertitel-v1, Protokoll 1.0, getestet im 3. Quartal 2026.
| Kennzahl | Wert | Zählung und Bedeutung | 95-%-Intervall |
|---|---|---|---|
| ScribeIndex-Score | 59,5 / 100 | Gewichteter Gesamtwert aus Inhaltsqualität, Nacharbeit und Abschlussquote, Bewertungsmodell 2.2. | 56,3–62,6 |
| Wortfehlerrate (WER) | 6,9 % | 19.782 Wortfehler von 287.784 Referenzwörtern. | 6,3–7,4 |
| Nacharbeit je Video | 30,8 min | Erläuterung weiter oben. | 28,2–33,5 |
| Verarbeitungszeit (Median) | 1.211 s | Erläuterung weiter oben. | – |
| Zeichenfehlerrate · CER | 2,9 % | 53.579 Zeichenabweichungen von 1.860.348 Referenzzeichen. Zeichenabweichungen pro Referenzzeichen nach NFC-Normalisierung, einheitlicher Groß- und Kleinschreibung, entfernten Satzzeichen und zu einem Leerzeichen zusammengefasstem Leerraum. Leerzeichen zählen als Zeichen. | 2,7–3,1 |
| Zeitlich passende Untertitel | 80,0 % | 23.557 zeitlich passend untertitelte Referenzsegmente von 29.448 Referenzsegmenten. Vollständig abgedeckte Referenzsegmente, bei denen der früheste Beginn und das späteste Ende der zugeordneten Untertitel jeweils höchstens 200 ms von der Referenz abweichen. Fehlende Segmente zählen als nicht passend. | 77,4–82,4 (Wilson mit Designeffekt) |
| Lesbare Untertitel | 81,9 % | 24.132 lesbar untertitelte Referenzsegmente von 29.448 Referenzsegmenten. Vollständig abgedeckte Referenzsegmente mit höchstens 2 Zeilen, 42 Zeichen je Zeile und 17 Zeichen je Sekunde in allen zugeordneten Ausgabesegmenten. | 79,9–83,8 (Wilson mit Designeffekt) |
| Mittlere Zeitabweichung | 238 ms | n = 29.319, Mittelwert. Erläuterung weiter oben. | 226–250 |
| Mittlere Lesegeschwindigkeit | 14,4 Zeichen/s | n = 32.546, Mittelwert. Sichtbare Zeichen einschließlich Leerzeichen innerhalb der Zeilen, geteilt durch die jeweilige Standzeit, je ausgegebenem Untertitel, gemittelt über alle ausgegebenen Untertitel. | 13,8–15,0 |
| Mittlere Zeilenlänge | 34,4 Zeichen/Zeile | n = 54.918, Mittelwert. Mittlere Zahl sichtbarer Unicode-Zeichen je ausgegebener Untertitelzeile. | 34,1–34,8 |
| Verarbeitungszeit (95. Perzentil) | 3.512 s | 95 % der erfolgreichen Läufe waren nach dieser Zeit fertig. | – |
| Abschlussquote | 100,0 % | 120 von 120 gestarteten Läufen abgeschlossen. Anteil der Läufe mit verwertbarem Ergebnis. | – |
Verarbeitungszeit
- Median (p50): 1.211 s
- 95. Perzentil (p95): 3.512 s
- Testweg: Datei-Upload
- Messstrecke: Von „Uploadstart“ bis „Vollständiger Export verfügbar“
Über alle abgeschlossenen Läufe. p95 zeigt die Dauer, die 95 % der Läufe nicht überschreiten. Median und p95 beschreiben die Verteilung der Messwerte und sind kein Konfidenzintervall.
Geschätzte Nacharbeit
- Je Video: 30,8 min (Ø 20,2 min Aufnahme)
- Je Stunde Aufnahme: 91,49 min
- 95-%-Intervall je Stunde: 83,78–99,59 min
- Geschätzte Nacharbeit gesamt: 3.698,00 min
- Audiodauer aller Ausgaben: 40 h 25 min (40,420 h)
- Ausgaben: 120, alle abgeschlossenen Läufe
Geschätzt aus den gezählten Fehlern aller abgeschlossenen Ausgaben, mit festen Zeiten je Korrekturschritt, die für alle Dienste gleich sind. Die Rate je Stunde ist die Nacharbeit gesamt ÷ Audiostunden und lässt sich aus den angezeigten Minuten und den Stunden in Klammern genau nachrechnen.
Wortvergleich
WER: Vergleichbar- Wortfehlerrate (WER): 6,9 % · 95-%-Intervall 6,3–7,4 %
- Ersetzungen (S): 10.520
- Auslassungen (D): 5.216
- Einfügungen (I): 4.046
- Referenzwörter (N): 287.784
- Zeichenfehlerrate (CER): 2,9 %
WER wird aus dem zusammengeführten Text der exportierten SRT- oder WebVTT-Datei gegen die normalisierte Referenz berechnet. Zeitmarken und Segmentnummern zählen nicht. WER = (S + D + I) ÷ N × 100, gezählt über alle abgeschlossenen Läufe.
Fehler nach Typ
| Fehlertyp | Anzahl | Anteil am häufigsten Fehlertyp | Bedeutung |
|---|---|---|---|
| Ersetzungen | 10.520 (3,7 % der Referenzwörter) | 100 % | Ein Referenzwort wird durch ein anderes Wort ersetzt (S), etwa „heute“ statt „morgen“. |
| Auslassungen | 5.216 (1,8 % der Referenzwörter) | 50 % | Ein Referenzwort fehlt in der Ausgabe (D), etwa „seit“ statt „seit gestern“. Gezählt werden Wörter, nicht fehlende Inhalte. |
| Einfügungen | 4.046 (1,4 % der Referenzwörter) | 38 % | Die Ausgabe enthält ein Wort, das in der Referenz nicht vorkommt (I). |
Gezählt werden Wörter nach Normalisierung über alle abgeschlossenen Läufe.
Abgeschlossene Läufe: 120 von 120 (100,0 %)
Alle 120 Läufe lieferten ein auswertbares Ergebnis.
Konfiguration im Test
- Produktversion: AI-Media LEXI Recorded, deutsche Originaluntertitel, Stand 3. Quartal 2026
- Modellversion: Vom Anbieter nicht ausgewiesen
- Sprache: Deutsch (de-DE)
- Vorlage: Keine Dokumentvorlage, nur der Arbeitsauftrag
- Arbeitsauftrag: Untertitel für Videodateien, Version 1.0
- Eigener Wortschatz: Nicht hinterlegt
- Audioeingang: MP4-Dateiupload im Recorded-Portal
- Ausgabesprache: Deutsch
- Modus: LEXI Recorded
- Verarbeitung: Automatische Dateiverarbeitung ohne menschliche Nachbearbeitung
- Übersetzung: Nein
- Einträge im eigenen Wortschatz: 0
- Exportformat: SRT
- Manuelle Nachkorrektur: Nein
- Auswertung: Version 1.0
- Textnormalisierung: de-subtitle-wer, Version 1.0
- Bewertungsrubrik: Keine, da kein Faktenabgleich
Korpus, Ausschlüsse und Prüfsummen
Vierzig deutschsprachige Videos aus Interview, Tutorial, Vortrag und Reportage. Bewertet werden die exportierten SRT- oder WebVTT-Dateien nach Sprachinhalt, zeitlicher Abdeckung und Lesbarkeit, ohne Übersetzung.
- Korpus: Deutsche Videountertitel (
de-untertitel-v1, Version 1.0) - Szenarien: 40 aufgenommen, 40 ausgewertet, je 3 Läufe
- Audio gesamt: 13 h 28 min, je Fall 3 min bis 59 min (Median 18 min)
- Sprecher je Fall: 1 bis 2
- Videoart: Interview (12), Tutorial (12), Vortrag (10), Reportage (6)
- Aussprache: Standarddeutsch (20), Regional (Deutschland) (8), Österreichisch (6), Schweizerisch gefärbt (6)
- Bildformat: 1920 × 1080, 25 Bilder/s (40)
- Audioformate: H.264 MP4, AAC-LC, 48 kHz, 2 Kanäle
- Referenz: Version 1.0: 95.928 Wörter, 620.116 Zeichen
- Annotierte Einheiten: Referenz-Untertitelsegmente 9.816
- Referenzprüfung: Der Wortlaut entsteht als Sprechvorlage vor der Aufnahme, die Zeitgrenzen erst an der Aufnahme. Nach der Aufnahme wird die Vorlage automatisch mit dem Gesprochenen abgeglichen, abweichende Stellen werden an der Aufnahme geprüft und die Referenz vor den Anbieterdurchläufen eingefroren.
- Zeitraum der Testreihe: 2. und 3. Quartal 2026 für alle Dienste, Korpus vor dem ersten Lauf eingefroren
- SHA-256 Manifest:
a35c5ee698d61b365b97c82257195aeb72edbd47eab9da548608335d37899941 - SHA-256 Referenz:
6ec7f71b2989eb19791326360ba6649b7c8c020915a316303d8763a8f58b2d45
Unsicherheit und Berechnung
- Verfahren: Gepaarter Cluster-Bootstrap, Konfidenzniveau 95 %, Perzentilintervall. Anteile aus Zählern erhalten ein Wilson-Intervall mit Designeffekt
- Cluster: 40 Cluster, Einheit Szenario. Alle Läufe eines Szenarios bleiben im selben Cluster.
- Wiederholungen: 2.000 Bootstrap-Stichproben, Seed 1605653364
- Aggregation: Zähler aller abgeschlossenen Läufe werden gepoolt. Kennzahlen entstehen aus Summen, nicht aus Mittelwerten je Fall.
- Gepaarte Stichprobe: Alle Anbieter dieses Korpus nutzen dieselben Bootstrap-Stichproben. SHA-256 der Ziehungsliste:
22c41832e7f4054b58c4911e41b1b961649b0482f9f511ad72891e68023bafbc - Wörter: WER = (10.520 + 5.216 + 4.046) ÷ 287.784 × 100 = 6,9 %
- ScribeIndex-Score: 95-%-Intervall 56,3–62,6 Punkte, je Bootstrap-Stichprobe aus dem vollständigen Score neu berechnet. Wie das Score-Intervall entsteht
Rangliste Untertitel für Videodateien
Sortiert nach ScribeIndex-Score.
- Platz 1: AI-Media 59,5
- Platz 2: Maestra im Test 55,7
- Platz 3: HappyScribe im Test 52,8
- Platz 4: Amberscript im Test 48,8
- Platz 5: Sonix im Test 47,4
- Platz 6: Clevercast im Test 45,2
- Platz 7: VEED im Test 43,9
- Platz 8: Kapwing im Test 38,9
AI-Media: Live-Untertitel
In der Testreihe „Live-Untertitel“ liegt AI-Media mit 71,0 Punkten auf Platz 1 von 6, 6,9 Punkte vor Clevercast (64,1). Den Unterschied machen vor allem die Wortfehlerrate (7,4 % bei AI-Media gegenüber 9,8 % bei Clevercast) und der Anteil rechtzeitig angezeigter Wörter (92,3 % gegenüber 89,2 %). Zum einmaligen Abspielen mit Untertiteln kommen nach Schätzung von ScribeIndex im Schnitt 82,6 Minuten Nacharbeit je Veranstaltung hinzu, bei einer durchschnittlichen Aufnahmedauer von 35,5 Minuten.
Einordnung: Spitzengruppe · ScribeIndex-Score 71,0 / 100 · 95-%-Intervall 69,5–72,7 · Platz 1 von 6
Bester Score der Testreihe.
Wortfehlerrate (WER) (Platz 1 von 6): 7,4 % · 95-%-Intervall 6,8–8,0 % · 22.258 Wortfehler von 299.308 Referenzwörtern
Schwächster Wert: 9,8 % · Median (6 Anbieter): 8,5 % · Bester Wert: 7,4 %
Nacharbeit je Veranstaltung (Platz 1 von 6): 82,6 min · 95-%-Intervall 78,5–86,4 min
Schwächster Wert: 98,9 min · Median (6 Anbieter): 92,4 min · Bester Wert: 82,6 min
Geschätzte Nacharbeit bis zur Zielfassung je Veranstaltung, bei durchschnittlich 35,5 Minuten Aufnahme. Gemeint ist die Nachbearbeitung der Untertiteldatei, die nach der Übertragung für die Aufzeichnung bleibt. Auf eine Stunde Aufnahme gerechnet sind das 139,8 Minuten.
Zeitversatz (Median) (Platz 4 von 6): 1,3 s · Niedriger ist besser
Schwächster Wert: 2,1 s · Median (6 Anbieter): 1,3 s · Bester Wert: 1,1 s
Median des absoluten Abstands zwischen „Wortende im Ton beim Publikum“ und „Erste Anzeige des Wortes in endgültiger Form“.
So setzt sich der ScribeIndex-Score zusammen
| Teilwert | Punkte | Gewicht | Beitrag |
|---|---|---|---|
| Inhaltsqualität | 74,8 | 75 % | 56,1 |
| Korrekturaufwand | 49,4 | 20 % | 9,9 |
| Abschlussquote | 100,0 | 5 % | 5,0 |
| ScribeIndex-Score | 100 % | 71,0 |
Die Qualitätsformel besteht zu 50 % aus der Erkennung (100 minus WER) mit 92,6 Punkten, zu 30 % aus rechtzeitiger Anzeige mit 92,3 Punkten und zu 20 % aus stabiler Anzeige mit 92,3 Punkten. Sie ergibt 92,45 von 100, also 7,55 Punkte weniger als ein fehlerfreies Ergebnis. Bei 30 Punkten Abstand fällt die Inhaltsqualität auf null, hier liegt sie deshalb bei 74,8 von 100 Punkten.
Die Beiträge entstehen aus ungerundeten Teilwerten. Deshalb kann die Summe der angezeigten Werte um 0,1 vom Score abweichen. Bewertungsmodell 2.2. Formel und Skalierung
Testbedingungen
- Korpus: Deutsche Live-Untertitel
- Fälle: 30 Szenarien × 2 Durchläufe
- Abgeschlossen: 60 von 60 Läufen
- Testweg: Live-Übertragung
- Bewertete Ausgabe: Live-Untertitel
- Getestete Version: AI-Media LEXI Text mit Ai-Live, deutsche Originaluntertitel, Stand 3. Quartal 2026
- Protokoll und Zeitraum: Version 1.0, getestet im 3. Quartal 2026
Alle Kennzahlen
AI-Media LEXI erreicht im Test „Live-Untertitel“ 71,0 von 100 Punkten. Wortfehlerrate (WER) 7,4 % (95-%-Konfidenzintervall 6,8–8,0 %). Getestet wurden 30 Szenarien mit je 2 Durchläufen, 60 von 60 Läufen wurden abgeschlossen. Korpus de-live-untertitel-v1, Protokoll 1.0, getestet im 3. Quartal 2026.
| Kennzahl | Wert | Zählung und Bedeutung | 95-%-Intervall |
|---|---|---|---|
| ScribeIndex-Score | 71,0 / 100 | Gewichteter Gesamtwert aus Inhaltsqualität, Nacharbeit und Abschlussquote, Bewertungsmodell 2.2. | 69,5–72,7 |
| Wortfehlerrate (WER) | 7,4 % | 22.258 Wortfehler von 299.308 Referenzwörtern. | 6,8–8,0 |
| Nacharbeit je Veranstaltung | 82,6 min | Erläuterung weiter oben. | 78,5–86,4 |
| Zeitversatz (Median) | 1,3 s | Erläuterung weiter oben. | – |
| Zeichenfehlerrate · CER | 3,2 % | 62.433 Zeichenabweichungen von 1.938.614 Referenzzeichen. | 3,0–3,5 |
| Rechtzeitig angezeigte Wörter | 92,3 % | 276.408 rechtzeitig angezeigte Wörter von 299.308 Referenzwörtern. Referenzwörter, deren endgültige Form höchstens 3 Sekunden vor oder nach dem Wortende im Ton beim Publikum erstmals angezeigt wird, pro Referenzwort. Fehlende und falsch erkannte Wörter zählen als nicht rechtzeitig. | 91,4–93,2 (Wilson mit Designeffekt) |
| Stabil angezeigte Wörter | 92,3 % | 276.301 stabil angezeigte Wörter von 299.308 Referenzwörtern. Referenzwörter, die ab ihrer ersten Anzeige unverändert in endgültiger Form stehen, pro Referenzwort. Vorher anders angezeigte, später umgeschriebene oder entfernte sowie fehlende und falsch erkannte Wörter zählen als nicht stabil. | 91,3–93,3 (Wilson mit Designeffekt) |
| Mittlere Übertragungsverzögerung | keine | n = 299.308 Wörter, alle ohne Verzögerung. Mittlere Zeit vom Wortende im Eingangston bis zum Wortende im Ton beim Publikum. Gewichtet wird je Referenzwort. Bei unverzögerter Audioausgabe beträgt sie null. | – |
| Zeitversatz (95. Perzentil) | 2,8 s | Bei 95 % der korrekt erkannten Wörter betrug der absolute Zeitversatz höchstens diesen Wert. Verglichen werden „Wortende im Ton beim Publikum“ und „Erste Anzeige des Wortes in endgültiger Form“. | – |
| Abschlussquote | 100,0 % | 60 von 60 gestarteten Läufen abgeschlossen. | – |
Zeitversatz
- Median (p50): 1,3 s
- 95. Perzentil (p95): 2,8 s
- Testweg: Live-Übertragung
- Messstrecke: Absoluter Abstand zwischen „Wortende im Ton beim Publikum“ und „Erste Anzeige des Wortes in endgültiger Form“
Über alle korrekt erkannten Wörter der abgeschlossenen Läufe, Audio in Echtzeit zugespielt. p95 ist der Zeitversatz, den 95 % dieser Wörter nicht überschreiten, gemessen als absoluter Abstand zum Wortende im Ton beim Publikum. Median und p95 beschreiben die Verteilung der Messwerte und sind kein Konfidenzintervall.
Geschätzte Nacharbeit
- Je Veranstaltung: 82,6 min (Ø 35,5 min Aufnahme)
- Je Stunde Aufnahme: 139,79 min
- 95-%-Intervall je Stunde: 132,85–146,24 min
- Geschätzte Nacharbeit gesamt: 4.955,53 min
- Audiodauer aller Ausgaben: 35 h 27 min (35,451 h)
- Ausgaben: 60, alle abgeschlossenen Läufe
Geschätzt aus den gezählten Fehlern aller abgeschlossenen Ausgaben, mit festen Zeiten je Korrekturschritt, die für alle Dienste gleich sind. Die Rate je Stunde ist die Nacharbeit gesamt ÷ Audiostunden und lässt sich aus den angezeigten Minuten und den Stunden in Klammern genau nachrechnen.
Wortvergleich
WER: Vergleichbar- Wortfehlerrate (WER): 7,4 % · 95-%-Intervall 6,8–8,0 %
- Ersetzungen (S): 11.534
- Auslassungen (D): 6.184
- Einfügungen (I): 4.540
- Referenzwörter (N): 299.308
- Zeichenfehlerrate (CER): 3,2 %
WER wird aus dem endgültigen Stand der angezeigten Untertitel gegen die normalisierte Referenz berechnet. Zwischenstände der Anzeige gehen in die Stabilität ein, nicht in die WER. WER = (S + D + I) ÷ N × 100, gezählt über alle abgeschlossenen Läufe.
Fehler nach Typ
| Fehlertyp | Anzahl | Anteil am häufigsten Fehlertyp | Bedeutung |
|---|---|---|---|
| Ersetzungen | 11.534 (3,9 % der Referenzwörter) | 100 % | Ein Referenzwort wird durch ein anderes Wort ersetzt (S), etwa „heute“ statt „morgen“. |
| Auslassungen | 6.184 (2,1 % der Referenzwörter) | 54 % | Ein Referenzwort fehlt in der Ausgabe (D), etwa „seit“ statt „seit gestern“. Gezählt werden Wörter, nicht fehlende Inhalte. |
| Einfügungen | 4.540 (1,5 % der Referenzwörter) | 39 % | Die Ausgabe enthält ein Wort, das in der Referenz nicht vorkommt (I). |
Gezählt werden Wörter nach Normalisierung über alle abgeschlossenen Läufe.
Abgeschlossene Läufe: 60 von 60 (100,0 %)
Alle 60 Läufe lieferten ein auswertbares Ergebnis.
Konfiguration im Test
- Produktversion: AI-Media LEXI Text mit Ai-Live, deutsche Originaluntertitel, Stand 3. Quartal 2026
- Modellversion: Vom Anbieter nicht ausgewiesen
- Sprache: Deutsch (de-DE)
- Vorlage: Keine Dokumentvorlage, nur der Arbeitsauftrag
- Arbeitsauftrag: Live-Untertitel, Version 1.0
- Eigener Wortschatz: Nicht hinterlegt
- Audioeingang: Virtueller Mikrofoneingang als Mikrofon der Ai-Live-Browsersitzung
- Ausgabesprache: Deutsch
- Übersetzung: Nein
- Einträge im eigenen Wortschatz: 0
- Menschliche Live-Korrektur: Nein
- Spracherkennungsdienst: Speechmatics
- Zusätzliche Videoverzögerung in Sekunden: 0
- Anzeige: Deutsche Originaluntertitel im Ai-Live Caption Viewer
- Ausgabe aufzeichnen: Ja
- Quelle für die Nacharbeit: Originaltranskript und aufgezeichnete Anzeigeereignisse
- Erfassung: Ereignisprotokoll der angezeigten Untertitel
- Auswertung: Version 1.0
- Textnormalisierung: de-subtitle-wer, Version 1.0
- Bewertungsrubrik: Keine, da kein Faktenabgleich
Korpus, Ausschlüsse und Prüfsummen
Dreißig deutschsprachige Aufnahmen aus Vortrag, Webinar, Podiumsdiskussion und Pressekonferenz, in Echtzeit eingespielt. Bewertet werden der endgültige Untertiteltext, nachträgliche Änderungen der Anzeige und der Zeitversatz je Wort zum Ton beim Publikum. Die Übertragungsverzögerung wird separat erfasst und zählt nicht. Übersetzung gehört nicht dazu.
- Korpus: Deutsche Live-Untertitel (
de-live-untertitel-v1, Version 1.0) - Szenarien: 30 aufgenommen, 30 ausgewertet, je 2 Läufe
- Audio gesamt: 17 h 44 min, je Fall 8 min bis 1 h 29 min (Median 29 min)
- Sprecher je Fall: 1 bis 5
- Format: Vortrag (10), Webinar (8), Podiumsdiskussion (7), Pressekonferenz (5)
- Aussprache: Standarddeutsch (16), Regional (Deutschland) (6), Österreichisch (4), Schweizerisch gefärbt (4)
- Einspielung: Echtzeit über virtuellen Audioeingang (30)
- Audioformate: PCM 24 Bit (WAV), 48 kHz, mono
- Aufbereitung:
- Einspielung der Aufnahme in Echtzeit als Audioquelle der Live-Sitzung über einen virtuellen Audioeingang mit −20 dBFS RMS
- Referenz: Version 1.0: 149.654 Wörter, 969.307 Zeichen
- Annotierte Einheiten: Referenzwörter mit Zeitgrenze 149.654
- Referenzprüfung: Der Wortlaut entsteht als Sprechvorlage vor der Aufnahme, die Zeitgrenzen erst an der Aufnahme. Nach der Aufnahme wird die Vorlage automatisch mit dem Gesprochenen abgeglichen, abweichende Stellen werden an der Aufnahme geprüft und die Referenz vor den Anbieterdurchläufen eingefroren.
- Zeitraum der Testreihe: 2. und 3. Quartal 2026 für alle Dienste, Korpus vor dem ersten Lauf eingefroren
- SHA-256 Manifest:
82acc1a0ff5f8f62ab47815747ab1a96383fb705780eb9597c1d3c51a6b044aa - SHA-256 Referenz:
12f7090789671983e962a05c01cb6abb03849e6536dc9afde6de15f11454f43b
Unsicherheit und Berechnung
- Verfahren: Gepaarter Cluster-Bootstrap, Konfidenzniveau 95 %, Perzentilintervall. Anteile aus Zählern erhalten ein Wilson-Intervall mit Designeffekt
- Cluster: 30 Cluster, Einheit Szenario. Alle Läufe eines Szenarios bleiben im selben Cluster.
- Wiederholungen: 2.000 Bootstrap-Stichproben, Seed 3355895643
- Aggregation: Zähler aller abgeschlossenen Läufe werden gepoolt. Kennzahlen entstehen aus Summen, nicht aus Mittelwerten je Fall.
- Gepaarte Stichprobe: Alle Anbieter dieses Korpus nutzen dieselben Bootstrap-Stichproben. SHA-256 der Ziehungsliste:
0f26e97bd0626cfdf95f5dee7a05315be56e31165714a518399326f79379755a - Wörter: WER = (11.534 + 6.184 + 4.540) ÷ 299.308 × 100 = 7,4 %
- ScribeIndex-Score: 95-%-Intervall 69,5–72,7 Punkte, je Bootstrap-Stichprobe aus dem vollständigen Score neu berechnet. Wie das Score-Intervall entsteht
Rangliste Live-Untertitel
Sortiert nach ScribeIndex-Score.
- Platz 1: AI-Media 71,0
- Platz 2: Clevercast im Test 64,1
- Platz 3: SyncWords im Test 62,5
- Platz 4: Interprefy im Test 60,9
- Platz 5: Wordly im Test 53,4
- Platz 6: Maestra im Test 48,0
Daten zu dieser Seite
Maschinenlesbar mit Zählern, Nennern und Intervallen. Frei nutzbar mit Quellenangabe. Zitierweise und Lizenz
So testet ScribeIndex
Jede Testreihe nutzt einen festen deutschsprachigen Korpus mit geprüften, vor dem ersten Lauf eingefrorenen Referenzen. Bewertet wird automatisch nach festen Regeln, unklare Zuordnungen werden anhand der Aufnahme fachlich geprüft. Jeder Fall läuft zwei- bis dreimal. Die Konfidenzintervalle von Score, Hauptkennzahl und weiteren Fehlerraten stammen aus einem gepaarten Bootstrap über die Szenarien, sodass alle Anbieter auf denselben Stichproben verglichen werden. Anteile aus Zählern erhalten ein Wilson-Intervall mit Designeffekt. Der ScribeIndex-Score ist ein gewichteter Gesamtwert aus Inhaltsqualität, Nacharbeit und Abschlussquote. Die Rangliste ordnet nach diesem Punktwert.
Für das Score-Intervall wird in jeder Bootstrap-Stichprobe der vollständige Score mit den Gewichten des Bewertungsmodells neu berechnet. Weil alle Dienste einer Testreihe dieselben Stichproben nutzen, lassen sich auch Scoredifferenzen gepaart auswerten.