Clevercast: KI-Modelle und Technik
Welche Modelle erkennen die Sprache, trennen die Sprecher und erzeugen die Dokumente? Belegte Herstellerangaben und begründete Einschätzungen sind getrennt gekennzeichnet.
Kurzfassung
Clevercast nutzt Whisper (Einschätzung) für die Spracherkennung und kein Sprachmodell.
Clevercast verbindet KI-Spracherkennung mit Vor- und Nachverarbeitung, Untertitelformatierung und Streaming. ScribeIndex ordnet die Erkennung der Whisper-Familie zu. Dafür spricht die dokumentierte Sprachliste mit der charakteristischen Kombination aus Bretonisch, Latein, Sanskrit, Nynorsk und weiteren Whisper-Sprachen. Eine Modellversion nennt Clevercast nicht. Der Livestream wird gepuffert, damit längere Audioblöcke verarbeitet und Untertitel synchron angezeigt werden können. Für reine Live-Untertitel kann Low Latency gewählt werden. Der Anbieter beschreibt dabei einen Zielkonflikt zwischen kürzerer Übertragungsverzögerung, Erkennungsgenauigkeit und verfügbarem Korrekturfenster.
Auf einen Blick
Einordnung: Schwache Modelle- Spracherkennung: Einschätzung: Whisper · Eigener Modellabgleich, Hinweis auf Whisper
- Dokumenterstellung: Nicht vorgesehen
Was heißt „Einschätzung“? Wenn der Anbieter die genutzten Modelle nicht benennt, versucht ScribeIndex, diese aus Unterauftragsverarbeiterlisten, technischen Merkmalen oder Veröffentlichungen abzuleiten, jeweils mit Begründung und Quelle bei der Stufe. Solche Modelle bewertet ScribeIndex höchstens mit „Stark“, wie die Methodik erklärt.
Fazit zur Technik
Schwache Modelle: Die Spracherkennung schneidet nach Referenzwerten schlechter ab als der Median aktueller Modelle und hat zusätzlich einen Abzug von einer Stufe für belegte Qualitätsprobleme.
Für die Spracherkennung setzt Clevercast nach Einschätzung von ScribeIndex auf die Whisper-Familie.
Modelle der vermuteten Whisper-Familie liegen im Hugging Face Open ASR Leaderboard, Deutsch (FLEURS und Common Voice) zwischen 4 und 6,1 % WER. Der Median aller dort gemessenen Modelle liegt bei 4,1 % WER. Weil die Familie nur vermutet ist, zählt ihr mittlerer Wert. Er ist schlechter als der Median und ergibt damit „Solide“. Nach Abzug einer Stufe für belegte Qualitätsprobleme ergibt sich „Schwach“. Im Modellabgleich von ScribeIndex ähneln die deutschen Ausgaben am stärksten Whisper. Mit 53 % bleibt der Anteil aber unter der Zuordnungsschwelle von 60 %.
Clevercast gibt die erkannten Untertitel formatiert und synchronisiert aus, eine Notiz oder Zusammenfassung entsteht dabei nicht.
Im ScribeIndex-Test „Live-Untertitel“ erreicht Clevercast eine Wortfehlerrate von 9,8 %.
Verarbeitungskette
- Audio
- Spracherkennung: Whisper-Familie · Einschätzung
- Sprecherzuordnung: Nicht offengelegt
- Dokumenterstellung: Nicht vorgesehen
- Ergebnis
belegt: Angabe des Herstellers oder eines offiziellen Partners. Einschätzung: abgeleitet aus Unterauftragsverarbeiterlisten, technischen Merkmalen oder Veröffentlichungen
Welches Modell wandelt Sprache in Text um?
Mehrsprachige KI-Spracherkennung auf längeren Audioblöcken.
Whisper-Familie
Nachweis: Einschätzung · mehrere Indizien (Vom Anbieter nicht bestätigt, abgeleitet aus mehreren Hinweisen)- Anbieter: OpenAI
- Herkunft: Offenes Modell
Die veröffentlichte ASR-Sprachliste entspricht dem Sprachprofil von Whisper, einschließlich Bretonisch, Latein, Sanskrit, Nynorsk und Lingala. Zusammen mit der blockweisen Verarbeitung längerer Audioabschnitte ist das ein konkreter Hinweis auf die Whisper-Familie. Clevercast nennt keine Modellversion.
Einstufung: Schwach (Vor dem Abzug „Solide“. ScribeIndex stuft das Modell um eine Stufe herunter, die Begründung steht unter den Referenzwerten) · Vermutetes Modell
- Whisper Large v3 · Eintrag openai/whisper-large-v3: 4 % WER · Stark · Hugging Face Open ASR Leaderboard, Deutsch (FLEURS und Common Voice)
- Whisper Large v3 · ohne Streaming, fal.ai API: 4,1 % WER · Solide · AA Word Error Rate Index
- Whisper Large v2 · ohne Streaming, OpenAI API: 4,1 % WER · Solide · AA Word Error Rate Index
- Whisper Large v3 Turbo · ohne Streaming, Groq API: 4,6 % WER · Solide · AA Word Error Rate Index
- Whisper Large v3 Turbo · Eintrag openai/whisper-large-v3-turbo: 6,12 % WER · Solide · Hugging Face Open ASR Leaderboard, Deutsch (FLEURS und Common Voice)
2 weitere Referenzwerte in den Daten zu Clevercast (JSON).
ScribeIndex stuft Whisper um eine Stufe herunter. Studien belegen für Whisper erfundene Textpassagen, bei englischen Aufnahmen über die Whisper-API 2023 in rund 1 % der Transkripte und bei Whisper large-v3 in 40 % der Eingaben ohne Sprache. Solche Halluzinationen kommen natürlich bei allen Spracherkennungsmodellen vor, ausschlaggebend sind hier jedoch die eigenen Tests von ScribeIndex mit deutschen Aufnahmen, in denen Whisper hinter seinen Referenzwerten zurückbleibt. Studien: Koenecke et al. 2024, Barański et al. 2025.
Modellabgleich im 3. Quartal 2026: Kandidaten eingegrenzt. ScribeIndex hat die Ausgaben von Clevercast für 105 eigene Prüfeingaben mit den typischen Ausgaben bekannter Spracherkennungsmodelle verglichen. Bei 53 % davon ähneln sie am stärksten Whisper. Das liegt unter der Zuordnungsschwelle von 60 %. Dieser Hinweis passt zur Einschätzung, die ScribeIndex aus Angaben von Clevercast ableitet.
- Whisper 53 %
- Andere Referenzmodelle 47 %
Wie werden Sprecher getrennt und zugeordnet?
Automatische Sprechertrennung nicht benannt.
Für diesen Schritt gibt es keine öffentlich verfügbaren Referenzmodelle, gegen die der Modellabgleich prüfen könnte. Er deckt Spracherkennung und Dokumenterstellung ab.
Welches Sprachmodell erstellt Notiz, Bericht oder Zusammenfassung?
Clevercast gibt die erkannten Untertitel formatiert und synchronisiert aus, eine Notiz oder Zusammenfassung entsteht dabei nicht.
Clevercast beschreibt Vor- und Nachverarbeitung, sinnvolle Zeilenumbrüche und die synchronisierte Auslieferung im Videoplayer. Eine generative Umschreibung ist für diesen Schritt nicht beschrieben.
Welche Modelle stehen hinter Chat- und Zusatzfunktionen?
Optionale Übersetzung und automatische Vorschläge für Fachwortlisten.
Clevercast legt das Modell für diesen Schritt nicht offen.
Für diesen Schritt gibt es keine öffentlich verfügbaren Referenzmodelle, gegen die der Modellabgleich prüfen könnte. Er deckt Spracherkennung und Dokumenterstellung ab.
Wo werden die Daten verarbeitet und gespeichert?
Eigene EU-Server und globales Akamai-CDN.
Clevercast-Server und Akamai CDN
Nachweis: belegt (Vom Anbieter oder einem offiziellen Partner selbst genannt, samt Einsatzzweck)- Anbieter: Clevercast / Akamai
Die Sicherheitsseite nennt eigene Server in EU-Rechenzentren sowie Akamai für die weltweite Auslieferung. Einzelne externe ASR-Verarbeitungsregionen nennt Clevercast nicht.
Für Rechenzentren und Hosting gibt es keinen Modellleistungswert. Maßgeblich sind Verarbeitungsort und Datenschutz.
Häufige Fragen
Welches KI-Modell nutzt Clevercast?
- Für die Spracherkennung nutzt Clevercast nach Einschätzung von ScribeIndex die Whisper-Familie. Der Modellabgleich ergibt einen Hinweis auf Whisper.
- Eine Dokumenterstellung mit Sprachmodell ist bei Clevercast nicht vorgesehen.
Welches Modell wandelt bei Clevercast Sprache in Text um?
- Whisper-Familie, OpenAI, Einschätzung
Der Modellabgleich ergibt einen Hinweis auf Whisper.
Welches Sprachmodell erstellt bei Clevercast Notiz, Bericht oder Zusammenfassung?
Clevercast sieht diesen Schritt nicht vor.
Quellen
Technische Dokumentation, Unterauftragsverarbeiter, Partnerschaften und Veröffentlichungen zu Clevercast. Stand 8. Oktober 2026.
- Clevercast: Sprachen der KI-Spracherkennung docs.clevercast.com · abgerufen am 7. Oktober 2026
- Clevercast: Live-Untertitel, Pufferung und Anzeige docs.clevercast.com · abgerufen am 8. Oktober 2026
- OpenAI Whisper: Sprachliste der Modellfamilie github.com · abgerufen am 7. Oktober 2026
- Clevercast: Ereigniskonfiguration, Aufzeichnung und WebVTT docs.clevercast.com · abgerufen am 7. Oktober 2026
- Clevercast: Sicherheit, Hosting und KI-Datennutzung clevercast.com · abgerufen am 7. Oktober 2026