VEED: 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
VEED nutzt AssemblyAI für die Spracherkennung und kein Sprachmodell.
AssemblyAI liefert laut VEED die Transkription im Webeditor. Die Sprechertrennung ordnet ScribeIndex demselben Dienst zu. VEED kombiniert Erkennung, Zeitbezug und Segmentierung mit einer eigenen C++-Renderpipeline. Die Plattformserver liegen laut Sicherheits-FAQ in der EU bei Google Cloud.
Auf einen Blick
Einordnung: Solide Modelle- Spracherkennung: AssemblyAI · Eigener Modellabgleich: AssemblyAI Universal
- 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
Solide Modelle: Die Spracherkennung ist nach Referenzwerten mindestens so gut wie der Median aktueller Modelle, hat aber einen Abzug von einer Stufe für belegte Qualitätsprobleme.
Für die Spracherkennung setzt VEED auf AssemblyAI (Universal-Familie).
Modelle dieser Familie liegen im Hugging Face Open ASR Leaderboard, Deutsch (FLEURS und Common Voice) zwischen 2,4 und 2,6 % WER. Der Median aller dort gemessenen Modelle liegt bei 4,1 % WER. Weil offen ist, welches Modell dieser Familie VEED einsetzt, zählt ihr mittlerer Wert. Er ist mindestens so gut wie der Median und ergibt damit „Stark“. Nach Abzug einer Stufe für belegte Qualitätsprobleme ergibt sich „Solide“. Der Modellabgleich von ScribeIndex ordnet die deutschen Ausgaben AssemblyAI Universal zu.
VEED gibt den erkannten Text als zeitlich segmentierte Untertitel aus oder rendert ihn ins Video, eine Notiz oder Zusammenfassung entsteht dabei nicht.
Damit verarbeitet ein externer KI-Dienst die Gesprächsinhalte (AssemblyAI). Welche Regionen und Verträge dafür gelten, steht im Datenschutzprofil.
Im ScribeIndex-Test „Untertitel für Videodateien“ erreicht VEED eine Wortfehlerrate von 7,8 %.
Verarbeitungskette
- Audio
- Spracherkennung: AssemblyAI (Universal-Familie) · belegt
- Sprecherzuordnung: AssemblyAI Speaker Diarization · Einschätzung
- 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?
Cloud-ASR mit AssemblyAI Universal.
AssemblyAI (Universal-Familie)
Nachweis: belegt (Vom Anbieter oder einem offiziellen Partner selbst genannt, samt Einsatzzweck)- Anbieter: AssemblyAI
- Herkunft: Drittanbieter-API
VEED bezeichnet AssemblyAI ausdrücklich als Transkriptionszulieferer des Onlineeditors. Der AssemblyAI-Kundenbericht nennt die Universal-Familie. Eine Modellversion für Deutsch nennt VEED nicht.
Einstufung: Solide (Vor dem Abzug „Stark“. ScribeIndex stuft das Modell um eine Stufe herunter, die Begründung steht unter den Referenzwerten) · Referenz der Modellfamilie
- AssemblyAI Universal-3.5 Pro · Eintrag assemblyai/universal-3-5-pro: 2,43 % WER · Spitzenklasse · Hugging Face Open ASR Leaderboard, Deutsch (FLEURS und Common Voice)
- AssemblyAI Universal-3 Pro · Eintrag assemblyai/universal-3-pro: 2,59 % WER · Stark · Hugging Face Open ASR Leaderboard, Deutsch (FLEURS und Common Voice)
- AssemblyAI Universal-3.5 Pro · ohne Streaming: 3 % WER · Stark · AA Word Error Rate Index
- AssemblyAI Universal-3 Pro · ohne Streaming, AssemblyAI API: 3,1 % WER · Stark · AA Word Error Rate Index
- AssemblyAI Universal · ohne Streaming, AssemblyAI API: 3,8 % WER · Stark · AA Word Error Rate Index
3 weitere Referenzwerte in den Daten zu VEED (JSON).
Für das eingesetzte Modell gibt es keinen eigenen Referenzwert. Die Werte zeigen die Spannweite der Modelle dieser Familie. ScribeIndex stuft AssemblyAI um eine Stufe herunter. Die deutschen Referenzwerte von AssemblyAI stammen aus vorgelesenen Einzelsätzen und einer Studie mit vier simulierten Anamnesegesprächen. Vorgelesene Sätze sind natürlich für jedes Modell leichter als freie Gespräche, und vier Gespräche sind eine sehr kleine Stichprobe. Ausschlaggebend sind hier jedoch die eigenen Tests von ScribeIndex mit deutschen Aufnahmen, in denen AssemblyAI hinter diesen Werten zurückbleibt.
Modellabgleich im 2. Quartal 2026: Modell zugeordnet. ScribeIndex hat die Ausgaben von VEED für 100 eigene Prüfeingaben mit den typischen Ausgaben bekannter Spracherkennungsmodelle verglichen. Bei 66 % davon ähneln sie am stärksten AssemblyAI Universal. Das passt zur Angabe von VEED. Version und Anpassungen bestimmt der Abgleich nicht.
- AssemblyAI Universal 66 %
- Andere Referenzmodelle 34 %
Wie werden Sprecher getrennt und zugeordnet?
Sprechererkennung ab Pro.
AssemblyAI Speaker Diarization
Nachweis: Einschätzung · mehrere Indizien (Vom Anbieter nicht bestätigt, abgeleitet aus mehreren Hinweisen)- Anbieter: AssemblyAI
- Herkunft: Drittanbieter-API
VEED nennt Detect Speakers und AssemblyAI als Transkriptionszulieferer. Die Sprechertrennung läuft deshalb ebenfalls über AssemblyAI, dessen Diarisierung im selben Herstellerartikel beschrieben ist.
Einstufung: Ohne Referenz (ScribeIndex vergibt keine Stufe, weil ein unabhängiger Benchmarkwert fehlt)
Welches Sprachmodell erstellt Notiz, Bericht oder Zusammenfassung?
VEED gibt den erkannten Text als zeitlich segmentierte Untertitel aus oder rendert ihn ins Video, eine Notiz oder Zusammenfassung entsteht dabei nicht.
VEED beschreibt die Verbindung von Spracherkennung, Zeitmarkenabgleich, Zeilenumbrüchen und eigenem C++-Renderer. Die API liefert ein MP4, der Webeditor zusätzlich separate Untertiteldateien.
Welche Modelle stehen hinter Chat- und Zusatzfunktionen?
Zusätzliche Übersetzung und Video-KI nach Auswahl.
VEED legt das Modell für diesen Schritt nicht offen. Die Untertitelübersetzung verbraucht eigene Credits. VEED nennt das Übersetzungsmodell nicht.
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?
EU-Plattform auf Google Cloud und optionale fal.ai-API.
Google Cloud Platform
Nachweis: belegt- Anbieter: Google
Die Sicherheits-FAQ nennt die Google-Cloud-Region West 1 in der EU für die Server. Wo AssemblyAI die Aufnahmen verarbeitet, gibt VEED nicht an.
- Quelle: VEED: Sicherheits-FAQ
fal.ai
Nachweis: belegt · Optionales Modul (Zählt nicht zur Bewertung der Kernverarbeitung deutscher Gespräche)- Anbieter: fal.ai
Die eigene Untertitel-API wird laut VEED über fal.ai angeboten und dort nach Videominuten abgerechnet.
Für Rechenzentren und Hosting gibt es keinen Modellleistungswert. Maßgeblich sind Verarbeitungsort und Datenschutz.
Häufige Fragen
Welches KI-Modell nutzt VEED?
- Für die Spracherkennung nutzt VEED AssemblyAI (Universal-Familie). Der Modellabgleich ordnet die deutschen Ausgaben AssemblyAI Universal zu.
- Eine Dokumenterstellung mit Sprachmodell ist bei VEED nicht vorgesehen.
Welches Modell wandelt bei VEED Sprache in Text um?
- AssemblyAI (Universal-Familie), AssemblyAI, belegt
Der Modellabgleich ordnet die deutschen Ausgaben AssemblyAI Universal zu.
Welches Sprachmodell erstellt bei VEED Notiz, Bericht oder Zusammenfassung?
VEED sieht diesen Schritt nicht vor.
Quellen
Technische Dokumentation, Unterauftragsverarbeiter, Partnerschaften und Veröffentlichungen zu VEED. Stand 8. Oktober 2026.
- VEED: benannter Transkriptionsanbieter AssemblyAI veed.io · abgerufen am 5. Oktober 2026
- AssemblyAI: VEED-Kundenbericht webflow.assemblyai.com · abgerufen am 5. Oktober 2026
- VEED: automatische Untertitel und Dateiexport support.veed.io · abgerufen am 5. Oktober 2026
- VEED: Untertitel-API und Renderarchitektur veed.io · abgerufen am 5. Oktober 2026
- VEED: Sicherheits-FAQ veed.io · abgerufen am 8. Oktober 2026