Wie es funktioniert

Geschätzte Lesezeit: 8 Minuten

Jede Seite auf dieser Website — einschließlich dieser — wurde extrahiert, transkribiert, zusammengefasst, in sieben Sprachen übersetzt und in einer geklonten Stimme von derselben automatisierten Pipeline vorgelesen. Diese Seite ist das Werkzeug, das sich selbst erklärt.

Was Sie am Ende verstehen werden

• Was dieses Werkzeug aus einem Videokurs macht und warum das nützlich ist
• Die acht Stufen, die das Material durchläuft, vom Rohvideo bis zur fertigen Seite
• Die Designprinzipien, die seine Konstruktion geprägt haben

Was dieses Werkzeug tatsächlich tut

Der Learning Companion nimmt einen Videokurs, der in genau einer Sprache existiert, hinter einem Login und in einem Format, das Sie nur ansehen können — und verwandelt ihn in etwas, das Sie lesen, durchsuchen, übersetzen, anhören und in der Sprache Ihrer Wahl studieren können. Es ist ein Fließband zur Umwandlung einer Person, die auf Video spricht, in eine dauerhafte, mehrsprachige, zugängliche Studienressource.

Sie geben ihm einen Kurs. Er gibt Ihnen saubere Studiennotizen für jede Lektion zurück, ein Verständnisquiz, das Ganze übersetzt ins Deutsche, Französische, Niederländische, Hindi, Mandarin-Chinesisch und sogar Klingonisch, und eine Mitlesespur in einer menschlich klingenden Stimme, die jedes Wort beim Sprechen hervorhebt. Dann veröffentlicht er all das als schnelle, statische Website.

Die Pipeline, Stufe für Stufe

Stellen Sie sich das als Fließband vor. Material kommt an einem Ende roh herein und verlässt das andere Ende fertig. Jede Station macht einen Job und gibt ihr Ergebnis an die nächste weiter.

Stufe 1 — Erfassung: das Rohmaterial beschaffen

Die Quellkurse befinden sich auf einer gehosteten Lernplattform, wo Lektionen entweder gestreamte Videos oder geschriebene Seiten sind. Das Werkzeug meldet sich an, entdeckt die Lektionen und zieht die Quelle. Es lädt den zugrunde liegenden Videostrom direkt herunter oder kratzt den geschriebenen Lektionstext ab, wenn ein Kurs textorientiert ist.

Stufe 2 — Transkription: Sprache in Text umwandeln

Das Audio jedes Videos wird an ein lokal auf einer Grafikkarte ausgeführtes Spracherkennungsmodell übertragen. Es erzeugt ein zeitgestempeltes Transkript: nicht nur das, was gesagt wurde, sondern wann. Jeder Satz ist an einen Moment auf der Zeitleiste gebunden. Diese Zeitangaben sind wichtig später, wenn Wörter mit Audio abgeglichen werden.

Stufe 3 — Zusammenfassung: die Lektion destillieren

Ein Rohtranskript ist treu, aber anstrengend zu lesen. Ein Sprachmodell schreibt jedes Transkript in strukturierte Studiennotizen um: die Schlüsselideen in sauberer Prosa, organisiert so, wie Sie tatsächlich lernen möchten. Dies ist der Unterschied zwischen einer Wand aus Sprache und einem Satz von Notizen, die es wert sind, aufbewahrt zu werden.

Stufe 4 — Quiz: Verständnis überprüfen

Aus demselben Material generiert das Werkzeug für jede Lektion ein kurzes Verständnisquiz, das bereit ist, in Karteikarten-Apps exportiert zu werden. Die Fragen testen die Ideen in der Lektion und sind so geschrieben, dass sie eigenständig sind, ohne Bezüge zurück zum Sprecher oder zum Video.

Stufe 5 — Übersetzung: es der Welt öffnen

Jeder Text — die Notizen, das Quiz, die Seitenmöbel und die Lektions- und Kurstitel — wird von Sprachmodellen in jede unterstützte Sprache übersetzt. Die Übersetzung erfolgt in Schichten, sodass Markennamen intakt bleiben, während sich beschreibender Text anpasst, und damit eine fehlende Übersetzung elegant ins Englische zurückfällt, anstatt ein Leerzeichen zu hinterlassen. Ressourcenarme Sprachen wie Klingonisch erhalten eine zusätzliche feste Anweisung, damit das Modell nicht stillschweigend ins Englische zurückdriftet.

Stufe 6 — Stimme: es hörenswert machen

Dies ist der Teil, den Menschen unheimlich finden. Ein Voice-Cloning-Modell generiert für jede Lektion in jeder Sprache eine Mitlesespur in einer konsistenten, menschlich klingenden Stimme. Neben dem Audio erzeugt es eine Zeitdatei, sodass beim Sprechen der Stimme das entsprechende Wort auf der Seite aufleuchtet — eine Art Karaoke zum Lernen. Klingonisch ist die Ausnahme: Es hat keine neuronale Stimme, daher wird sein Audio aus einer Bibliothek aufgezeichneter Klingon-Sounds zusammengesetzt. Best-Effort und von Natur aus etwas roboterhaft.

Stufe 7 — Veröffentlichung: die Website zusammenstellen

All dies wird in eine schlichte, schnelle Website gerendert: ein Seitensatz pro Sprache, gemeinsame Stile und Skripte, ein Katalog, der die Kurse zusammenbindet, und leichte, datenschutzrespektierende Nutzungsanalysen. Es gibt keine Datenbank und keinen serverseitigen Code zur Laufzeit — nur statische Dateien, die sofort geladen werden und fast überall gehostet werden können.

Stufe 8 — Speichern und versenden: die Master behalten, nur das Produkt versenden

Hinter den Kulissen behält das Werkzeug drei Ebenen von Dateien. Die Master — Transkripte, verlustfreies Audio und Quellnotizen — verlassen die Build-Maschine nie. Die Scratch-Ebene enthält Arbeitsdateien, die immer regeneriert werden können. Und die fertige Website ist das Einzige, das bereitgestellt wird. Wenn ein Build bereit ist, wird nur die veröffentlichte Website an die Hosting-Infrastruktur übergeben und geht live. Das wertvolle Rohmaterial bleibt zu Hause.

Warum es so gebaut ist

Einige Prinzipien prägten das Design:

• **Jede Stufe macht eine Sache. ** Ein Fehler bei der Transkription beschädigt nicht die Übersetzung, und jede einzelne Station kann erneut ausgeführt werden, ohne den gesamten Kurs neu zu erstellen.
• **Bevorzugen Sie lokal, bevorzugen Sie verlustfrei, bevorzugen Sie kostenlos. ** Die schwere Arbeit — Spracherkennung und Sprachsynthese — läuft auf einer lokalen Grafikkarte. Audio-Master werden verlustfrei aufbewahrt. Die Übersetzung verwendet das kostengünstigste Modell, das treu bleibt.
• **Nichts endet stillschweigend halb fertig. ** Frische-Checks bedeuten, dass eine Lektion nur Audio versendet, wenn dieses Audio tatsächlich aktuell ist, sodass ein Kurs teilweise übersetzt live gehen kann, ohne so zu tun, als wäre er vollständig.
• **Das Produkt ist vom Quellmaterial trennbar. ** Was Lernende sehen, ist eine saubere statische Website. Die Transkripte und Master, die sie gemacht haben, bleiben privat.

Kurz gesagt

Sie haben ein Video einmal angesehen. Dieses Werkzeug sah es sich an, schrieb es auf, erklärte es, quizte Sie darüber, übersetzte es auf sieben Arten und las es Ihnen in einer Stimme vor — und baute dann genau auf die gleiche Weise die Seite, die Sie gerade lesen, auf.