Ziel: Das Modell „Diktiersitzung“.

Unser Ziel(deutsch): Die “Diktier-Sitzung”

Ein einziger Trigger startet eine “Diktier-Sitzung”, die aus drei Phasen besteht:

1. Startphase (Warten auf Sprache):

• Nach dem Trigger startet das System.

• Wenn keine Spracheingabe erfolgt, endet die gesamte Sitzung nach PRE_RECORDING_TIMEOUT (z.B. 12s).

2. Aktivphase (Kontinuierliches Diktieren):

• Sobald die erste Spracheingabe erkannt wird, wechselt die Sitzung in den aktiven Modus.

• Immer wenn VOSK eine Sprechpause erkennt und einen Textblock liefert (z.B. einen Satz), wird dieser Block sofort zur Verarbeitung (LanguageTool, etc.) weitergegeben und als Text ausgegeben.

• Die Aufnahme läuft währenddessen nahtlos weiter. Die Sitzung wartet auf den nächsten Satz.

3. Endphase (Ende der Sitzung):

• Die gesamte Sitzung endet nur, wenn eine dieser beiden Bedingungen erfüllt ist:

• Der Nutzer bleibt für die Dauer des SPEECH_PAUSE_TIMEOUT (z.B. 1-2s) komplett still.

• Der Nutzer stoppt die Sitzung manuell per Trigger.

Zusammengefasst: Eine Sitzung, viele sofortige Textausgaben. Die Sitzung bleibt aktiv, bis der Nutzer eine längere Pause macht oder sie manuell beendet.

Ziel: Das Modell „Diktiersitzung“

Ein einzelner Auslöser initiiert eine „Diktiersitzung“, die aus drei Phasen besteht:

1. Startphase (Warten auf Rede):

• Nach dem Auslösen beginnt das System mit dem Abhören.

• Wenn keine Sprache erkannt wird, wird die gesamte Sitzung nach dem „PRE_RECORDING_TIMEOUT“ (z. B. 12 Sekunden) beendet.

2. Aktive Phase (kontinuierliches Diktat):

• Sobald die erste Spracheingabe erkannt wird, wechselt die Sitzung in den aktiven Modus.

• Immer wenn VOSK eine Pause erkennt und einen Textblock (z. B. einen Satz) liefert, wird dieser Block sofort an die Verarbeitungspipeline (LanguageTool usw.) übergeben und als Text ausgegeben.

• Die Aufnahme läuft nahtlos im Hintergrund weiter und wartet auf die nächste Äußerung.

3. Beendigungsphase (Beenden der Sitzung):

• Die gesamte Sitzung wird nur beendet, wenn eine von zwei Bedingungen erfüllt ist:

• Der Benutzer bleibt für die Dauer des „SPEECH_PAUSE_TIMEOUT“ (z. B. 1-2 Sekunden) völlig stumm.

• Der Benutzer stoppt die Sitzung manuell über den Auslöser. Kurz gesagt: Eine Sitzung, mehrere sofortige Textausgaben. Die Sitzung bleibt aktiv, bis der Benutzer eine längere Pause einlegt oder sie manuell beendet.