Sprachgesteuerter Teleprompter: So funktioniert VoiceScroll

Klassische Teleprompter laufen mit dem Tempo, das du einmal einstellst. Sobald du kurz stockst, ist der Text schon weg. Machst du bewusst eine Pause, wartest du plötzlich auf den Bildschirm. VoiceScroll dreht das um: Nicht du passt dich dem Scrollen an, sondern der Text folgt deiner Stimme.

Warum feste Geschwindigkeit selten passt

Niemand spricht gleichmäßig. Vertraute Stellen gehen schneller, wichtige Punkte langsamer, dazu kommen Pausen, Wiederholungen und kleine Umformulierungen. Ein fixes Tempo ignoriert das alles. Am Ende klingst du kontrolliert statt natürlich.

So arbeitet VoiceScroll

1. Nach dem Laden des Skripts bereitet die App den Text so auf, dass deine Position sauber verfolgt werden kann.
2. Beim Start wird das Mikrofon aktiviert und die Spracherkennung beginnt, dein Audio zu verarbeiten: auf iPhone und iPad die Spracherkennung von Apple, auf Android der auf dem Gerät installierte Erkennungsdienst (meist von Google).
3. Die erkannten Wörter werden laufend mit dem Skript abgeglichen.
4. Gesprochene Passagen treten zurück, die aktuelle Stelle bleibt sichtbar und der Text scrollt passend nach.

Verarbeitung direkt auf dem Gerät

Standardmäßig läuft die Erkennung lokal auf dem Gerät (Apples Speech-Framework auf iPhone und iPad, der eigene Erkennungsdienst des Geräts auf Android, wofür das Offline-Sprachpaket deiner Sprache installiert sein muss). In diesem Standard wird dein Audio nicht an einen Server geschickt, und nach der Einrichtung der Sprache brauchst du keine Internetverbindung. Dadurch gibt es keine spürbare Netzwerklatenz und keine Abhängigkeit von der Verbindung vor Ort. Die Online-Erkennung ist eine Option, die du selbst einschaltest; sie ist standardmäßig aus (Apples Server auf iPhone und iPad ab Version 2.0.4, Google auf Android ab 1.11.16), und wenn du sie einschaltest, geht dein Audio an diesen Dienst. VoiceScroll unterstützt 34 Sprachen auf iPhone und iPad sowie 26 auf Android, darunter Deutsch, Japanisch und Chinesisch, und verhält sich dabei immer gleich direkt.

Wo das besonders hilfreich ist

• Bei Aufnahmen mit Pausen, Versprechern oder spontanen Änderungen
• Bei Vorträgen mit Fragen, Lachen oder Applaus
• Bei Sprachen, in denen fixes Scrolltempo schnell unnatürlich wirkt
• Bei langen Skripten, die du in deinem eigenen Rhythmus sprechen willst