Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

Kontext-Biasing: Genauigkeit verbessern

Lektion 8 von 16 Aktualisiert am 3. November 2026 Entwickler
Auf dieser Seite
  1. Das Problem mit spezialisierten Begriffen
  2. Einsatz von Kontext-Biasing
  3. Aufbau einer effektiven Liste
  4. Verwaltung des Vokabulars pro Projekt
  5. Was funktioniert und was nicht
  6. Kernaussagen

Kurs aktualisiert am 3. November 2026 für Voxtral 3, basierend auf Mistral’s Migrate from Voxtral 2-Guide: Voxtral 2-Modelle (voxtral-mini-2602, voxtral-mini-transcribe-realtime-2602, voxtral-mini-tts-2603), am 31. Oktober 2026 abgelehnt und am 30. April 2027 zurückgezogen, werden in den Beispielen durch voxtral-mini-transcribe-3, voxtral-mini-transcribe-realtime-3 und voxtral-mini-tts-3-0 ersetzt. Wesentliche Änderungen: Zeitstempel sind segmentbasiert (word gibt einen 400-Fehler zurück), Diarisierung ist in Echtzeit möglich, Echtzeit-Sitzungseinstellungen werden nach dem ersten Audio-Chunk gesperrt, und context_bias-Einträge sind frei formatiert (Phrasen mit Leerzeichen sind erlaubt). Quellen: Migrate from Voxtral 2 · Speech to Text.

Das Problem mit spezialisierten Begriffen

Transkriptionsmodelle werden auf gängige Sprache trainiert. Wenn Ihre Audiodateien Eigennamen, Akronyme, Fachjargon oder seltene Branchenbegriffe enthalten, transkribiert das Modell diese oft falsch: „Voxtral” wird zu „vox trail”, und „RGPD” (das französische Akronym für die Datenschutz-Grundverordnung der EU) kommt als „RG PD” heraus. In einem einstündigen Meeting summieren sich diese Fehler auf Dutzende, und es sind genau diese Wörter, die Sie extrahieren möchten.

Kontext-Biasing löst dieses Problem, indem es dem Modell eine Liste erwarteter Begriffe bereitstellt. Das Modell passt dann seine Wahrscheinlichkeiten an, um diese Begriffe zu bevorzugen, wenn es sie im Audio erkennt. Dies ist keine automatische Nachbearbeitung zur Ersetzung; es lenkt die Decodierung während der Transkription. Genau diese Nuance sorgt dafür, dass das Ergebnis natürlich bleibt.

Einsatz von Kontext-Biasing

Der Parameter context_bias akzeptiert eine Liste von Begriffen: in Python eine Liste von Strings. Mit Voxtral 3 kann ein Eintrag Leerzeichen enthalten – ein vollständiger Produktname wie „Alder Creek Design” ist möglich – und es gibt keine feste Obergrenze für die Anzahl der Einträge mehr. Die Einträge teilen sich jedoch das Kontextfenster mit dem Audio: Eine Anfrage, die dieses überschreitet, wird abgelehnt (400-Fehler), weshalb eine kurze Liste am besten ist.

import os
from mistralai.client import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

with open("reunion_tech.mp3", "rb") as f:
    response = client.audio.transcriptions.complete(
        model="voxtral-mini-transcribe-3",
        file={"content": f, "file_name": "reunion_tech.mp3"},
        context_bias=["Voxtral", "Mistral AI", "RGPD", "Kubernetes", "PostgreSQL", "FastAPI"]
    )

print(response.text)

Die Wirkung ist sofort spürbar. Ohne Kontext-Biasing könnte ein Engineering-Meeting folgendes produzieren:

On a déployé le nouveau service sur cubernétisse avec fast API
et la base post grès cul.

Mit der Liste ["Kubernetes", "FastAPI", "PostgreSQL"] wird derselbe Satz nutzbar:

On a déployé le nouveau service sur Kubernetes avec FastAPI
et la base PostgreSQL.

Außerhalb des Echtzeit-Modus kann ein Eintrag sogar eine frei formatierte Kontextphrase sein, die das Gespräch beschreibt: „Anruf bei Northwind-Support bezüglich einer Bestellung von Quillara-Kopfhörern, versandt vom Rotterdam-Lager.” Das Modell nutzt dies, um die Erkennung der darin enthaltenen Namen zu lenken.

Aufbau einer effektiven Liste

Vier Familien von Begriffen verdienen einen Platz. Erstens, Eigennamen: Personen, Unternehmen, Produkte – alles, was das Modell aus eigenem Antrieb nicht kennt. Zweitens, Fachbegriffe: Akronyme, Technologie-Namen, Protokolle. Drittens, Branchenjargon, der spezifisch für Ihr Feld ist und in allgemeinen Wörterbüchern nicht vorkommt. Schließlich, Ortsnamen: Städte, Gebäude, Besprechungsräume, die häufig zitiert werden und selten gut transkribiert werden.

Der Inhalt der Liste hängt vollständig vom Kontext ab. Ein Meeting in einem Tech-Startup erfordert ein anderes Vokabular als eine medizinische Konsultation oder ein Anwaltsgespräch. Hier sind drei echte Listen, die als Vorlagen dienen können.

Tech-Startup-Meeting:

context_bias = [
    "Mistral AI", "Voxtral", "Claude", "GPT-5.6",
    "Kubernetes", "PostgreSQL", "FastAPI", "Redis",
    "RGPD", "HIPAA", "SOC 2",
    "sprint", "backlog", "user story",
    "CI/CD", "Docker", "Terraform"
]

Medizinische Praxis:

context_bias = [
    "paracétamol", "ibuprofène", "amoxicilline",
    "IRM", "scanner", "échographie",
    "glycémie", "hémoglobine", "créatinine",
    "Dr Martin", "Dr Dubois",
    "CHU Pitié-Salpêtrière"
]

Anwaltskanzlei:

context_bias = [
    "SARL", "SAS", "SASU",
    "article L.225-1", "Code de commerce",
    "assignation", "mise en demeure",
    "TGI", "Cour d'appel",
    "Maître Dupont", "Maître Leroy"
]

Verwaltung des Vokabulars pro Projekt

Das Hardscoden der Liste skaliert nicht, sobald mehrere Kunden oder Dienste hinzukommen. Der folgende Skript lädt Vokabular aus einer JSON-Datei, erlaubt das Hinzufügen von Ad-hoc-Begriffen und dedupliziert die Menge. Es setzt keine feste Obergrenze, da Voxtral 3 keine hat, warnt aber, wenn die Liste zu lang ist: Das ist das Risiko, das Kontextfenster zu überschreiten.

import os
import json
from pathlib import Path
from mistralai.client import Mistral

ALERT_THRESHOLD = 50  # Interner Marker: darüber prüfen, ob die Anfrage zu groß ist


def load_vocabulary(config_path: str) -> list[str]:
    """Lädt das Vokabular für das Kontext-Biasing aus einer JSON-Datei."""
    config = json.loads(Path(config_path).read_text(encoding="utf-8"))
    terms = list(dict.fromkeys(config.get("terms", [])))

    if len(terms) > ALERT_THRESHOLD:
        print(f"Warnung: {len(terms)} Begriffe; eine lange Liste reduziert "
              f"den Platz für Audio im Kontextfenster.")

    return terms

def transcribe_with_vocabulary(
    audio_path: str,
    config_path: str = None,
    additional_terms: list = None
) -> str:
    """Transkribiert mit optionalem Kontext-Biasing."""
    client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

    # Liste der Begriffe aufbauen
    all_terms = []

    if config_path and Path(config_path).exists():
        config = json.loads(
            Path(config_path).read_text(encoding="utf-8")
        )
        all_terms.extend(config.get("terms", []))

    if additional_terms:
        all_terms.extend(additional_terms)

    # Deduplizierung unter Beibehaltung der Reihenfolge
    all_terms = list(dict.fromkeys(all_terms))
    bias = all_terms or None

    # Transkription
    with open(audio_path, "rb") as f:
        kwargs = {
            "model": "voxtral-mini-transcribe-3",
            "file": {"content": f, "file_name": Path(audio_path).name}
        }
        if bias:
            kwargs["context_bias"] = bias
            print(f"Kontext-Biasing aktiv: {len(all_terms)} Begriffe")

        response = client.audio.transcriptions.complete(**kwargs)

    return response.text

# Vokabular-Konfigurationsdatei vocabulaire.json
# {
#   "terms": [
#     "Mistral AI", "Voxtral", "Kubernetes",
#     "PostgreSQL", "RGPD", "Dr Martin"
#   ]
# }

# Nutzung
texte = transcribe_with_vocabulary(
    "reunion.mp3",
    config_path="vocabulaire.json",
    additional_terms=["nouveau_terme", "autre_terme"]
)
print(texte)

Was funktioniert und was nicht

Kontext-Biasing liefert die besten Ergebnisse bei präzisen, eindeutigen Begriffen: Eigennamen, Akronyme, seltenes technisches Vokabular. Es setzt auch voraus, dass die bereitgestellten Begriffe tatsächlich im Audio vorkommen – das Hinzufügen von Wörtern, die niemals gesprochen werden, verwässert das Signal, ohne Mehrwert zu bieten. Eine Liste von zwanzig bis fünfzig gut gewählten Begriffen reicht in den meisten Situationen aus.

Umgekehrt ist das Auflisten gängiger Wörter nutzlos: Das Modell erkennt diese bereits gut, und Sie verbrauchen wertvollen Platz. Lange Sätze funktionieren schlecht; bleiben Sie bei Wörtern oder kurzen Phrasen. Vorsicht vor dem Reflex, das gesamte Firmen-Glossar in den Parameter zu kippen: Ein zu breites Vokabular ertränkt die wenigen Begriffe, die wirklich wichtig waren.

Ein Punkt der Wachsamkeit für Ihre französischsprachigen Projekte: Kontext-Biasing ist für Englisch optimiert, und Mistral AI qualifiziert die Unterstützung für andere Sprachen, einschließlich Französisch, als experimentell. In der Praxis funktioniert es korrekt für Eigennamen und Akronyme in allen Sprachen, kann aber bei gängigen Begriffen in nicht-englischen Sprachen weniger effektiv sein. Testen Sie dies an einem repräsentativen Auszug, bevor Sie es auf einen gesamten Korpus verallgemeinern.

Kernaussagen

  • Kontext-Biasing verbessert die Erkennung spezialisierter Begriffe über context_bias
  • Eine Liste von Begriffen (Phrasen mit Leerzeichen erlaubt), keine feste Obergrenze, aber durch das Kontextfenster begrenzt
  • Effektiv für: Eigennamen, Akronyme, Fachjargon, Ortsnamen
  • Für Englisch optimiert, experimentelle Unterstützung für andere Sprachen
  • Präzise Begriffe bevorzugen, die tatsächlich im Audio vorkommen
  • Verwenden Sie eine Konfigurationsdatei, um das Vokabular pro Projekt zu verwalten