Aus Stunden Audio Fragmente, die Sie wiederfinden können.

Die automatische Erkennung und Transkription können Fehler enthalten. Die Verfügbarkeit der Aufnahmen und die Abdeckung werden für jede Quelle geprüft.

Was tatsächlich erkannt wird und was nicht

Gut erkannt werden die Werbungen, die etwas Verifizierbares sagen: ein Telefon, eine Website, einen Preis, einen Call-to-Action. Verfehlt werden, konstruktionsbedingt: Image-Werbungen, die nur Marke plus Slogan sind, Programmsponsoring, Cross-Promotion zwischen Sendern derselben Gruppe, soziale Botschaften, gesungene Jingles (Whisper transkribiert sie als Poesie oder Rauschen), Werbungen unter 5 Sekunden und solche mit durch eine schwache Aufnahme beeinträchtigter Transkription.

Gemessene Genauigkeit auf realen Daten

Das eigene Audit vom 25. Mai 2026 auf der Live-Datenbank mit 5018 Aufnahmen und 7428 Segmenten ergab 111 Werbungen nach der Erweiterung. Die Score-Verteilung: 80 Segmente über 0,50 (eindeutig identifizierte Werbungen), 29 zwischen 0,40 und 0,50, 193 zwischen 0,30 und 0,40 — manuell geprüft und überwiegend als verfehlte echte Werbungen bestätigt — 278 zwischen 0,20 und 0,30, 33 zwischen 0,10 und 0,20 und 6815 unter 0,10, also Musik. Geschätzter Recall beim damaligen Schwellenwert 0,40: 30–50%. Der Schwellenwert wurde später gerade auf Grundlage dieser Messung auf 0,30 gesenkt, was den Recall erhöht und auch die Zahl der zu prüfenden Falsch-Positive erhöht.

Warum dies keine vollständige Präzisionsmessung ist

Um eine Präzisions- und Recall-Zahl im strengen Sinn des Wortes zu veröffentlichen, bräuchten wir 60+ Minuten manuell etikettiertes Audio pro Sender, verglichen mit der Ausgabe des Systems. Die Studie ist geplant, nicht durchgeführt. Was wir haben, ist eine Score-Verteilung auf realen Daten plus manuelle Prüfung von Stichproben — weniger als ein Benchmark, mehr als ein Eindruck, und es ist wichtig, beides nicht zu verwechseln.

Die zeitliche Abdeckung ist die eigentliche Einschränkung

Im geprüften Fenster deckten die Aufnahmen drei Intervalle von ungefähr 80 möglichen Stunden ab — der Rest: Monitor ausgeschaltet. Das, nicht der Detektor, ist der Hauptgrund dafür, dass die Datenbasis 111 Werbungen und nicht Tausende enthielt. Ein nützliches Ergebnis erfordert kontinuierlichen Betrieb auf einem Server, nicht auf einem Laptop. Ein marktbezogenes und korrektes Detail: Zwischen 00:00 und 05:00 ist das Ergebnis von null Werbungen kein Fehler — die moldauischen Radiosender senden in diesem Intervall Musik ohne Werbung.

Die Transkriptionskapazität ist der Flaschenhals

Auf einem Mac mit Apple Silicon läuft `large-v3-turbo` auf der CPU mit nur einem Worker bei etwa der Hälfte der Echtzeit: ungefähr 2 verarbeitete Segmente pro Minute gegenüber 4 erzeugten durch 4 Stationen. Die Warteschlange füllt sich, der Druck breitet sich zurück aus und die Erfassung verlangsamt sich — das richtige Verhalten, weil wir kein Audio verlieren. Für 10 Stationen im Dauerbetrieb sind GPU, 2–4 Worker oder längere Segmente von 60–120 Sekunden nötig.

Was gespeichert wird und wie viel

WAV-Audio auf der Festplatte, mit standardmäßiger Bereinigung von Dateien, die älter als 48 Stunden sind; Transkripte, Segmente, Werbungen und Cluster bleiben in der Datenbank. Das heißt, der Audio-Nachweis einer Werbung ist zwei Tage lang verfügbar, wenn der Zeitraum nicht geändert wird, und der Text bleibt erhalten.

Rechte an den Aufnahmen — nicht festgelegt

Im Projekt gibt es kein Dokument zu Rechten oder Lizenzierung: Die einzige Lizenzangabe ist `license = { text = "Private" }` in der Paketkonfiguration. Die Flows in der Referenzkonfiguration sind öffentliche Hörflüsse von Sendern aus Moldau. Das Aufnehmen und Speichern einer Sendung zur Analyse ist nicht dasselbe wie das Anhören, und wer die Überwachung bezahlt, muss die rechtliche Grundlage für Erfassung und Aufbewahrung haben — für jeden Sender einzeln. Das wird vor der ersten Installation geklärt, nicht danach; wir können kein Recht übertragen, das wir nicht haben.