robotics-ai-learning-roadmap/02-voice-interface/01-speech-to-text.md

Aufgabe 01: Sprache zu Text

Ziel

Du baust ein kleines Programm, das Audio vom Mikrofon aufnimmt und in Text umwandelt.

Aufgabe

Baue eine CLI-Anwendung:

$ listen
Du hast gesagt: "Wie viele Personen sind im Raum?"

Nutze dafür zuerst eine einfache Lösung:

• Whisper
• faster-whisper
• oder eine andere lokale STT-Lösung

Lernpunkte

• Audio aufnehmen
• WAV/PCM-Grundlagen
• Samplingrate
• Latenz
• Push-to-talk vs. dauerhaftes Zuhören

Akzeptanzkriterien

• Du kannst 3 Sekunden Audio aufnehmen.
• Das Audio wird transkribiert.
• Der erkannte Text wird ausgegeben.

Erweiterung

Baue Push-to-talk: Aufnahme startet erst, wenn du Enter drückst.