Eine Funktion, die seit dem ersten Tag drin ist und die trotzdem kaum jemand bewusst nutzt: dein AgentDirekt-Bot ist voll sprachfähig. Du diktierst ihm eine Sprachnachricht ins Telegram — er versteht sie. Du sagst ihm „antworte mir per Sprache" — und er liest seine Antwort vor.
Beide Richtungen, ab dem ersten Login, ohne Einstellung, ohne Update.
Warum das einen Unterschied macht
Es gibt zwei Gruppen, für die Sprache praktisch ist — und beide sind gleichwertig wichtig.
Die einen tippen ungern. Du sitzt im Auto, kochst, gehst spazieren, hast die Hände voll. Eine schnelle Frage an deinen Bot — aber Tippen geht gerade schlecht. Sprich rein, fertig. Du kommst zurück, der Bot hat reagiert.
Die anderen können oder mögen Tippen nicht. Die Augen sind müde, die Finger nicht mehr so beweglich wie früher, die Bildschirm-Helligkeit nervt am Abend. Für diese Gruppe ist Sprache kein Bequemlichkeits-Trick, sondern der Zugang zur ganzen Anwendung. Wer dem Bot zuhören kann, kann ihn auch nutzen.
Was konkret geht
Schreibe deinem Bot eine Sprachnachricht — wie an einen Freund:
„Schau bitte auf wetter.com, ob es morgen früh in Hamburg regnet, und schick mir eine kurze Zusammenfassung."
„Lade die Datei, die ich gerade geschickt habe, auf den Vereins-Webspace ins /downloads-Verzeichnis."
„Setz mir morgen um 14 Uhr eine Erinnerung: Anruf mit Frau Müller."
Der Bot verarbeitet die Sprachnachricht genauso, als hättest du sie getippt. Im Chat siehst du, dass deine Nachricht angekommen ist und der Agent arbeitet.
Sag ihm „antworte mir per Sprachnachricht", oder formuliere die Frage so, dass deine Vorliebe klar wird („lies mir vor, was du gefunden hast"). Dann bekommst du keine Textwand, sondern eine Sprachnachricht zurück.
Beides lässt sich in jedem Gespräch frei mischen. Eine Sprachnachricht von dir, eine Textantwort zurück. Oder umgekehrt. Oder beides Sprache. Der Bot folgt deinem Wunsch.
Wenn du es noch nicht ausprobiert hast
Eine Beobachtung aus den letzten Wochen: Etliche Tester haben den Bot bisher fast nur per Tippen genutzt. Manche, weil sie's nicht ausprobiert haben. Andere, weil sie nicht wussten, dass es geht.
Wenn du in der Gruppe bist: einmal lang aufs Mikro-Symbol in Telegram drücken und reden. Fang harmlos an — „Hallo, kannst du mich verstehen?". Und dann eine echte Aufgabe. Du wirst überrascht sein, wie selbstverständlich es sich anfühlt.
Sicherheit und Datenschutz
Die Sprachausgabe (Text-zu-Sprache) läuft auf eigenen Servern in Nürnberg, mit einer Open-Source-Engine (Piper). Dein Text wird also nicht zu einem externen Anbieter geschickt, um daraus eine Audio-Datei zu erzeugen.
Die Spracherkennung (Sprache-zu-Text) läuft aktuell über einen spezialisierten Anbieter mit europäischen Datenschutz-Standards via Auftragsverarbeitungsvertrag. Das ist der ehrliche Stand für die Beta; Details zur Datenverarbeitung stehen in der Datenschutzerklärung.
Telegram ist der Transportweg. Voice-Nachrichten sind dort verschlüsselt unterwegs. Wir speichern keine Sprachnachrichten dauerhaft — sobald der Bot eine Voice-Message verarbeitet hat, ist die Audio-Datei weg. Im Chat-Verlauf bleibt nur die transkribierte Text-Version, damit der Bot sich an das Gespräch erinnern kann.
Was noch nicht ideal ist
Sehr lange Sprachnachrichten (mehrere Minuten am Stück) verarbeitet der Bot zwar, dauert dann aber spürbar. Für lange Gedanken sind kürzere Voice-Messages (unter 30 Sekunden) zuverlässiger und schneller.
Hintergrundgeräusche beeinflussen die Erkennung. Im Auto über das Bluetooth-Mikrofon ist's meist okay, am Bahnhof in der Hauptverkehrszeit nicht mehr. Wenn etwas falsch verstanden wird, sag's einfach im nächsten Satz — der Bot korrigiert.
Eine Stimm-Auswahl gibt es nicht. Aktuell antwortet der Bot mit einer Standard-Stimme.
Eine Sprach-Authentifizierung gibt es nicht. Jede Voice-Nachricht, die in deinen Telegram-Chat mit dem Bot reinkommt, wird verarbeitet. Wenn du dein Telefon entsperrt liegen lässt und jemand reinspricht, redet dieser jemand mit deinem Bot.
Probier es aus
Wenn du AgentDirekt schon nutzt und bisher nicht per Sprache: einmal lang aufs Mikro-Symbol in Telegram drücken und loslegen. Eine Frage, ein „kannst du mich verstehen?". Du wirst überrascht sein.
Wenn etwas dabei seltsam läuft oder nicht klappt: schreib mir an kontakt@agentdirekt.de oder per WhatsApp. Gerade Sprach-Feedback („hat den Satz nicht verstanden", „Tempo zu schnell", „Stimme zu monoton") hilft mir beim Feintuning.
— Georg