Chat: Sprachausgabe
Ephraim kann Chatantworten und ausgewählte Chatteile vorlesen. Die Sprachausgabe läuft über den internen TTS-Dienst auf der Spark, unterstützt mehrere Sprachen und verwendet keinen Browser- oder Cloud-Fallback.
1. Was vorgelesen wird
Vorgelesen werden fertige Chatinhalte. Während eine Antwort noch entsteht, wartet Ephraim, bis der Stream abgeschlossen ist. Dadurch hörst du keinen halben Zwischenstand und keine noch unfertige Satzfolge.
Die Sprachausgabe ist für typische Arbeitssituationen gedacht: eine Erklärung noch einmal hören, einen längeren Text auditiv prüfen, eine Antwort in der Fremdsprache anhören oder ausgewählte Chatteile für konzentriertes Arbeiten vorlesen lassen.
2. Auswahl und Player
Der Vorlesedialog nutzt dieselbe Grundidee wie die Exportauswahl: Du entscheidest, welcher Teil des Chats in eine andere Form gebracht wird. Je nach Chatstand sind mehrere Umfänge möglich.
| Auswahl | Was Ephraim liest |
|---|---|
| Letzte Antwort | Nur die letzte fertige Antwort von Ephraim. |
| Letzte Frage mit Antwort | Die letzte Nutzerfrage und die zugehörige Antwort. |
| Aktuelle Auswahl | Die Nachrichten, die du vorher im Chat markiert hast. |
| Ganzer Chat | Alle sichtbaren Nachrichten des geöffneten Chats. |
| Nur Antworten | Nur die Antworten von Ephraim, ohne deine Zwischenfragen. |
Die Wiedergabe kann gestartet, pausiert, fortgesetzt und gestoppt werden. Beim Wechsel des Chats, beim Start eines neuen Gesprächs oder beim Schließen der Chatansicht stoppt Ephraim die Wiedergabe, damit keine alte Audiospur in einen anderen Arbeitskontext hineinläuft.
3. Sprachen und gemischte Texte
Die Sprachausgabe unterstützt Deutsch, Englisch, Französisch, Spanisch, Russisch, Ukrainisch und Türkisch. Französisch und Spanisch beziehen sich hier auf die Sprachausgabe, nicht auf eine vollständige Übersetzung der Oberfläche.
Besonders wichtig ist gemischter Text. Eine Antwort kann zum Beispiel auf Deutsch erklären, ein französisches Zitat enthalten und danach eine englische Fachbezeichnung verwenden. Ephraim zerlegt solche Texte in passende Abschnitte und lässt jeden Abschnitt mit der geeigneten Sprache synthetisieren. So wird ein französischer Satz nicht wie deutsches Schriftbild vorgelesen.
Dafür nutzt Ephraim Sprachhinweise der KI und prüft sie zusätzlich im Browser. Kurze Überschriften, Listenpunkte und einzelne Beispiele werden nicht blind übernommen: Ephraim bewertet lokale Sprachsignale und entscheidet erst dann, welche Sprache ein Abschnitt bekommt. Unsichere oder widersprüchliche Hinweise werden verworfen.
4. Wie Text für das Vorlesen vorbereitet wird
Ephraim liest nicht den rohen Markdown-Code vor, sondern die gerenderte Chatdarstellung. Dadurch klingen Listen, Tabellen, Formeln und Visualisierungen verständlicher.
| Element | Vorleselogik |
|---|---|
| Tabellen | Die Tabelle wird als Tabelle mit Spalten und Zeilen beschrieben. |
| Codeblöcke | Lange Codeblöcke werden zusammengefasst, statt Zeichen für Zeichen vorgelesen zu werden. |
| Formeln | Formeln werden als Formeln markiert, damit sie nicht als unverständliche Rohzeichenfolge erscheinen. |
| Visualisierungen | Diagramme, Zeichnungen oder Strukturformeln werden mit Titel und fachlicher Beschreibung vorgelesen. |
| Anhänge | Dateien werden mit Name, Typ und Größe beschrieben. |
5. Warum die Spark dafür wichtig ist
Die Audiodatei entsteht nicht in einem öffentlichen Browserdienst. Der Browser sendet den ausgewählten Text an den Ephraim-Webserver. Der Webserver prüft Anmeldung, Schutz-Token, Größenlimits und Rate-Limits und leitet die Anfrage dann an den internen TTS-Dienst auf der Spark weiter. Der Browser kennt die interne Adresse und das interne Geheimnis dieses Dienstes nicht.
Das zurückgelieferte WAV wird im Webserver nicht als Datei abgelegt. Ephraim nimmt die Audiodaten in einem begrenzten Speicherpuffer entgegen und gibt sie direkt als HTTP-Antwort an den Browser weiter. Auch im Browser entsteht daraus nur ein temporärer Audio-Blob für den Player und die lokale Waveform-Anzeige. Es gibt also keinen serverseitigen WAV-Dateipfad, keine temporäre Audiodatei und keine spätere Audiodatei-Bereinigung.
Ist Spark-TTS nicht eingerichtet, bleibt die Vorlesefunktion deaktiviert. Ephraim fällt nicht auf die Web-Speech-Funktion des Browsers zurück. Das ist eine bewusste Grenze: Die Schule entscheidet, welcher lokale Dienst Text in Audio umwandelt.
6. Datenschutz und Grenzen
Für die Sprachausgabe muss der ausgewählte Text kurzzeitig im Klartext verarbeitet werden, sonst kann daraus keine Stimme entstehen. Diese Verarbeitung bleibt im Ephraim-System und im internen Spark-Dienst. Text, erzeugtes Audio und lokale Waveform-Punkte werden nicht dauerhaft gespeichert. Das WAV wird im Proxy nur im RAM gehalten und direkt an den Browser ausgeliefert.
Die Sprachhinweise zu einer Antwort können zusammen mit der Assistant-Nachricht im verschlüsselten Chatinhalt liegen. Sie dienen dazu, den Text später wieder mit passenden Sprachabschnitten vorzulesen. Sie sind keine öffentlichen Profildaten. Ephraim nimmt dafür keine Nutzerstimme auf und wertet keine Stimme aus.