KI-Entwicklung & Programmierung Schulungen
KI Sprach-Interfaces bauen: STT & TTS, die wirken
Vom Mikrofon bis zur Antwort: robuste Pipelines, Latenz, Qualität und Datenschutz sauber gelöst.
- Dauer
- 2 Tage
- Format
- Präsenz oder Live-Online
- Preis
- 1.090 € netto
- Uhrzeiten
- 09:00-16:00 Uhr
- Gruppe
- max. 8 Personen
- Niveau
- Grundlagen
- Kursnummer
- KKC_0241
Aktuelle Termine und Online-Buchung: www.cmt.de/seminare/ki-sprach-interfaces
KI Sprach-Interfaces bauen: STT & TTS, die wirken
Vom Mikrofon bis zur Antwort: robuste Pipelines, Latenz, Qualität und Datenschutz sauber gelöst.
Die wichtigsten Themen
STT-Pipelines mit Streaming bauen
TTS mit SSML gezielt steuern
Latenz messen und senken
Fachvokabular sicher erkennen
Turn-Taking und Barge-in umsetzen
Monitoring und Retention planen
Überblick In diesem Seminar entwickelst du Sprach-Interfaces mit Speech-to-Text (STT) und Text-to-Speech (TTS), die im Alltag funktionieren: schnell, verständlich und robust gegen Störgeräusche. Du baust eine durchgängige...
In diesem Seminar entwickelst du Sprach-Interfaces mit Speech-to-Text (STT) und Text-to-Speech (TTS), die im Alltag funktionieren: schnell, verständlich und robust gegen Störgeräusche. Du baust eine durchgängige Pipeline von Audioaufnahme über Streaming-Transkription bis zur natürlich klingenden Sprachausgabe inklusive SSML, Unterbrechbarkeit und sauberer Dialoglogik.
Dabei lernst du, wie Qualität messbar wird: WER, Latenz, Confidence, Fachvokabular und typische Fehlerbilder werden systematisch eingeordnet und verbessert. Ein Schwerpunkt liegt auf Betrieb und Governance: Datenschutz, Logging, Kostenkontrolle und Monitoring, damit ein Voice-Feature nicht nur als Demo überzeugt, sondern produktiv stabil läuft.
Wer Sprachfunktionen gezielt in Azure-AI-Architekturen einbetten möchte, findet im AI-102 Training für Azure AI Lösungen eine passende Vertiefung. Für Teams, die Voice-Interfaces mit generativen Dialogsystemen kombinieren, ergänzt der Large Language Model Grundkurs die sprachbasierte Pipeline um LLM-Grundlagen.
Die Themen End-to-End-Flows für Voice-Pipelines · Client, Backend und Streaming-Bausteine · Latenz-Budget und Qualitätsziele · Fehlerbilder bei Hall und Stille · Streaming- und Batch-Transkription...
Architektur für Sprach-Interfaces
- End-to-End-Flows für Voice-Pipelines
- Client, Backend und Streaming-Bausteine
- Latenz-Budget und Qualitätsziele
- Fehlerbilder bei Hall und Stille
Speech-to-Text in der Anwendung
- Streaming- und Batch-Transkription
- Voice Activity Detection und Segmentierung
- Fachvokabular mit Phrasen und Wörterbüchern
- WER, Real-Time-Factor und Confidence
Text-to-Speech und Audioqualität
- Stimmenauswahl, Stil und Prosodie
- SSML für Betonung und Pausen
- Audio-Formate, Sampling und Lautheit
- Streaming-Audio und Barge-in
Dialoglogik und Orchestrierung
- Turn-Taking in Voice-Dialogen
- Unterbrechbarkeit laufender Sprachausgabe
- Fallbacks, Rückfragen und Bestätigungen
- Kontextverwaltung und Prompting-Schnittstellen
Qualität, Tests und Monitoring
- Testsets für Akzente und Störgeräusche
- Regressionstests für Transkription und Audio
- Observability für Latenzen und Ausfälle
- Human-in-the-loop für Qualitätsiterationen
Datenschutz, Sicherheit und Betrieb
- PII-Handling und Logging-Strategien
- Retention-Regeln für Audiodaten
- On-Prem, Private Cloud und APIs
- Kostensteuerung für Minuten und Caching
Zielgruppe
- Softwareentwicklerinnen und Softwareentwickler mit Voice-Feature-Integration in Web-, Mobile- oder Backend-Anwendungen
- Machine-Learning- und Data-Engineering-Rollen mit Schnittstelle zu Audio, Transkription und Modellqualität
- Product Ownerinnen und Product Owner für Conversational Interfaces, Voicebots und sprachbasierte Assistenzsysteme
- IT-Architektinnen und IT-Architekten mit Verantwortung für Betrieb, Datenschutz, Monitoring und Kostenkontrolle
Das lernst du
- Belastbare STT- und TTS-Architektur inklusive Streaming und Dialogorchestrierung entwerfen
- STT-Qualität mit WER, Latenz und Confidence bewerten und gezielt verbessern
- Fachvokabular, Phrasen und Wörterbücher zuverlässig in die Spracherkennung einbinden
- TTS-Ausgabe mit SSML, Prosodie, Audio-Formaten und Barge-in fachgerecht steuern
- Tests, Monitoring, Datenschutz und Kostenkontrolle für den Produktivbetrieb planen
So arbeiten wir
- Kurze Inputs mit klaren Entscheidungsregeln
- Geführte Praxisübungen an einer Referenz-Pipeline
- Workshops zu Dialogmustern, Teststrategie und Governance
- Gemeinsame Reviews von Architektur- und Monitoring-Entwürfen
Empfohlene Vorkenntnisse
- Grundverständnis von Web- oder Backend-Architekturen und APIs
- Hilfreich sind erste Berührungspunkte mit Audio, ML oder KI-Anwendungen
- Für fehlende ML-Grundlagen eignet sich vorab der Python Machine Learning Grundkurs
Dein Fahrplan
Der erste Seminartag startet mit Zielmetriken, Latenz-Budget und End-to-End-Architektur für Sprach-Interfaces. Danach stehen typische Fehlerbilder wie Overlap, Hall, Stille und Abbrüche im Mittelpunkt.
Im STT-Teil werden Streaming-Transkription, Batch-Verarbeitung, Voice Activity Detection, Segmentierung und Fachvokabular behandelt. Die Qualität der Transkription wird mit WER, Real-Time-Factor und Confidence bewertet.
Organisatorisches
Lernformate
Unsere Seminare bieten dir maximale Flexibilität: Du kannst zwischen Live-Online und Vor Ort in unseren modernen Schulungszentren im D-A-CH Raum wählen. Beide Formate garantieren dir die gleiche hohe Qualität und interaktive Lernerfahrung.
Schulungsarten
Wir bieten dir verschiedene Schulungsarten: Offene Seminare, Firmenseminare für Teams und Inhouse-Schulungen direkt bei dir vor Ort. So findest du genau das Format, das zu deinen Bedürfnissen passt.
Uhrzeiten
09:00-16:00 Uhr
Aktuelle Software
In unseren offenen Kursen arbeiten wir mit der aktuellsten Software-Version. So lernst du direkt mit den Tools und Features, die du auch in deinem Arbeitsalltag verwendest - mit klarem Alltagsbezug und zukunftsorientiert. Bei Inhouse- und Firmenschulungen bestimmt ihr die Version.
Deine Vorteile
Zufriedenheitsgarantie
Wir sind von unserer Qualität überzeugt. Sollte ein Training einmal nicht deinen Erwartungen entsprechen, bieten wir dir an, den Kurs kostenlos zu wiederholen oder ein anderes Training zu besuchen. Ohne Risiko, ohne Diskussion.
Inklusivleistungen
Deine Teilnahme beinhaltet: Schulungsmaterial, Zertifikat, Verpflegung (bei Präsenzveranstaltungen) und persönliche Betreuung durch unsere Trainer und unser Orga-Team. Alles aus einer Hand - keine versteckten Kosten.
Lernen von Experten
Unsere Trainer sind zertifizierte und erfahrene Profis mit jahrelanger Berufserfahrung. Sie vermitteln dir in den Kursen nicht nur theoretisches Wissen, sondern teilen ihre Erfahrungen aus realen Projekten und helfen dir, das Gelernte direkt in deiner täglichen Arbeit anzuwenden. Das ist kein Werbeversprechen, sondern unser Anspruch. Am besten siehst du das in unseren Bewertungen, z.B. auch bei Google.
Keine Vorkasse
Du zahlst erst nach dem Seminar. Keine Vorkasse, keine Vorauszahlung - so kannst du sicher sein, dass du nur für das bezahlst, was du auch wirklich erhalten hast. Die Rechnung erhältst du erst nach Kursbeginn.
Max. 8 Teilnehmende
Wir setzen auf kleine Gruppen, damit du die Aufmerksamkeit bekommst, die du verdienst. So haben wir mehr Zeit für deine individuellen Fragen und können gezielt auf deine Bedürfnisse eingehen.
Termine und Preise
| Zeitraum | Ort | Preis (netto) |
|---|---|---|
| 21.12. - 22.12.2026 | München oder Live-Online | 1.090 € |
| 01.03. - 02.03.2027 | München oder Live-Online | 1.090 € |
| 26.04. - 27.04.2027 | München oder Live-Online | 1.090 € |
| 14.06. - 15.06.2027 | München oder Live-Online | 1.090 € |
| 16.08. - 17.08.2027 | München oder Live-Online | 1.090 € |
| 04.10. - 05.10.2027 | München oder Live-Online | 1.090 € |
Alle Preise zuzüglich gesetzlicher Mehrwertsteuer. Freie Plätze und weitere Termine findest du unter www.cmt.de/seminare/ki-sprach-interfaces.
Firmenschulung und Inhouse
Diese Schulung gibt es auch exklusiv für dein Unternehmen, bei euch vor Ort, an unseren Standorten oder Live-Online. Inhalte und Termine stimmen wir mit euch ab.
Dein Kontakt bei cmt
Yves Hoppe
Telefon 0800 71 20000
yves.hoppe@cmt.de
Termine & Buchung
Vor Ort
Online
Nicht der passende Termin dabei?
Wir finden eine Lösung: anderer Termin, mehrere Teilnehmer, Inhouse-Schulung oder individuelle Beratung.
Lieber gleich das ganze Team schulen?
Diese Schulung gibt es auch exklusiv für dein Unternehmen, bei euch vor Ort, an unseren Standorten oder Live-Online. Inhalte und Termine nach Maß.
Wie die Planung abläuft, was ein Zuschnitt kostet und welche Themen wir abdecken, steht auf unserer Seite zu Inhouse Schulungen im Bereich KI-Entwicklung.
Inhouse-Schulung
Wir kommen zu euch: diese Schulung maßgeschneidert in euren Räumen, für Unternehmen und Behörden.
- Inhalte exakt auf euch zugeschnitten
- Termine nach euren Bedürfnissen
- Günstiger ab mehreren Teilnehmern
- Vertraute Umgebung, kein Reiseaufwand
Firmen-Seminar
Exklusiv für dein Team an einem unserer Standorte oder Live-Online, individuell angepasst.
- Geschlossene Gruppe aus eurem Haus
- Individuelle Terminplanung
- An unseren Standorten oder Live-Online
- Angepasste Inhalte
Fragen und Antworten zu KI Sprach-Interfaces bauen: STT & TTS, die wirken
Brauche ich Programmierkenntnisse für das STT- und TTS-Seminar?
Grundlegendes Verständnis von APIs und Softwarearchitektur ist wichtig. Tiefe ML-Vorkenntnisse sind nicht erforderlich, da die Übungen auf Architektur, Integration, Qualitätsbewertung und Betrieb ausgerichtet sind.
Arbeiten wir mit Streaming oder nur mit Audiodateien?
Beides wird behandelt. Im Seminar werden Streaming-Transkription, Teil-Ergebnisse, Voice Activity Detection und Batch-Verarbeitung verglichen, damit die passende Variante für den jeweiligen Anwendungsfall ausgewählt wird.
Geht es auch um Datenschutz und produktiven Betrieb?
Ja. Behandelt werden Logging- und Retention-Regeln, PII-Handling, Zugriffskonzepte, Monitoring, Ausfallraten, Qualitätsdrift und Kostenkontrolle für produktive Voice-Features.
Welche Rolle spielt SSML bei Text-to-Speech?
SSML wird genutzt, um Sprachausgabe gezielt zu steuern: Pausen, Betonung, Aussprache, Prosodie und Sprechfluss werden so angepasst, dass TTS-Ausgaben verständlicher und natürlicher klingen.
Ist das Training für Voicebots und KI-Assistenten geeignet?
Ja. Die Inhalte passen zu Voicebots, sprachbasierten KI-Assistenten, Diktierfunktionen, Service-Automatisierung und Conversational Interfaces. Für die Textverarbeitung nach der Transkription kann der Natural Language Processing Grundkurs sinnvoll anschließen.
Muss ich ein Notebook oder Lizenzen mitbringen?
Nein. Geräte, VMs und Software werden dir, falls erforderlich, zur Verfügung gestellt.
Weitere häufig gestellte Fragen und Antworten findest du in den FAQs.
Passende Schulungen nach dem Kurs
Ähnliche Kurse
Mit VibeCoding zum MVP in Rekordzeit
Machine Learning mit Python Grundkurs (Für Python Einsteiger)
Frontend-Entwicklung für KI-Apps: Advanced Patterns und Design
OpenCode Grundkurs: die smarte Claude-Alternative
A2A-Protokoll-Schulung: KI-Agenten verbinden
Unser Qualitätsversprechen: Wissen, das in der Praxis funktioniert
Aus der Praxis für die Praxis
Schluss mit theoretischem Ballast. Wir trainieren dich für reale IT-Herausforderungen, nicht für Multiple-Choice-Tests. Unsere Trainer vermitteln dir genau das Wissen, das am nächsten Montagmorgen im Job wirklich funktioniert.
Individuell statt "Schema F"
Deine Fragen passen nicht ins Standard-Skript? Bei uns schon. Wir verzichten auf starre Lehrpläne und geben deinen konkreten Projekt-Fragen Raum. Unsere Trainer passen die Inhalte flexibel an das an, was dich und dein Team aktuell weiterbringt.
Maximale Freiheit: Remote oder vor Ort
Lerne so, wie es in deinen Alltag passt - ohne Reise-Stress und Zeitverlust. Egal ob remote, hybrid oder präsent vor Ort: Wir garantieren dir ein nahtloses und effektives Lernerlebnis, egal von wo du dich zuschaltest.
Mit Zufriedenheitsgarantie
Wir sind von unserer Qualität überzeugt - und wollen, dass du es auch bist. Sollte ein Training einmal nicht deinen Erwartungen entsprechen, bieten wir dir an, den Kurs kostenlos zu wiederholen oder ein anderes Training zu besuchen. Ohne Risiko, ohne Diskussion.
Über 20.000 Unternehmen und Behörden vertrauen auf uns
