Feedback

Stagetab wächst mit ihren Nutzern: Fehler, die du meldest, und Werkzeuge, die du dir wünschst, entscheiden mit, was als Nächstes kommt.

Mitgesendet werden Werkzeug, Version und Browser, damit sich der Fehler nachstellen lässt. Die E-Mail nur, wenn du sie einträgst.

Meistgewünschte Werkzeuge

  1. Wird geladen …

Ein Klick auf ▲ gibt eine Stimme. Neue Wünsche erscheinen nach kurzer Prüfung.

← Alle Werkzeuge

Live-Übersetzung

Sprache vom Pult wird in Echtzeit zu Text und in weitere Sprachen übersetzt – als Untertitel im Werkzeug, auf einem Bildschirm oder Beamer und als Datei. Alles läuft auf diesem Rechner: Ton und Text verlassen ihn nie.

Maschinelle Übersetzung – kann Fehler enthalten. Ton und Text bleiben auf diesem Rechner.

Gäste-Handys

Gäste lesen die Untertitel auf dem eigenen Handy: QR-Code scannen, Sprache wählen. Die Hardware-Bridge stellt dafür eine eigene, nur lesende Seite im Netz bereit – Handys und dieser Rechner müssen im selben Netz sein (Gäste-WLANs mit „Client-Isolation“ verhindern das). Kein Internet nötig, nichts verlässt das Netz.

Mit Ton hören die Gäste die Computerstimme der gewählten Sprache – wie eine Dolmetscheranlage, mit eigenem Kopfhörer. Je Handy etwa 64 kbit/s, solange gesprochen wird. Ohne lokalen Lautsprecher: unter „Sprachausgabe“ als Ausgang „nur Gäste-Handys“ wählen.

Sprachausgabe

Liest die Übersetzung mit einer Computerstimme vor – je Sprache auf einem eigenen Audio-Ausgang, z. B. einem Kanal der Dolmetscheranlage oder einem Kopfhörer-Sender. Stimmen: Piper (rhasspy/piper-voices), Aussprache: eSpeak NG. Dieses Modul steht unter der GPL-3.0 und liegt getrennt im KI-Ordner (tts/), samt Quelltext. Die Stimmen werden wie die übrigen Modelle einmal geladen.

VorlesenSpracheAusgangLautstärkeStimme

Kennzeichnung nach EU-KI-Verordnung (Art. 50): Die Stimme ist KI-erzeugt. Auf den Gäste-Handys steht „KI-Stimme“ und jeder Tonrahmen trägt ein maschinenlesbares Kennzeichen; für Lautsprecher und Dolmetscheranlage gibt es die Ansage. Vor dem Einsatz bitte rechtlich bestätigen lassen.

Einstellungen
Übersetzen nach

Eine Zeile je Eintrag. Nur ein Name (z. B. ES-Sound): Hinweis an die Spracherkennung, wird nie übersetzt. „falsch = richtig“: korrigiert den erkannten Text. „> Wort = Ersatz“: ersetzt im übersetzten Text.

Untertitel-Ausgang

Modelle

Die KI-Modelle werden einmal auf Knopfdruck geladen und bleiben in diesem Browser gespeichert; danach läuft alles ohne Internet. Quelle: der eigene Spiegel auf dem Stagetab-Server, sonst Hugging Face. Jede Datei wird mit fester Prüfsumme (SHA-256) geprüft und sonst verworfen.

ModellGrößeLizenzStand

So funktioniert es

Signalweg: Ein Aux- oder Matrix-Ausgang vom Pult (nur die Sprechermikrofone, ohne Musik und Einspieler) geht in ein Audio-Interface am Rechner. Hier Eingang und Kanal wählen, „Start“ drücken. Ein Laptop-Mikrofon geht zum Ausprobieren, im Saal aber nicht zuverlässig.

Ablauf: Eine Spracherkennung (Silero VAD) schneidet die gesprochenen Abschnitte aus. Whisper schreibt etwa jede Sekunde mit (grau = vorläufig). Erst wenn zwei Durchläufe übereinstimmen, gilt der Text als fest; nach einer Pause oder spätestens nach 10 s wird abgeschlossen. Übersetzt wird nur fester Text, an Satz- und Teilsatzgrenzen (Opus-MT, je Sprachpaar ein Modell).

Sprachen: Gesprochen wird Deutsch oder Englisch. Übersetzt wird nach Deutsch, Englisch, Französisch, Spanisch, Italienisch, Niederländisch, Ukrainisch und Russisch, mit „Qualität“ auch nach Polnisch, Türkisch und Japanisch. Wo es kein direktes Modell ab Deutsch gibt, geht die Übersetzung über Englisch (gekennzeichnet) – das kostet etwas Genauigkeit und Zeit. Mit „Übersetzung: Qwen3.5“ übersetzt ein kleines Sprachmodell (2 Mrd. Parameter, 1,4 GB, nur mit Grafikkarte) alle Sprachen direkt und meist flüssiger. Es braucht mehr Zeit je Satz und kann sich wie jedes Sprachmodell irren; Polnisch, Türkisch und Ukrainisch sind noch etwas holprig. Vorgelesen werden alle Sprachen außer Türkisch und Japanisch – dafür gibt es noch keine frei nutzbare Stimme.

Rechner: Für „Whisper large-v3-turbo“ eine Grafikkarte mit WebGPU (NVIDIA oder AMD, mindestens 8 GB Grafikspeicher) in Chrome, Edge oder der Desktop-App. Ohne WebGPU rechnet der Prozessor; dann „Whisper small“ oder „base“ wählen – die sind ungenauer und langsamer.

Verzögerung (ehrlich): mit Grafikkarte meist 1,5–3 s von der Sprache bis zur Übersetzung, ohne Grafikkarte 3–8 s. Die Anzeige oben zeigt den gemessenen Wert. Für Live-Dolmetschen ersetzt das keine Dolmetscher, für Untertitel und Barrierefreiheit reicht es oft.

Datenschutz: Ton, Transkript und Übersetzung bleiben auf diesem Rechner. Ins Netz geht nur der einmalige Download der Modelle. In der Projektdatei stehen nur Einstellungen, Sprachen, Glossar und Ausgangs-Layout – nie Ton oder Text.

Über Stagetab

Alle Berechnungen laufen lokal im Browser. Eingaben werden nicht übertragen, Ablaufplan und Soundboard-Beschriftungen bleiben nur auf deinem Gerät gespeichert.

Die Rechner liefern Richtwerte für die Planung und den Aufbau. Herstellerangaben, Messungen vor Ort und Sicherheitsvorgaben haben immer Vorrang.

Technik für deine Veranstaltung?

ES-Sound plant und betreut Ton, Licht und Video für Firmenevents, Konzerte und Feiern.

Projekt anfragen

Lizenzen & Marken

Nutzungsbedingungen

  1. Stagetab darf kostenlos zur eigenen Planung und Durchführung von Veranstaltungen genutzt werden, auch gewerblich.
  2. Weitergabe, Verkauf, Veränderung, Zurückentwicklung (Reverse Engineering) und das Kopieren von Teilen der Software in andere Produkte sind nicht gestattet. Stagetab wird ausschließlich über es-sound.de bereitgestellt.
  3. Alle Berechnungen (z. B. Lasten, Strom, Pegel) sind Richtwerte und ersetzen keine Prüfung durch sachkundiges Personal. Für Aufbau, Sicherheit und Freigabe ist der Nutzer bzw. der verantwortliche Fachmann vor Ort zuständig.
  4. Stagetab wird ohne Gewähr bereitgestellt. ES-Sound haftet nur für Vorsatz und grobe Fahrlässigkeit, soweit gesetzlich zulässig.
  5. Projektdaten bleiben in deinem Browser bzw. auf deinem Rechner. Stagetab sendet keine Projektdaten an ES-Sound.

Software, Daten und Schriften

Stagetab nutzt folgende Software, Daten und Schriften. Die vollständigen Lizenztexte liegen den Dateien bei.

BestandteilRechteinhaberLizenz
three.js (3D-Darstellung)three.js authorsMIT
systray (Symbol der Hardware-Bridge)Fyne.io-Projekt, GetlanternApache 2.0
godbus (Hardware-Bridge unter Linux)Georg Reinke und MitwirkendeBSD 2-Clause
Go x/sys (Hardware-Bridge unter Windows)The Go AuthorsBSD 3-Clause
MapLibre GL JS (Karte im Lageplan)MapLibre contributorsBSD 3-Clause
Kartendaten im Lageplan (nur bei gewählter Karte)OpenFreeMap, OpenMapTiles, OpenStreetMap-MitwirkendeODbL
PDF.js (PDF als Grundriss)Mozilla FoundationApache 2.0
ONNX Runtime WebMicrosoft CorporationMIT
KI-Modell „Beat This!“ (Takterkennung)Institute of Computational Perception, JKU Linz; Johannes GorsetMIT
Essentia-Modelle für die Stimmungserkennung (nur im KI-Modul)Music Technology Group, Universitat Pompeu Fabra, BarcelonaCC BY-NC-SA 4.0
fft.jsFedor IndutnyMIT
Transformers.js (Live-Übersetzung, im KI-Modul)Hugging Face, Inc.Apache 2.0
Silero VAD 6.2.3 (Spracherkennung der Abschnitte, im KI-Modul)Silero TeamMIT
KI-Modell Whisper large-v3-turbo (nur nach Download in der Live-Übersetzung)OpenAI; ONNX-Fassung onnx-communityMIT
KI-Modelle Whisper small und base (nur nach Download)OpenAI; ONNX-Fassung onnx-communityApache 2.0
KI-Modelle Opus-MT Englisch → Deutsch (nur nach Download)Language Technology Research Group, Universität Helsinki (Helsinki-NLP); ONNX-Fassung XenovaCC BY 4.0
KI-Modelle Opus-MT Deutsch → Englisch/Französisch/Spanisch, Englisch → Französisch/Spanisch/Italienisch/Niederländisch/Russisch/Ukrainisch (nur nach Download)Language Technology Research Group, Universität Helsinki (Helsinki-NLP); ONNX-Fassung XenovaApache 2.0
KI-Sprachmodell Qwen3.5-2B (Übersetzung „Qualität“, nur nach Download)Qwen-Team (Alibaba Cloud); ONNX-Fassung onnx-communityApache 2.0
Sprachausgabe der Live-Übersetzung: eSpeak NG (getrenntes Modul im KI-Ordner, mit Quelltext)eSpeak NG contributorsGPL-3.0-or-later
KI-Stimmen Piper (Sprachausgabe, nur nach Download): Thorsten (de), Davefx (es), Pim (nl), ukrainian_tts (uk), Darkman (pl)Thorsten Müller; Open Home Foundation (rhasspy/piper-voices)CC0
KI-Stimme Piper LJSpeech (en, nur nach Download)Keith Ito (LJ Speech), Bryce Beattiegemeinfrei
KI-Stimmen Piper Siwis (fr), Paola (it), Dmitri (ru) (nur nach Download)SIWIS (Universität Edinburgh); Open Home Foundation; Basismodell hifi_tts_92 aus dem Hi-Fi Multi-Speaker English TTS Dataset (NVIDIA Corporation)CC BY 4.0 (Siwis, Basismodell), CC0 (Paola, Dmitri)
Open Fixture Library (Gerätedaten)Florian & Felix Edelmann und MitwirkendeMIT
GDTF-Dateien aus GDTF Share (Powered by GDTF)Hersteller bzw. Nutzer, die die Datei hochgeladen haben; GDTF Share von MA Lighting, Robe und VectorworksNutzungsbedingungen von gdtf-share.com; GDTF ist DIN SPEC 15800
Schriften Barlow Condensed, IBM Plex Sans, JetBrains MonoJeremy Tribby; IBM Corp.; JetBrains s.r.o.SIL Open Font License 1.1
Windows-App: Electron und ChromiumOpenJS Foundation, The Chromium AuthorsMIT u. a., siehe Programmordner

GDTF und MVR sind offene Formate nach DIN SPEC 15800. Die Lichtplan-Symbole folgen den Empfehlungen der USITT (RP-2) und sind eigene Zeichnungen.

Marken

Genannte Produkt- und Firmennamen, z. B. von Scheinwerfer-, Traversen- und Konsolenherstellern, sind Marken ihrer jeweiligen Inhaber. Sie werden nur verwendet, um Geräte, Formate und Kompatibilität zu benennen. Stagetab ist mit diesen Herstellern nicht verbunden und wird nicht von ihnen unterstützt. Gerätedateien der Hersteller bleiben deren Eigentum.

Die Live-Übersetzung macht aus der Sprache am Mischpult in Echtzeit Text und übersetzt ihn, zum Start zwischen Deutsch und Englisch. Die Untertitel siehst du im Werkzeug, auf einem zweiten Bildschirm oder Beamer und als Datei. Ton und Text bleiben dabei auf deinem Rechner, denn die KI-Modelle laufen direkt im Browser oder in der Desktop-App.

Live-Übersetzung mit Original und englischen Untertiteln im Browser

So kommt der Ton in die Live-Übersetzung

Lege einen Aux- oder Matrix-Weg mit den Sprechermikrofonen auf ein Audio-Interface am Rechner. Musik und Einspieler gehören nicht auf diesen Weg. Im Werkzeug wählst du Eingang und Kanal und drückst Start. Eine Sprachaktivitätserkennung schneidet die gesprochenen Abschnitte aus, Whisper schreibt mit, und nur bestätigter Text wird übersetzt.

Untertitel auf Beamer, Bildschirm und im Stream

Der Untertitel-Ausgang öffnet sich im Vollbild auf dem gewählten Bildschirm. Sprache, Zeilenzahl, Schriftgröße und Position stellst du je Ausgang ein. Mit Chroma-Grün als Hintergrund keyst du die Schrift im Bildmischer über das Bild. Nach der Veranstaltung speicherst du Transkript und Übersetzung als TXT oder SRT.

Rechner und Verzögerung

Am besten läuft die Live-Übersetzung mit einer Grafikkarte mit WebGPU und mindestens 8 GB Grafikspeicher. Dann liegt die Verzögerung meist bei 1,5 bis 3 Sekunden. Ohne Grafikkarte rechnet der Prozessor mit kleineren Modellen, langsamer und ungenauer. Maschinelle Übersetzung kann Fehler enthalten und ersetzt keine Dolmetscher. Für Untertitel und Barrierefreiheit reicht sie aber oft.

Zusammen mit anderen Werkzeugen

Die Untertitel passen zum Videomischer, der das Bild für Beamer und LED-Wand mischt. Den Pegel des Sprachwegs prüfst du vorher mit dem RTA-Analyzer, und im Ablaufplan steht, wann welche Rede kommt. Die Spracherkennung beruht auf Whisper von OpenAI, die Übersetzung auf Opus-MT der Universität Helsinki. Beide Modelle lädst du einmal auf Knopfdruck. Jede Datei wird dabei mit einer festen Prüfsumme kontrolliert. Danach funktioniert die Live-Übersetzung auch ganz ohne Internet, etwa in einer Halle ohne WLAN.

Nach oben scrollen