Indirekte Rede auf Knopfdruck

Aus „Ich bin 18 Jahre alt und in Nürnberg geboren.“ wird Er sei 18 Jahre alt und sei in Nürnberg geboren worden. Ein kleines Sprachmodell setzt Ihre Sätze in den Konjunktiv – direkt in Ihrem Browser, ohne Server.

1 Modell laden

Das Modell wird einmalig heruntergeladen und im Browser gespeichert. Danach funktioniert die Seite auch ohne Internetverbindung.

Welches Modell?

2 Text umwandeln

Laden Sie zuerst das Modell (Schritt 1).

Was macht das Werkzeug?

Es schreibt Aussagen in der Ich- oder Wir-Form so um, wie man sie in einem Bericht wiedergibt: in der indirekten Rede. Dabei tauscht es die Personen aus (ich → er/sie, mein → sein/ihr, wir → sie) und setzt die Verben in den Konjunktiv.

Grenzen: Das Modell kennt nur die Sprecher er und sie. Fragen, Befehle und Sätze, die jemanden mit du oder ihr ansprechen, verarbeitet es nicht zuverlässig. Wie jedes Sprachmodell macht es gelegentlich Fehler – lesen Sie das Ergebnis gegen, bevor Sie es verwenden.

Warum das komplett offline läuft

Die Seite schickt Ihren Text nirgendwohin. Modell, Rechenlaufzeit und diese Seite liegen alle auf demselben Server und werden einmal geladen. Die Umwandlung selbst rechnet Ihr Browser mit ONNX Runtime in WebAssembly. Es gibt kein Backend, keine API und keine Datenbank – nur statische Dateien. Einzige Ausnahme ist ein anonymer Besucherzähler von Cloudflare, dem Hoster der Seite; er sieht Ihren Text nicht.

In Chrome mit eingebautem Sprachmodell (Gemini Nano) erscheint unter dem Eingabefeld zusätzlich „Beispiel erzeugen“. Auch diesen Beispieltext schreibt das Modell auf Ihrem Gerät. Hat Chrome das Modell noch nicht, lädt es beim ersten Klick einmalig mehrere Gigabyte von Google herunter; Ihr Text wird dabei nicht übertragen.

Nach dem ersten Laden speichert der Browser das Modell (Cache Storage). Beim nächsten Besuch lädt es in wenigen Sekunden von der Festplatte, auch im Flugmodus. Mit „Modell vom Gerät löschen“ geben Sie den Speicher des gewählten Modells wieder frei; das andere bleibt gespeichert, falls Sie beide geladen haben.

Worauf es basiert und wie es trainiert wurde

Grundlage des Standardmodells ist Flan-T5 base von Google (248 Millionen Parameter), Grundlage des genaueren Modells Flan-T5 large (783 Millionen Parameter, beide Apache-2.0-Lizenz). Beide wurden auf denselben Daten für genau diese eine Aufgabe feinjustiert:

  1. Sätze sammeln: rund 40.000 deutsche Ich- und Wir-Sätze aus dem freien Satzkorpus Tatoeba (CC BY 2.0 FR), dazu Mustersätze für alle Zeitformen.
  2. Schwierige Fälle ergänzen: rund 16.000 Sätze hat ein Sprachmodell gezielt für die Fehler geschrieben, die das Modell noch machte – darunter 170 erfundene Asylanhörungen und Polizeivernehmungen, weil lange, realistische Schilderungen anfangs deutlich mehr Fehler hatten als kurze Sätze.
  3. Beispiele erzeugen: Ein großes Sprachmodell hat jeden Satz nach festen Regeln in die indirekte Rede gesetzt.
  4. Prüfen: Ein zweiter Durchgang hat jedes Paar gegen dieselben Regeln geprüft und fehlerhafte aussortiert (etwa 4 %). Am Ende blieben 54.213 Trainingspaare.
  5. Trainieren: drei Durchläufe pro Runde. Das Standardmodell lief auf einer Laptop-Grafikkarte, gut drei Stunden pro Runde; das genauere Modell (Runde 19) auf einer AMD Instinct MI50, ebenfalls rund drei Stunden.
  6. Mitteln: Das Standardmodell ist der Mittelwert mehrerer Trainingsrunden. Einzelne Runden schwanken – jede behebt die Fehler, auf die sie zielt, und macht dafür andere. Der Mittelwert behält die Verbesserungen.
  7. Verkleinern: Der Decoder wurde auf 8-Bit-Gewichte komprimiert, damit der Download handlich bleibt. Encoder und Ausgabeschicht bleiben in voller Genauigkeit, weil die Kompression dort seltene Wörter verfälschte.

19 Trainingsrunden

Nach jeder Runde wurde das Modell an Sätzen geprüft, die es im Training nie gesehen hatte. Die Fehler, die dabei auffielen, bestimmten, welche Beispiele die nächste Runde bekam. Nicht jede Runde wurde besser: War eine schlechter als die vorige, lief hier weiter die bessere. Ab Runde 15 kam weder eine neue Runde noch ein Mittelwert unter 14 fehlerhafte Sätze in den Schilderungen, deshalb endete das Training des Standardmodells mit Runde 18. Als Standard läuft hier Runde 17; Runde 19 ist das größere, wählbare Modell auf denselben Daten.

RundeModellWas neu warTestsätzeFehlerhafte Sätze in SchilderungenStatus
1smallErster Durchlauf: Sätze aus Tatoeba und Mustersätze für alle Zeitformen89,9 %–war live
2smallGroßbuchstaben Ä, Ö und ẞ, seltene Verben, trennbare Verben im Präteritum89,7 %–war live
3smallAlle Verben in Nebensätzen werden umgesetzt, nicht nur das Hauptverb90,5 %––
4small„uns“ und „mir“ als Dativ, Modalverben in Nebensätzen, Bewegungsverben mit „sein“91,3 %––
5baseWechsel auf das dreimal größere Flan-T5 base94,6 %––
6baseWortstellung nach vorangestellten Zeitangaben vereinheitlicht94,1 %–war live
7baseGemeldete Interview-Sätze: seltene Verben mit „mir“, „es fiel mir schwer“94,4 %101 von 393war live
8basePlusquamperfekt, Verben auf -eln und -ern, Sätze im Stil von Anhörungen94,5 %94 von 393nur Release
9base100 erfundene Asylanhörungen und Polizeivernehmungen als Trainingstexte94,5 %72 von 393nur Release
10basePartizipien, „haben“ oder „sein“, „mich“ und „uns“ als Objekt95,1 %51 von 393war live
11base45 weitere Anhörungen und Vernehmungen, schwache Verben in Nebensätzen, einheitliche Schreibweisen94,6 %31 von 393war live
12basePlusquamperfekt ohne zusätzliches „gewesen“, lange Verbketten, kurze Alltagssätze95,3 %34 von 393war live
13base„mich“ und „uns“ als Objekt in Infinitiven, lange Verbketten, 25 weitere Vernehmungen94,7 %25 von 393war live
14baseJedes Partizip bekommt sein eigenes Hilfsverb, auch in Nebensätzen; „mich“ und „uns“ als Objekt beim Retten und Helfen95,4 %21 von 393war live
15baseModalverben in beiden Satzteilen, Passiv mit Modalverb, Zustandspassiv neben Plusquamperfekt95,1 %15 von 393war live
16baseVorangestellter Dativ mit Subjekt im Plural, Gefühlsverben mit „haben“ – schlechter als Runde 15, deshalb wieder zurückgenommen95,2 %21 von 393war live
17baseKein neues Training: Mittelwert der Gewichte aus Runde 13 bis 16 – gleicht die Schwankungen zwischen den Runden aus94,8 %13 von 393live (Standard)
18base„sich erschrecken“, Zustände mit „war“, Infinitive nach „versuchen“; einzeln schlechter, im Mittelwert ohne Gewinn96,0 %19 von 393nur Release
19largeGrößeres Grundmodell (Flan-T5 large, 783 Mio. Parameter) auf den Daten von Runde 18, trainiert auf einer Instinct MI50 – als wählbares, genaueres Modell neben dem Standard96,6 %10 von 393live (genauer)

„Testsätze“ zählt nur wortgleiche Treffer; eine gleichwertige andere Formulierung gilt dort als Fehler. Die Fehler in den Schilderungen hat ein zweites Sprachmodell in drei unabhängigen Durchgängen bewertet; gezählt ist ein Satz, wenn mindestens zwei Durchgänge denselben Fehler fanden. Wiederholt man diese Bewertung für dasselbe Modell, schwankt das Ergebnis um ein bis zwei Sätze.

Ab Runde 6 ist jede Runde als Modelldatei veröffentlicht, unter Releases. Quellcode, Trainingsdaten und Protokoll: github.com/boredland/konjunktiv (MIT-Lizenz).