KI- und LLM-Funktionen

NextATC nutzt KI derzeit in zwei getrennten Bereichen: Spracheingabe und optionale Dialogvariation. Beides ist experimentell. Es soll den Funk weniger wiederholend und natürlicher wirken lassen, nicht die normale ATC-Logik ersetzen.

Die wichtige Regel ist einfach: NextATC entscheidet weiterhin Freigabe, Piste, Höhe, Frequenz, Route, Rollanweisung, Verkehrszustand und Flugphase. KI kann helfen, das Gesagte zu erkennen, oder eine bereits vorbereitete ATC-Meldung anders zu formulieren. Sie ist kein freier Chatbot und kein autonomer Lotse.

Experimenteller Status#

Die zugehörigen Optionen sind als experimentell markiert:

• AI Push-to-Talk Recognition (Experimental) für die Spracheingabe.
• Dialog Generation and A.I. (Experimental) für generierte ATC-Formulierungen.
• AI - Gemini (Cloud, Experimental) für Cloud-LLM-Phrasenvariation.

Experimentell bedeutet, dass Ergebnisse je nach Mikrofon, Akzent, Cockpitgeräusch, Internetverbindung, Modellverfügbarkeit, API-Limits und genauer Meldung variieren können. Wenn etwas falsch klingt, zu langsam ist oder unzuverlässig wirkt, schalten Sie die Funktion aus und nutzen Sie die Radio-Log-Schaltflächen. Der Flug läuft mit der integrierten Standardphraseologie weiter.

Wofür NextATC heute KI nutzt#

NextATC hat zwei KI-unterstützte Funktionen:

• Push-to-Talk Recognition hört Ihr Mikrofon ab und versucht, Ihren Readback oder Ihre aktuelle Funkaktion in Text umzuwandeln.
• Dialog Generation and A.I. bittet ein LLM, bestimmte ATC-Meldungen umzuschreiben, damit sie nicht immer identisch klingen.

Diese Systeme sind unabhängig. Sie können Spracherkennung ohne Gemini, Gemini ohne Spracherkennung, beide zusammen oder keines davon verwenden.

Push-to-Talk-Erkennung#

Push-to-Talk-Erkennung ist Speech-to-Text, keine Unterhaltung mit einem LLM. Sie binden den Befehl NextATC/voice_push_to_talk, drücken oder toggeln ihn und sprechen den Readback oder die aktuelle Funkwahl. NextATC transkribiert das Audio, zeigt eine Vorschau im Radio Log und prüft, ob der wichtige operative Inhalt zu dem passt, worauf ATC wartet.

Wichtig sind zum Beispiel Rufzeichen, Piste, Squawk, Kurs, Höhe, Frequenz und Verfahrensnamen. Sie müssen nicht jedes Wort exakt wie die Schaltfläche sagen, aber die wichtigen Zahlen und Namen müssen vorhanden und erkennbar sein.

Es gibt zwei Betriebsarten:

• Hold-to-Talk: Halten Sie die PTT-Taste beim Sprechen gedrückt und lassen Sie sie danach los. Das ist der Standard und kommt einer echten Funkanlage am nächsten.
• Toggle Talk: Einmal drücken, um die Aufnahme zu starten, erneut drücken, um sie zu beenden. Das ist nützlich, wenn die Taste schwer zu halten ist. Geführtes Auto-Toggle kann das Hören bei unterstützten Prompts auch starten und beenden.

Push-to-Talk-Modelle#

Das Optionsfenster listet mehrere Erkennungsmodelle. Betrachten Sie Whisper Base English derzeit als praktische Basis.

• Whisper Base English (etwa 142 MB): stabiles eingebettetes Modell und empfohlener Startpunkt. Es ist auf Englisch ausgerichtet und meist die beste Wahl für Standard-ATC-Readbacks.
• Whisper Small English (etwa 466 MB): größeres eingebettetes Whisper- Modell mit besserer Erkennung, aber mehr Speicherbedarf und langsamerer Transkription.
• Whisper Medium English (etwa 1,46 GB): genaueste eingebettete Option für schnelle Consumer-PCs.

Für lokale Transkription werden nur diese eingebetteten Whisper-Modellgrößen angeboten. Englisch ist die Voreinstellung. Mehrsprachige Modelle schaltet die ausgewählte Größe auf eine separat heruntergeladene mehrsprachige Whisper- Variante um und lässt Whisper die gesprochene Sprache automatisch erkennen. Nutzen Sie dies für lokale, nicht englische Eigennamen oder Aussprache, nicht um die ATC-Interaktion zu ändern: Der von NextATC erwartete Readback-Text bleibt Englisch. Wenn ein größeres Modell zu langsam oder weniger zuverlässig ist, wechseln Sie zurück zu Whisper Base English.

Dialogerzeugung mit Gemini#

Gemini wird nur zur Texterzeugung verwendet. Es hört Ihr Mikrofon nicht ab und entscheidet nicht, welche Freigabe oder Anweisung Sie erhalten. Wenn AI - Gemini gewählt ist und ein API-Key konfiguriert wurde, sendet NextATC eine kurze Textanfrage mit der Meldung, die umformuliert werden soll, sowie den Luftfahrtangaben, die zur Bewahrung der gleichen Fakten nötig sind. Mit der Schaltfläche Modell in den Optionen kann zwischen Gemini Flash und Gemini Flash-Lite gewählt werden; NextATC verwendet immer die neueste von Google veröffentlichte Version des gewählten Modells.

Gemini versucht dann, denselben ATC-Inhalt anders zu formulieren. Ziel ist Variation: andere Einstiege, etwas andere Kadenz und weniger Wiederholung bei längeren Sitzungen. Route, Piste, Squawk, Höhe, Frequenz und andere operative Angaben müssen gleich bleiben.

Die integrierte Phrase bleibt die Referenz. Wenn Gemini deaktiviert, nicht verfügbar oder zu langsam ist, leeren Text zurückgibt oder eine Phrase erzeugt, die die Validierung nicht besteht, verwendet NextATC wieder die integrierte Meldung.

Die Schaltfläche Gemini variation in Options schaltet zwischen vier experimentellen Inferenzstilen um. Nutzen Sie sie, um zu vergleichen, wie Gemini denselben ATC-Meldungstyp umschreibt: konservativer, variierter, weniger nah an der Vorlage oder stärker durch Beispiele geführt. Sie ändert nur den Wortlaut, nicht die ATC-Entscheidungen.

Lokale LLM-Modelle#

Lokale Einträge können in Options als AI - <model> (Local paused, Experimental) erscheinen. In normalen Builds sind sie gelistet, aber pausiert. Sie sind derzeit nicht der empfohlene Weg für Nutzer. Verwenden Sie den integrierten Modus NextATC für strenge, vorhersehbare Phraseologie oder Gemini, wenn Sie Cloud-Variation testen möchten.

Was Sie erwarten sollten#

KI-Phrasenerzeugung kann den Funk lebendiger machen, kann aber auch konservativ, subtil oder gelegentlich falsch sein. Selbst mit Validierung kann eine erzeugte Zeile ungewohnt klingen, eine Nuance verlieren oder eine Formulierung wählen, die Ihnen nicht gefällt. Für die vorhersehbarste Erfahrung lassen Sie die Dialogerzeugung im integrierten Modus NextATC.

Bei Spracherkennung sind ein Headset-Mikrofon, ein ruhiges Cockpit, kurze Readbacks und klar gesprochene Ziffern am besten. Lassen Sie beim Testen immer das Radio Log sichtbar. Die Mausklicks auf Readback und Say Again bleiben der zuverlässige Fallback.

Siehe auch#

• Sprache & Push-to-Talk — praktische Einrichtung von Mikrofon, PTT-Modus und Readbacks.
• Optionen-Referenz — alle zugehörigen Checkboxen und Schaltflächen.
• Azure-Einrichtung — Cloud-Text-to-Speech-Stimmen. Azure TTS ist von KI und Gemini getrennt.