---
title: "Kanshō – Sprache und Medien"
version: "0.1"
status: "Arbeitsstand"
date: "2026-08-19"
product_family: "Jinkendo"
document_role: "Technical Chapter / Voice / Transcription / Media"
parent_document: "technische_zielarchitektur.md"
---
# Kanshō – Sprache und Medien

Kanonisches Home für Spracheingabe und Transkription. Fachlich erforderlich, Ausprägung offen (`produktvision_und_produktidentitaet.md` §19.5). Interview G3 ist nicht abgeschlossen.

## 1. Anforderung

Auf dem Smartphone darf Reflexion nicht zwingend Tippen erfordern. Transkription ist eine zentrale technische Funktion.

Sie ist kein Freibrief für Cloud-Speech ohne Policy.

## 2. Egress-Klasse

Transkriptionsdienste sind eine **eigene Trust- und Policy-Zone** (`guardrails.md` §13). Ein ZDR-LLM-Endpoint legalisiert nicht denselben Audiostream oder denselben Klartext an einen Speech-Provider.

Klasse-A-Identität und unnötige Quasi-Identifikatoren gelten auch für Metadaten von Audio (Dateiname, GPS, Geräte-ID).

## 3. Offene Ausprägung

Nicht entschieden, daher kein Implementierungszwang in v0.1:

- Live vs. nachträgliche Transkription
- lokal vs. serverseitig vs. externer Speech-Dienst
- Bearbeitung vor Übernahme in den Dialog
- Sprecher-/Pausenlogik
- lange Aufnahmen
- Audio löschen nach Transkript vs. als Medium behalten
- Push-to-talk vs. Daueraufnahme
- Offline-Transkription

## 4. Leitplanken für jede spätere Wahl

- Das Transkript wird zur Originalrepräsentation des Dialogs oder zu einer klar gekennzeichneten Ableitung; die Regel muss dokumentiert werden, bevor Re-Grounding darauf aufsetzt.
- Nutzerkorrektur vor Persistenz als bevorzugte Richtung (fachlich offen, technisch vorbereiten).
- Fail Closed: kein unsicherer Cloud-Speech-Fallback.
- Journal- und Writing-Profile laufen auf Text nach Korrektur, nicht auf Roh-ASR-Fehlern als „persönlicher Stil“.

## 4.1 Journal-Medien (nicht Voice)

Spracheingabe bleibt offen. Davon getrennt: im Journal-Editor eingebettete Bilder und Videos sind lokale Dateien (`media_assets`), Auslieferung nur an die Session, kein Provider-Egress. EXIF bei JPEG/PNG wird gestrippt. Video-Container-Metadaten (einschließlich GPS) werden derzeit **nicht** entfernt.

Das ist keine Videoverwaltung und kein Ersatz für Transkription.

## 5. Entscheidungsstand

| Thema | Stand | Status |
|---|---|---|
| Transkription erforderlich | ja | entschieden (fachlich) |
| Eigener Egress-Typ | ja | entschieden (fachlich) |
| Verfahren, Vendor, Speicherdauer Audio | – | offen |

## 6. Offene Fragen

Siehe Interview G3. Zusätzlich: Wie verhält sich Voice zum Working Context, während ein Thread-Wechsel erkannt wird?

## 7. Querverweise

- `privacy_gateway.md`, `frontend_pwa_shell.md`, `memory_storage_and_offline.md`
- Fachlich: `../functional/produktvision_und_produktidentitaet.md` §19.5