Kostenlose Spracheingabe: lokales Whisper und fertige Apps

Im hier beschriebenen Beispiel wird fast alles per Sprache diktiert: Prompts für Claude, Notizen, Beiträge und Antworten in Messaging-Apps. Sprechen ist 3–4-mal schneller als Tippen auf einer Tastatur. Lokales Whisper kann die Aufnahme auf deinem Computer erkennen. Die Zielanwendung bildet eine eigene Datenschutzgrenze: Text, den du in einen Cloud-Chat einfügst oder an einen Onlinedienst übermittelst, wird anschließend entsprechend dem Verhalten dieses Dienstes übertragen.

Diese Anleitung gibt einen direkten Installationsweg für eine App und einen kurzen Funktionstest, bevor du dich auf das Diktieren verlässt. Bei einem konkreten Fehler kann danach ein Agent bei der Diagnose helfen. Außerdem vergleichen wir den Komfort fertiger kostenpflichtiger Apps mit einer lokalen Option.

Warum per Sprache diktieren, statt zu tippen?#

Bei der Arbeit mit KI kostet die Formulierung am meisten Zeit, nicht der Code. Du erklärst Claude, was es tun soll, überarbeitest die Anweisung und präzisierst sie. Solche Erklärungen zu tippen dauert lange. Sie zu sprechen geht schnell.

Die Zahlen sind einfach: Sprechen ist etwa dreimal schneller als Tippen. Das ist der Unterschied zwischen „einen Absatz in zwei Minuten getippt“ und „ihn in dreißig Sekunden gesprochen“. Über den Tag summiert sich das auf Dutzende gesparte Minuten.

Außerdem sind deine Hände frei. Du kannst im Raum umhergehen, auf einen anderen Bildschirm schauen oder eine Tasse halten. Für viele Menschen fällt damit auch eine Hürde weg: Sprechen ist einfacher, als sich hinzusetzen und etwas aufzuschreiben.

Wispr Flow, superwhisper, Whisper: Was ist der Unterschied?#

Die Namen lassen sich leicht verwechseln. Gehen wir sie der Reihe nach durch.

Whisper (ohne „r“ am Ende, von OpenAI) ist eine Engine: ein offenes Modell, das Sprache in Text umwandelt. Es ist kostenlos, quelloffen und kann direkt auf deinem Computer laufen. Für sich allein ist es nur ein „Motor“ ohne Schaltflächen oder Fenster – fertige Apps verwenden es im Hintergrund.

Wispr Flow (mit „r“, wisprflow.ai) ist eine fertige, kostenpflichtige App für Mac und Windows. Halte eine Taste gedrückt, sprich, und der Text erscheint in jedem Feld, in dem sich der Cursor befindet. Praktisch, ausgefeilt und sofort einsatzbereit.

superwhisper (superwhisper.com) ist eine ähnliche App für Mac, Windows und iPhone. Sie hat einen kostenlosen Modus mit lokalen Modellen, die Vollversion kostet Geld. Das Prinzip ist dasselbe: Taste gedrückt halten, sprechen und Text erhalten.

Handy ('<OFFICIAL_URL>') ist eine kostenlose Open-Source-App, die offline auf Mac, Windows und Linux funktioniert. Sie ist eine sofort einsatzbereite kostenlose Option, wenn du nicht alles über Claude Code einrichten möchtest (mehr dazu weiter unten).

Beide Wege wandeln Sprache in Text um, können sich aber bei Modell, Bearbeitungsfunktionen und Verarbeitungsort unterscheiden. Eine fertige App spart Einrichtungsarbeit; lokales Whisper gibt dir Kontrolle über einen Offline-Erkennungsweg. Teste denselben Satz mit Namen und Fachbegriffen, bevor du entscheidest, was für dich besser funktioniert.

Kostenpflichtig oder kostenlos: Wofür verlangen Wispr Flow und superwhisper Geld?#

Hier ein ehrlicher Überblick über die kostenpflichtigen Optionen:

Wofür du bei kostenpflichtigen Apps tatsächlich zahlst:

• Fertige Benutzeroberfläche. Installieren, und es funktioniert; nichts muss konfiguriert werden.
• Sprachbefehle. „Komma“, „neuer Absatz“ und „Letztes löschen“ werden als Bearbeitungsbefehle erkannt (in den kostenpflichtigen Versionen).
• Synchronisierung und Wörterbuch. Namen, Begriffe und dein persönliches Wörterbuch werden geräteübergreifend synchronisiert.

Das ist alles praktisch. Die jeweilige Spracherkennung kann jedoch andere Modelle und Verarbeitungsorte verwenden. Bei der hier beschriebenen lokalen Einrichtung brauchst du kein Abonnement: Du sprichst, und der Text erscheint.

Wie funktioniert lokales Whisper, und warum ist es privat?#

Cloud-Dienste funktionieren so: Deine Stimme wird an den Server eines anderen gesendet, dort erkannt und der Text zurückgeschickt. Dafür wird eine Gebühr erhoben (für die Servermiete), und du musst dem Unternehmen deine Sprache anvertrauen.

Lokales Whisper funktioniert anders. Du lädst das Modell einmal herunter (eine Datei mit ein paar hundert Megabyte oder etwas mehr), und ab dann geschieht alles auf deinem Gerät:

1. Halte eine Tastenkombination gedrückt und sprich

   Das Mikrofon nimmt Audio auf, solange die Taste gedrückt ist.

2. Das Modell auf deinem Computer erkennt die Sprache

   Das Audio wird direkt auf dem Gerät in Text umgewandelt, ganz ohne Internet.

3. Der Text wird dort eingefügt, wo sich der Cursor befindet

   In einen Chat mit Claude, ein Dokument, die Adressleiste eines Browsers – überall.

Ein lokaler Erkennungsweg benötigt keinen kostenpflichtigen Sprachendpunkt und kann nach dem Modell-Download ohne Internet transkribieren. Prüfe das in einem lokalen Texteditor. Dadurch wird nicht verhindert, dass ein Cloud-Chat, eine Zwischenablage-Synchronisierung oder ein anderes Ziel den entstandenen Text später überträgt.

Whisper versteht etwa 99 Sprachen, darunter weniger verbreitete wie Kasachisch und Tatarisch. Die Modelle gibt es in verschiedenen Größen – vom leichtesten (schnell, aber gröber) bis zum größten (genauer, aber ressourcenintensiver).

Welcher Computer eignet sich für Spracheingabe?#

Kompatibilität und Geschwindigkeit hängen von App-Version, Modell, Sprache und Hardware ab. Prüfe vor dem Download, welche Betriebssysteme und Prozessorarchitekturen der Installer unterstützt. Ein größeres Modell braucht mehr Arbeitsspeicher und Speicherplatz; eine funktionierende Installation beweist noch keine ausreichende Erkennungsgeschwindigkeit.

Beginne für den Handy-Weg unten mit einem lokalen Whisper-Small-Modell und einem kurzen Satz. Prüfe die in der App angezeigte Downloadgröße und warte auf den Abschluss. Scheitert das Laden oder dauert die Erkennung zu lange, prüfe die App-Anforderungen und probiere ein kleineres unterstütztes lokales Modell. Gehe nicht davon aus, dass alle älteren Laptops gleich arbeiten. Vergleiche den tatsächlichen Text und die Verzögerung auf deinem Computer; diese Anleitung belegt weder eine allgemeine Hardware-Untergrenze noch eine feste Abschlusszeit.

Eine dokumentierte lokale Diktiereinrichtung für macOS oder Windows#

Verwende Handy v0.9.8 als konkrete App für dieses Rezept. Die versionierte README beschreibt lokale Whisper-Transkription, konfigurierbare Tastenkürzel sowie Mikrofon- und Bedienungshilfen-Berechtigungen. Das Rezept basiert auf Dokumentation; Installation und Transkription wurden für diese Anleitung nicht ausgeführt.

1. Lade den Installer für dein Betriebssystem und deinen Prozessor aus den offiziellen Dateien dieses Releases. Installiere und öffne Handy. Prüfe, dass du die vorgesehene Version und keine ähnlich benannte App von einer anderen Website geöffnet hast.
2. Lade in der App ein lokales Whisper-Small-Modell herunter und wähle es aus. Warte auf den vollständigen Download. Lass optionale Online-Nachbearbeitung beim Test der lokalen Erkennung deaktiviert.
3. Erlaube Handy den Mikrofonzugriff. Gewähre auf macOS die angeforderte Bedienungshilfen-Berechtigung zum Einfügen in andere Apps unter Systemeinstellungen → Datenschutz & Sicherheit. Prüfe App-Name und Zweck; bestätige nicht automatisch andere Anfragen.
4. Lege in Handys Einstellungen Ctrl+Shift+Space als Transkriptionskürzel und einen Modus mit gedrückter Aufnahmetaste fest. Das ist eine gewählte Belegung, kein garantierter Systemstandard. Ist sie belegt oder wird sie abgelehnt, wähle eine verfügbare Kombination und verwende sie auch für die folgenden Tests.
5. Öffne ein lokales Textdokument, setze den Cursor hinein, halte das konfigurierte Kürzel, sage „Spracheingabe-Test, Projekt Alpha“ und lass los. Die Aufnahme sollte enden und der erkannte Text in diesem Dokument erscheinen. Prüfe Wörter und Verzögerung; die Zeichensetzung kann abweichen.
6. Trenne nach dem Download von App und Modell die Netzwerkverbindung und wiederhole den harmlosen Satz im lokalen Dokument. Ein dort erzeugtes Transkript zeigt, dass dieser ausgewählte Erkennungsweg offline arbeiten kann. Stelle die Verbindung danach wieder her. Das belegt nicht, dass ein Cloud-Chat den eingefügten Text lokal hält.

Soll ein Agent bei einer Anpassung helfen, gib ihm einen begrenzten Diagnose-Prompt:

Ich nutze Handy v0.9.8 mit einem lokalen Whisper-Small-Modell.
Betriebssystem und Prozessor: [tatsächliche Werte eintragen].
Mein konfiguriertes Transkriptionskürzel: [Belegung eintragen].
Beobachtung beim kurzen Test im lokalen Editor: [Ergebnis beschreiben].
Prüfe die offiziellen Anweisungen für diese Version. Bestimme den
fehlerhaften Schritt: Modell-Download/Laden, Mikrofon, Kürzel oder Einfügen.
Erkläre jede vorgeschlagene Berechtigung und Änderung vor der Anwendung.
Wechsle nicht zu einer Cloud-Transkriptions-API, kaufe nichts und lösche
keine vorhandenen Dateien.

Dieser Prompt ist optionale Hilfe bei einem beobachteten Fehler. Die Meldung „bereit“ eines Agenten und ein Klick auf „Zulassen“ ersetzen weder den Transkriptions- noch den Offline-Test.

So prüfst du, ob es funktioniert (und was du tun kannst, wenn nicht)#

Nachdem App, heruntergeladenes Modell und Tastenkürzel konfiguriert sind, führe den Test im lokalen Texteditor selbst aus:

1. Öffne ein lokales Textdokument und setze den Cursor hinein.
2. Halte das tatsächlich in Handy konfigurierte Tastenkürzel gedrückt.
3. Sprich denselben harmlosen Testsatz wie im Einrichtungsrezept.
4. Lass los und prüfe eingefügten Text, Wörter und Verzögerung. Wiederhole den Test nach dem Download offline im lokalen Dokument.

Wenn kein Text erscheint, keine Sorge; solche Probleme kommen häufig vor. Kopiere diesen Prompt in den Claude-Chat, dann führt Claude dich durch die Schritte:

Ich nutze Handy v0.9.8 mit einem lokalen Whisper-Small-Modell.
Mein tatsächlich konfiguriertes Tastenkürzel ist: [Belegung eintragen].
Im lokalen Textdokument halte ich es gedrückt, spreche und lasse los,
aber es erscheint kein Text. Prüfe für diese Version Modell-Download
und Laden, Mikrofonzugriff, Tastenkürzel und Text-Einfügeberechtigung.
Erkläre Änderungen vor der Anwendung; keine Cloud-API und kein Löschen.

Damit sind fast alle Fälle abgedeckt. Die häufigsten Problemursachen sind:

• Kein Mikrofonzugriff. Das System hat dem Programm nicht erlaubt, Audio aufzunehmen – du musst den Zugriff in den Datenschutzeinstellungen erlauben.
• Keine Berechtigung zum Einfügen von Text (Mac). Prüfe Handys angeforderte Bedienungshilfen-Berechtigung unter Systemeinstellungen → Datenschutz & Sicherheit und wiederhole den Test im lokalen Texteditor.
• Hotkey-Konflikt. Ctrl+Shift+Space wird bereits von einem anderen Programm verwendet; wähle eine andere Tastenkombination.
• Modell-Download oder Laden unvollständig. Prüfe den Status in der App und schließe den Download des gewählten lokalen Modells ab, bevor du erneut testest. Wechsle nicht stillschweigend zu einem Cloud-Dienst.

Was, wenn sich nichts installieren lässt?#

Manchmal fehlt die Zeit für die Fehlersuche, aber du möchtest noch heute diktieren. Dann schalte die integrierte Spracheingabe des Systems ein; sie ist kostenlos:

• Mac: „Systemeinstellungen“ → „Tastatur“ → „Diktierfunktion“ → einschalten. Auf Apple-Chips läuft die Erkennung offline und direkt auf dem Gerät.
• Windows: Drücke Win + H, um das Spracheingabefeld zu öffnen. Beachte: Es funktioniert über das Internet (die Erkennung läuft auf Microsoft-Servern) und ist daher keine private Offline-Verarbeitung.

Es funktioniert sofort und ohne Installation. Die Qualität ist etwas bescheidener als bei lokalem Whisper. Aber als Möglichkeit, nicht stecken zu bleiben und noch heute mit Sprache zu schreiben, ist es völlig ausreichend.

Wispr Flow oder kostenloses Whisper: Was solltest du wählen?#

Eine kurze Entscheidungshilfe:

Die lokale Option vermeidet ein Erkennungsabonnement und eröffnet einen Weg zur Offline-Transkription. Prüfe Qualität, Geschwindigkeit und Offline-Verhalten auf deinem Computer, bevor du dich darauf verlässt. Eine kommerzielle App kann besser passen, wenn ihr Arbeitsablauf dir mehr Zeit spart; vergleiche beide mit demselben harmlosen Satz.

Probiere einfach aus, deinen ersten Prompt zu diktieren. In der hier beschriebenen Erfahrung tippten die Menschen nach ein paar Tagen Spracheingabe lange Texte auf der Tastatur fast gar nicht mehr.