Meine 3 liebsten KI-Tools für Sprachdiktat beim Vibe-Coding - eines davon ist kostenlos

Ich habe die besten KI-Stimmen-Tools getestet, um herauszufinden, welches die größte Genauigkeit, Privatsphäre und Korrekturmöglichkeiten bietet.

Wichtigste Erkenntnisse

• Die nahezu selbstkorrigierende Fähigkeit ist wichtiger als die reine Genauigkeit allein.
• Wispr Flow zeichnete sich durch Korrekturen, Wortschatz und Zuverlässigkeit aus.
• Die kostenlose, lokale FluidVoice kam dem bezahlten Gewinner fast gleich.

Seit Februar habe ich 120.896 Wörter diktiert. Allein in den letzten drei Monaten waren es 50.234 Wörter. Dies habe ich in insgesamt 2.314 einzelnen Aufnahmesitzungen getan; im Durchschnitt waren das etwa 24 Wörter pro Diktatsequenz.

Dank Fortschritten in der KI haben sich Qualität, Geschwindigkeit und Genauigkeit der Diktierung erheblich verbessert. Im Laufe der Jahre habe ich mehrfach versucht, mit der Spracherkennung zu arbeiten - doch erst in letzter Zeit war das wirklich erfolgreich.

Ein typischer Artikel umfasst ungefähr tausend Wörter. Wenn man es also so betrachtet, habe ich seit Februar das Äquivalent von etwa 120 Artikeln diktiert.

Das bedeutet nicht, dass ich nicht tippe. Ich tippe sehr viel - doch es ist offensichtlich, dass ich auch sehr häufig die Spracherkennung nutze. Ich habe die Spracherkennung aus zwei Hauptgründen als primäre Eingabemethode übernommen. Erstens hilft sie dabei, mein Handgelenk zu schützen - bei mir treten nämlich Symptome des Karpaltunnelsyndroms auf. Durch das Diktieren belaste ich mein Handgelenk etwas weniger.

In diesem Artikel werde ich Ihnen die drei Hauptkonkurrenten vorstellen, die ich mir dieses Jahr angeschaut und mit denen ich Zeit verbracht habe. Außerdem werde ich noch eine Reihe weiterer Produkte erwähnen - nur um Ihnen einen Eindruck davon zu geben, welche Diktiertools es gibt und worin sie sich unterscheiden.

Wo sich die Sprachdiktierung in meinen Arbeitsablauf einfügt

Ich nutze Stimmdictation sehr oft, wenn ich mit Claude Code oder OpenAIs Codex arbeite, um den Code für die Produkte zu schreiben, an denen ich gerade arbeite. Ich verwende es außerdem häufig in Slack und Google Chat, wenn ich mit meinen Redakteuren sowie einigen meiner Projektpartnern spreche.

Ich verwende die Spracherkennung ziemlich oft, wenn ich E-Mails beantworte. Bei der Verfassung neuer Nachrichten nutze ich sie etwas seltener - aber manchmal auch dort. Sehr oft benutze ich sie zum Notizen machen. Manchmal verwende ich sie auch für Suchbegriffe bei Google oder für Eingaben, die ich an ChatGPT, Gemini oder Claude Code mache.

(Hinweis: Ziff Davis, die Muttergesellschaft von Windows-Office.net, hat im April 2025 eine Klage gegen OpenAI eingereicht. Darin wird OpenAI vorgeworfen, die Urheberrechte von Ziff Davis bei der Entwicklung und dem Betrieb seiner KI-Systeme verletzt zu haben.)

Ich finde, dass die Sprachdiktierung manchmal etwas weniger präzise und weniger diszipliniert ist als das Schreiben jedes Wortes mit der Tastatur. Doch ich schaffe im Durchschnitt 118 Wörter pro Minute zu diktieren; beim Tippen liege ich hingegen meist im Bereich von 70 bis 80 Wörtern pro Minute.

Ich diktiere den größten Teil dieses Artikels lediglich als Beweis dafür, dass man einen Artikel auch diktieren kann. Doch das ist für mich keine Regel. Trotz all des Diktierens, das ich mache, diktiere ich meine Artikel normalerweise nicht. Manchmal diktiere ich ein paar Zeilen eines Artikels, meistens tippe ich sie jedoch selbst. Bei jedem Satz gehe ich sehr sorgfältig vor - ich wähle die Wörter und die Struktur mit großer Bedacht aus. Das Tippen erlaubt solche Aufmerksamkeit für Details.

Aber wenn ich zum Beispiel beim Vibe-Coding darüber spreche, wie ich mir die Implementierung einer Funktion vorstelle, wie etwas verhalten soll oder über einen Fehler, den ich bemerkt habe, ist das Sprechen deutlich schneller - und auch viel schonender für meine Hände als das Tippen am Computer.

Die wichtigsten Funktionen

Mir erscheinen zwei Funktionen als entscheidend. Die erste ist ein anpassbares Wörterbuch - damit das Diktierprogramm versteht, wie ich Wörter wie „Windows-Office.net“ schreiben und darstellen möchte. Die zweite Funktion ist die Möglichkeit zur Korrektur im laufenden Betrieb: Wenn ich etwas sage, es anschließend korrigiere und erneut ausspreche, enthält die endgültige Version des Diktats diese Korrekturen.

Fast alle Diktierprogramme werden durch eine Tastenkombination gestartet. Ich habe die Diktiertastenkombination an einen Knopf auf meiner Maus gebunden, sodass beim Drücken dieses Knopfs das Diktieren beginnt bzw. beendet wird. Dadurch kann ich diktieren - unabhängig davon, in welcher Anwendung oder auf welcher Webseite ich mich gerade befinde. Das bedeutet, ich kann Daten in den Computer eingeben, selbst wenn meine Tastatur nicht vor mir liegt.

Zu diesem Zweck werde ich drei Produkte vorstellen: Wispr Flow, Superwhisper und FluidVoice.

1. Wispr Flow: Bestes Gesamtergebnis

Für 144 Dollar pro Jahr bzw. 15 Dollar pro Monat ist Wispr Flow sicherlich nicht billig - doch ich würde behaupten, dass es das Geld wert ist. Obwohl ich fast alle anderen Produkte ausprobiert habe, ist dies das Produkt, zu dem ich immer wieder zurückkehre - und das ich häufiger als jedes andere genutzt habe.

Wispr Flow-Statistiken

Wispr Flow ist das einzige unserer drei Top-Produkte, das für Mac, Windows, iOS und Android verfügbar ist. Es ist jedoch nicht für Linux erhältlich - obwohl das Unternehmen eine Warteliste für Linux-Nutzer betreibt.

Die herausstechende Eigenschaft von Wispr Flow - zumindest aus meiner Sicht - ist die automatische Selbstkorrektur während der Diktierung. Während man diktiert, kann man Fehler korrigieren, und das System passt die Transkription entsprechend an. Sobald man sich an diese Funktion gewöhnt hat, möchte man wirklich nicht mehr darauf verzichten - besonders, wenn man wie ich große Mengen an Text diktiert.

Das bedeutet, dass der von Ihnen erzeugte Text meist verwendbar ist - denn falls Sie sich versprechen, können Sie ihn während des Sprechens ziemlich leicht korrigieren und so zu einem brauchbaren Ergebnis kommen.

Keines der anderen Modelle, die ich getestet habe, konnte dies so reibungslos bewältigen. Einige konnten es überhaupt nicht. FluidVoice kam dem nahe - doch ich würde sagen, dass Wispr Flow in acht von zehn Fällen korrekte Korrekturen vornahm, während FluidVoice in etwa vier von zehn Fällen korrekte Korrekturen durchführte. Bei der Selbstkorrektur während des Fluges ist das durchaus messbar, insbesondere wenn man viel zu arbeiten hat.

Ich habe außerdem festgestellt, dass das Wörterbuch von Wispr Flow zuverlässig und effektiv ist. Damit meine ich, dass ich nachdem ich es mit einem falsch geschriebenen oder falsch interpretierten Wort trainiert habe, fast nie mehr Korrekturen vornehmen muss. Nachdem ich es beispielsweise mit dem Wort „Windows-Office.net“ trainiert hatte, erkannte Wispr Flow dieses Wort zu fast 100 Prozent der Zeit korrekt. Das gilt auch für meine Liste mit etwa 90 weiteren Wörtern, die ich regelmäßig korrigieren muss.

Wispr Flow bietet zwei Möglichkeiten zur Erstellung von Wörterbüchern: Es ist möglich, einzelne Wörter wie „Gewirtz“ einzugeben; außerdem kann man falsch geschriebene oder missverstandene Wörter samt der korrigierten Version eingeben. Beispielsweise hatte das Programm regelmäßig Probleme mit dem Wort „Claude“ - es wurde dann als „call it“ dargestellt. Ich erstellte daraufhin eine Wörterbuchdefinition für „call it code“, die in „Claude Code“ umgewandelt wird; seitdem hatte ich keine Probleme mehr.

Gelegentlich verpasst Wispr Flow das Einfügen eines Textabschnitts an die gewünschte Stelle. Zum Beispiel diktiere ich einen Absatz, der in die Notizen eingefügt werden soll - doch er landet dort einfach nicht. Wispr Flow speichert eine Historie aller Diktate in seiner App. Falls das Einfügen fehlschlägt, kann ich die Historie in der App öffnen, den Text kopieren und anschließend einfügen. Ich verliere dabei niemals auch nur ein Wort meiner Diktate - auch wenn sie nicht immer beim ersten Versuch an der richtigen Stelle landen (was allerdings recht selten vorkommt).

Zwischenablage mit der letzten Diktierung

Abgesehen vom Preis ist meine größte Sorge bezüglich Wispr Flow, dass es sich um ein reines Cloud-Modell handelt - das heißt, alle Sprachaufnahmen werden in die Cloud gesendet, wo sie transkribiert werden. Trotz der ähnlichen Namen basiert Wispr Flow nicht auf OpenAIs Open-Source-Spracherkennungstechnologie Whisper. Wispr Flow scheint entweder ein eigenständiges Modell zu sein oder auf einer Kombination verschiedener Modelle verschiedener Anbieter zu beruhen. Das Unternehmen gibt das genaue Modell nicht preis.

Wispr Flow bietet in seinen Einstellungen zahlreiche Daten- und Datenschutzoptionen, darunter einen Datenschutzmodus, die Möglichkeit, die Synchronisierung in der privaten Cloud ein- und auszuschalten sowie die Speicherung von Daten lokal. Allerdings unterscheiden sich die Bezeichnungen der Optionen in der Benutzeroberfläche von ihrer tatsächlichen Funktion.

Datenschutzoptionen

Der Datenschutzmodus ist eigentlich nicht das, was man erwarten würde. Es ist nicht so, dass er keine Ihrer Eingaben betrachtet. Vielmehr geschieht es so, dass er beim Aktivieren keine Ihrer Daten zur Verwendung beim Training der KI weiterleitet.

Wenn die Synchronisierung in der privaten Cloud deaktiviert ist, bedeutet das nicht, dass die Daten nicht in die Cloud gesendet werden. Es bedeutet lediglich, dass sie dort nicht gespeichert werden, um mit anderen Geräten synchronisiert zu werden. Die Daten werden weiterhin in die Cloud gesendet, damit sie transkribiert werden können; Wispr Flow löscht sie jedoch unmittelbar nach der Transkription.

Die Option zur lokalen Datenspeicherung bestimmt nicht, ob Daten lokal oder in der Cloud gespeichert werden, sondern steuert vielmehr Faktoren wie die Frage, ob Wispr Flow lokale Daten alle 24 Stunden automatisch löscht oder keine Daten lokal speichert - was bedeutet, dass beispielsweise die Diktierhistorie für Sie nicht verfügbar wäre.

Falls Sie Bedenken hinsichtlich von Richtlinien zur Datenkontrolle, Vertraulichkeit, Offenlegungsbeschränkungen oder aus sonstigen rechtlichen Gründen haben, warum Ihre Daten nicht in der Cloud gespeichert werden sollen, sollten Sie Wispr Flow vielleicht meiden.

Für die allgemeine Produktivität habe ich festgestellt, dass Wispr Flow mittlerweile mein am häufigsten genutztes Sprachdiktierprogramm ist. Ich habe zahlreiche solcher Programme ausprobiert, um eines zu finden, das ich täglich verwenden könnte. Bisher ist das Wispr Flow - und deswegen ist es meine Top-Empfehlung.

Wispr hat mir ein Pro-Konto für ein Jahr zur Testzwecken zur Verfügung gestellt - aber es besteht eine sehr gute Chance, dass ich es nach Ablauf dieses Jahres mit meinem eigenen Geld verlängern werde. Das sollte Ihnen etwas sagen. Es gibt außerdem eine Testversion von Wispr Flow, mit der Sie bis zu 2.000 Wörter verarbeiten können.

2. Superwhisper: Ideal für die Anpassung der Sprachdiktierung

Unser zweites Tool, Superwhisper, ist einfach voller Funktionen. Dennoch habe ich mich einfach nicht damit anfreunden können. Ich stelle es hier vor, weil es tatsächlich viele spezialisierte Funktionen besitzt, die Ihnen nützlich sein könnten.

Mir kam das Fehlen der Echtzeit-Korrektur als absolutes Ausschlusskriterium vor. Ehrlich gesagt hat mich das überrascht - denn mir war gar nicht bewusst, wie häufig ich die Echtzeit-Korrektur eigentlich genutzt hatte, bis mir klar wurde, dass ich sie sehr vermisste, sobald sie fehlte.

Superwhisper ist für 8,49 USD pro Monat, 84,99 USD pro Jahr oder als Einmalkauf für 249 USD erhältlich - letzteres beinhaltet eine unbegrenzte Nutzung auf Lebenszeit. Falls Sie davon ausgehen, es mehrere Jahre lang zu nutzen, ist das ein gutes Angebot. Andererseits entwickeln sich KI-basierte Lösungen so schnell, dass es durchaus möglich ist, dass vor Ablauf der „unbegrenzten Lebenszeit-Nutzung“ eine deutlich bessere, günstigere oder sogar kostenlose Alternative verfügbar wird. Es gibt außerdem eine kostenlose Version, die Sie mit kleineren Spracherkennungsmodellen nutzen können.

Ich sollte darauf hinweisen, dass die Erkennungsgenauigkeit bei den beiden führenden Produkten eigentlich kein großes Problem darstellt. Beide können Modelle verwenden, die für die allgemeine Erkennung geeignet sind. Obwohl Superwhisper viele Modelloptionen bietet, funktionieren einige davon bei der Spracherkennung nicht ganz so genau - sie haben aber andere Vorteile.

Die Modellauswahl von Superwhisper

Der größte Vorteil von Superwhisper im Vergleich zu Wispr Flow ist, dass man eine Version erstellen kann, die ausschließlich für Macs geeignet ist, offline funktioniert und keinerlei Daten in die Cloud sendet. Wenn man die einmalige Gebühr für die dauerhafte Nutzung zahlt - ohne weitere Abrechnungen - kann man die Software vollständig kontrollieren und alle Diktate ausschließlich auf dem eigenen Computer durchführen. Superwhisper macht das möglich; Wispr Flow nicht.

Das herausstechende und komplexe Feature von Superwhisper ist sein Modus-System. Modi sind gespeicherte Verarbeitungsabläufe. Im Grunde bedeutet das: Je nachdem, in welchem Modus man sich befindet, kann Superwhisper sich völlig unterschiedlich verhalten oder funktionieren.

Einen Modus in Superwhisper erstellen

Ein Modus besteht aus vier Elementen:

1. Das Stimmmodell ist eine Sprache-zu-Text-Engine, die Ihre gesprochenen Worte für Sie transkribiert.
2. Das Sprachmodell - das ist der Teil, der das rohe Transkript bereinigt und umgestaltet oder es in irgendeiner Weise verändert.
3. Ein Satz von Verarbeitungsanweisungen - im Grunde ein Rezept oder eine Fähigkeit, die diesem Modus zugeordnet ist.
4. Eine Automatik-Regel, die festlegt, dass ein Modus in einer bestimmten App oder auf einer bestimmten Website aktiv wird. Sie könnten beispielsweise ein Modus haben, der aktiv wird, wenn Sie Gmail verwenden, ein weiterer Modus, der aktiv wird, wenn Sie Notion nutzen, und noch einen dritten Modus, der aktiv wird, wenn Sie beispielsweise Apple Notes benutzen.

Abgesehen von der Verarbeitung einfacher Sprache ermöglicht das Modulsystem auch einige verrückte Dinge. Nehmen wir zum Beispiel die Idee, eine Beschreibung einer Befehlszeilenoperation zu diktieren, die in das Terminal eingegeben werden soll - allerdings formuliert man sie so: „Zeig mir ein Verzeichnis mit meinen Dokumenten.“ Der Algorithmus wandelt dies anschließend direkt aus Ihrem Diktat in einen echten Befehl um.

Ein weiteres Beispiel wäre, eine Reihe von Elementen vorzusprechen und als Ausgabe direkt JSON oder YAML zu erhalten.

Eine weitere Funktion könnte ein „Gegensprecher-Modus“ sein: Man diktiert einen Satz, einen Absatz oder ein Konzept. Anstatt das Diktat einfach einzufügen, nimmt Superwhisper dieses auf, verarbeitet es und liefert anschließend ein Gegenargument zu dem, was man vorgebracht hat. Das könnte für Studenten oder Personen nützlich sein, die Konzepte erforschen und dabei wünschen, dass diese während des Schreibens ständig in Frage gestellt werden. Die Funktion ist äußerst leistungsfähig - und sehr spezialisiert. Vielleicht ist sie nicht für jeden geeignet, aber sie ist wirklich cool.

Ich bin bei Superwhisper nie über die kostenlose Testversion hinausgekommen. Das liegt daran, dass trotz aller Sonderfunktionen, Konfigurationsmöglichkeiten und Modi das eigentliche Diktieren nicht so effektiv war, wie ich es mir gewünscht hatte. Wenn ich nach einem umfassenden Spracherkennungsprodukt suche, steht das Diktieren im Mittelpunkt meiner Anforderungen.

Wenn Sie ein Diktiersystem bauen möchten, das gesprochene Wörter in andere Formen umwandelt, dann ist Superwhisper genau das Richtige für Sie. Wenn Sie jedoch einfach nur sprechen und eine saubere Transkription in der Anwendung, die Sie gerade verwenden, erhalten möchten, würde ich Superwhisper nicht den beiden anderen vorziehen.

Superwhisper ist für Mac, Windows und iOS verfügbar. Es gibt keine Android-Version.

3. FluidVoice: Die beste kostenlose Option

Im Vergleich zu den anderen beiden Angeboten ist FluidVoice ein echtes Schnäppchen. Es ist kostenlos - und außerdem Open Source. In den meisten Anwendungsfällen funktioniert es fast genauso gut wie Wispr Flow. Fast.

Auswahl des Fluid-1-Engines

FluidVoice hat Probleme mit der Korrektur im Echtmodus sowie mit Wörtern im Wörterbuch. Beispielsweise hat FluidVoice große Schwierigkeiten mit dem Wort „Windows-Office.net“. Obwohl ich „Windows-Office.net“ ins Wörterbuch eingetragen, es mehrfach korrigiert und dazu eine Sprachtrainingsversion erstellt habe, scheitert die Korrektur dennoch. Immer wenn ich „Windows-Office.net“ ausspreche, muss ich es manuell neu eintippen.

Testen der FluidVoice-Korrektur

Aber obwohl FluidVoice Schwierigkeiten hat, funktioniert die Korrektur im laufenden Betrieb manchmal einwandfrei. Leider geschieht das manchmal weniger als in der Hälfte der Fälle - aber es ist immer noch besser als gar nichts.

Pop-up für Spracherkennung

Eine schöne Funktion von FluidVoice ist, dass es ein kleines Pop-up-Fenster gibt, in dem man den gesprochenen Text vorschauen kann. Ich habe mich daran gewöhnt, als ich die grundlegende Sprachverarbeitungsfunktion von Mac nutzte. Es kann hilfreich sein, sich daran zu erinnern, was man gerade gesagt hat - und zu sehen, wie der Text interpretiert wird -, bevor man ihn in den eigenen Text einfügt.

FluidVoice verfügt über sein eigenes, natives Sprachverarbeitungsmodell namens Fluid-1 - es funktioniert aber auch mit OpenAIs Whisper. Wenn Sie FluidVoice auf einem Intel-Mac verwenden möchten, müssen Sie es mit Whisper verbinden. Falls Sie das Fluid-Modell nutzen wollen - das ist das Modell, das ich getestet habe - benötigen Sie einen Mac mit Apple Silicon. Derzeit gibt es keine Versionen für Windows oder iOS; laut dem Unternehmen befinden sich Versionen für beide Plattformen jedoch in der Entwicklung.

Neben der Tatsache, dass es kostenlos und open source ist, besteht ein weiterer entscheidender Vorteil darin, dass Sie FluidVoice vollständig offline nutzen können. Das bedeutet, dass alle Ihre Diktate auf Ihrem Gerät bleiben - Sie müssen sich also keine Gedanken darüber machen, wie sie verwaltet werden.

Natürlich, wenn Sie sich dafür entscheiden, eines der Cloud-Modelle wie beispielsweise OpenAI’s Whisper zu verwenden und es auf einem Intel-Mac mit geringerer Leistung auszuführen, dann kommt es zu etwas Cloud-Verarbeitung.

Vorläufig beabsichtige ich, bei Wispr Flow zu bleiben - schließlich ist es die insgesamt zuverlässigste Lösung für die Arbeit, die ich verrichte, insbesondere wegen der Echtzeit-Korrektur sowie der Wörterbuchfunktion. Sollte es mir jedoch nicht gefallen, fast so viel für die Spracherkennung auszugeben wie für ein Netflix-Abonnement, könnte ich bei der nächsten Verlängerung auf FluidVoice umsteigen.

Blitzrunde

Wenn Sie sich auch nur ein wenig mit Sprachdiktierprodukten beschäftigen, werden Sie auf zahlreiche Anbieter stoßen. Meine Empfehlung ist, dass Sie aus den oben genannten drei wählen. Doch hier kommen kurz noch ein paar weitere Anbieter ins Spiel.

Versager und ehrenvolle Erwähnungen

Das sind systemweite Diktiertools, die Sie in Betracht ziehen sollten.

• MacWhisper: Transkription direkt auf dem Gerät sowie zusätzliche Diktierfunktion; Vorteile: Genau, datenschutzfreundlich, Untertitel sowie Diarisation; Nachteile: Diktieren ist nicht der Hauptzweck des Tools; nur für Mac verfügbar; Preis: Kostenlose Version; der Pro-Version kostet einmalig ca. 69 US-Dollar.
• Paraspeech: Günstige lokale Diktier-Software für Mac; Vorteile: Kostengünstig, läuft auf dem Gerät, Option für lebenslangen Gebrauch; Nachteile: Unbekannte Modelle, fast keine Rezensionen; Preis: 8,99 $pro Monat, 89 $pro Jahr oder einmalig für den lebenslangen Gebrauch (nur lokal verwendbar)
• VoiceInk: Open-Source-Diktiersoftware für Mac - nutzt ein lokales Parakeet-KI-Modell; Vorteile: Lokal nutzbar, datenschutzfreundlich, anpassbar, open source; Nachteile: Nur für Mac, etwas Aufwand bei der Einrichtung; Preis: Kostenlos, wenn man es selbst kompiliert; 25 bis 49 Dollar, wenn man die Binärdatei kauft.
• Handy: Kostenlos, open-source, Offline-Diktat; Stärken: Kostenlos, plattformübergreifend, vollständig privat; Schwächen: Sehr grundlegend, noch einige Unzulänglichkeiten; Preis: Kostenlos (Open Source)
• Talon Voice: Vollständige Sprachsteuerung und -programmierung; Stärken: Leistungsstarke, händelfreie Programmierung, skriptbar; Schwächen: Steiler Lernaufwand; Preis: Kostenlos; für die Beta-Version ist eine Patreon-Spende erforderlich.

OS-native Apps

Falls Sie MacOS oder Windows verwenden, sind diese im Betriebssystem enthalten.

• MacOS Diktat: Integriertes Echtzeit-Diktat für Mac; Vorteile: Kostenlos, direkt auf dem Gerät, Echtzeit-Texterkennung; Nachteile: Schwaches Wörterbuch, keine Korrekturfunktion; Preis: Kostenlos (integriert)
• MacOS Voice Control: Spracherkennung und -befehle für die Barrierefreiheit; Vorteile: Sprachgesteuerte Bearbeitung, individueller Wortschatz, funktioniert offline - sehr leistungsfähig bei der Systemsteuerung; Nachteile: Steile Lernkurve, nicht geeignet für Programmierung, schwer ein- und auszuschalten; Preis: Kostenlos (im Betriebssystem integriert)
• Windows Spracherkennung (Win + H): Integrierte Windows-Diktierfunktion in der Cloud; Vorteile: Kostenlos, einfach zu bedienen, automatische Zeichensetzung; Nachteile: Cloud-basiert, unzureichende Korrekturfunktionen; Preis: Kostenlos (integriert)
• Windows Voice Access: Sprachgesteuerte Bearbeitung und Befehle für Barrierefreiheit; Vorteile: Funktioniert offline, korrigiert Spracheingaben, unterstützt benutzerdefiniertes Vokabular; Nachteile: Steile Lernkurve, nicht geeignet für Programmierung; Preis: Kostenlos (integriert)

Claude, ChatGPT und Gemini - Diktatfunktionen

Sowohl Anthropic als auch OpenAI haben kürzlich Ankündigungen zu ihren Spracheingabefunktionen gemacht. Diese sind tatsächlich ziemlich gut - allerdings auf die Verwendung in den eigenen Schnittstellen beschränkt.

• Claude Spracheingabe und Diktat: Nur mit dem Assistenten sprechen; Stärken: Saubere Transkription, natürliche Gespräche; Schwächen: Nur innerhalb der App verfügbar, nicht systemweit (und in Cowork sowie Claude Code deaktiviert); Preis: Kostenlos, in allen Claude-Plänen enthalten.
• ChatGPT-Stimme und Diktat: Sprechen Sie ausschließlich mit dem Assistenten; Vorteile: Bearbeitbares Diktat, erweiterter Sprachmodus; Nachteile: Primär für die Interaktion mit der KI konzipiert; Preis: Kostenlos, in allen ChatGPT-Plänen enthalten.
• Gemini Spracheingabe und Diktat: Sprechen Sie ausschließlich mit dem Assistenten; Stärken: Gemini Live ermöglicht einen kontinuierlichen Gesprächsfluss sowie natürliche Unterbrechungen mitten im Satz; Schwächen: Nur innerhalb der App nutzbar - keine systemweite Diktatfunktion; die Spracheingabe über die Web-Oberfläche ist eher einfach gehalten; Preis: Kostenlos, in allen Gemini-Plänen inkludiert.

Sie werden ziemlich gut.

Im Laufe der Jahre habe ich immer wieder Sprachdiktierwerkzeuge ausprobiert - mit begrenztem Erfolg. Sie sind zwar noch nicht perfekt, aber die Sprachdiktierung hat mittlerweile ein Niveau erreicht, auf dem sie problemlos verwendbar ist. Wispr Flow zeichnet die Nutzungsstatistiken auf. Ich war ziemlich überrascht, als mir klar wurde, dass ich seit Anfang Februar mehr als 100.000 Wörter diktiert hatte. Ich wusste, dass Wispr Flow zu einem wichtigen Bestandteil meines täglichen Arbeitsablaufs geworden war - doch dass es eine so zentrale Rolle in meiner täglichen Arbeit spielt, war mir nicht bewusst.

Mich interessieren besonders Ihre Erfahrungen mit den verschiedenen Tools - daher zögern Sie bitte nicht, darüber zu berichten. Würden Sie für die zuverlässigeren Korrekturen von Wispr Flow zahlen, anstatt FluidVoice kostenlos zu nutzen? Teilen Sie uns das gerne in den Kommentaren unten mit.

Sie können meine täglichen Projektupdates in den sozialen Medien verfolgen. Abonnieren Sie unbedingt meinen wöchentlichen Newsletter und folgen Sie mir auf Twitter/X unter @DavidGewirtz, auf Facebook unter Facebook.com/DavidGewirtz, auf Instagram unter Instagram.com/DavidGewirtz, auf Bluesky unter @DavidGewirtz.com sowie auf YouTube unter YouTube.com/DavidGewirtzTV.