1. Offline heißt: Die Erkennung läuft auf Ihrem Rechner
Jede Diktiersoftware erledigt zwei Aufgaben: Sie nimmt Ihre Stimme auf und wandelt sie in Text um. Entscheidend ist, wo der zweite Schritt passiert. Läuft die Erkennung auf Ihrem Computer, funktioniert das Diktat auch im Zug, im Funkloch oder in einem abgeschotteten Firmennetz, und die Aufnahme bleibt auf dem Gerät. Läuft sie auf einem Server, brauchen Sie eine Verbindung, und Ihre Stimme verlässt den Rechner.
Bei den Bordmitteln von Apple und Microsoft hängt die Antwort von der Funktion, der Sprache und den Einstellungen ab. Bei Programmen anderer Anbieter entscheidet das Sprachmodell, das Sie herunterladen. Für Deutsch sind drei Modellfamilien verbreitet: NVIDIAs Parakeet V3, OpenAIs Whisper und die schlanken Vosk-Modelle, deren kleinstes deutsches Modell nur 45 MB groß ist.
- Braucht Internet: die Windows-Spracheingabe (Windows-Taste + H) und die Diktierfunktion von Windows 10.
- Läuft nach einem Download lokal: der Sprachzugriff von Windows 11, die Mac-Diktierfunktion für Deutsch und Linux-Programme mit lokalen Modellen.
- Zusätzlich prüfen: ob Audioaufnahmen zur Produktverbesserung geteilt werden. macOS fragt das beim Einschalten der Diktierfunktion ab.
2. Mac: Diktierfunktion auf Deutsch, auf dem Gerät verarbeitet
Die Diktierfunktion schalten Sie unter Apple-Menü > Systemeinstellungen > Tastatur > Diktierfunktion ein. Zum Diktieren setzen Sie die Einfügemarke und drücken die Mikrofontaste in der Funktionstastenreihe (sofern Ihr Mac eine hat), den Tastaturkurzbefehl für die Diktierfunktion oder wählen „Bearbeiten“ > „Diktat starten“. Mit esc, der Mikrofontaste oder demselben Kurzbefehl beenden Sie das Diktat; nach 30 Sekunden ohne Sprache stoppt es von selbst. Eine Längenbegrenzung gibt es laut Apple nicht. Den Kurzbefehl wählen Sie im Einblendmenü „Kurzbefehl“, etwa zweimal Fn drücken, oder Sie legen unter „Anpassen“ eine eigene Kombination fest.
Für den Datenschutz ist ein Satz in Apples Anleitung wichtig: Unter „Tastatur“ zeigt der Text bei „Diktierfunktion“, ob allgemeine Diktate auf Ihrem Gerät verarbeitet und nicht an Siri-Server gesendet werden; Diktate in Suchfeldern sind davon ausgenommen. Auf Apples Übersicht zur Verfügbarkeit von macOS-Funktionen steht Deutsch in den Varianten Deutschland, Österreich und Schweiz beim Diktat auf dem Gerät, mit dem Hinweis, dass dafür Sprachmodelle heruntergeladen werden. Beim Einschalten fragt macOS außerdem, ob Sie Audioaufnahmen teilen möchten, um Siri und die Diktierfunktion zu verbessern. Mit „Später“ lehnen Sie ab; ändern lässt sich das unter „Datenschutz & Sicherheit“ > „Analyse & Verbesserungen“.
Ein Unterschied für Österreich: Die automatische Zeichensetzung, die beim Diktieren Kommas, Punkte und Fragezeichen selbst einfügt, listet Apple für Deutsch (Deutschland) und Deutsch (Schweiz), nicht aber für Deutsch (Österreich). Die Region wählen Sie unter „Diktierfunktion“ > „Sprachen“ > „Bearbeiten“. Satzzeichen und Umbrüche lassen sich auch sprechen, etwa „Ausrufezeichen“, „neue Zeile“ oder „neuer Absatz“.
3. Windows: Die Spracheingabe mit Windows-Taste + H braucht Internet
Die bekannteste Diktierfunktion unter Windows ist die Spracheingabe: Cursor in ein Textfeld setzen, Windows-Logo-Taste + H drücken, auf „Zuhören…“ warten und sprechen. Microsoft schreibt ausdrücklich, dass die Spracheingabe die Online-Spracherkennung der Azure-Speech-Dienste nutzt und dafür eine Internetverbindung, ein funktionierendes Mikrofon und einen Cursor in einem Textfeld nötig sind. Auch für die Diktierfunktion unter Windows 10, die ebenfalls mit Windows + H startet, muss der PC laut Microsoft mit dem Internet verbunden sein.
Deutsch steht in Microsofts Liste der Sprachen für die Spracheingabe unter Windows 11, dort schlicht als „Deutsch“ ohne Ländervarianten. Erkannt wird die aktive Eingabesprache; umgeschaltet wird über die Sprachauswahl in der Taskleiste oder mit Windows-Taste + Leertaste. Wenn mehrere Sprachen installiert sind, lohnt vor dem Diktat also ein Blick dorthin. Gesteuert wird per Zuruf, zum Beispiel mit „Spracheingabe stoppen“, „Lösch das“, „Das hier markieren“ oder „Eingabetaste drücken“.
Auf Copilot+ PCs ergänzt Microsoft das „Flüssige Diktat“, das Grammatik, Satzzeichen und Füllwörter mit kleinen Sprachmodellen auf dem Gerät glättet. Laut Microsoft ist es aber nur in englischen Gebietsschemas verfügbar; für deutsche Diktate spielt es Stand Oktober 2026 keine Rolle.
4. Windows 11: Der Sprachzugriff erkennt Deutsch ohne Internet
Der Sprachzugriff ist Microsofts Werkzeug, um den PC nur mit der Stimme zu steuern und Texte zu verfassen, und zwar laut Microsoft ohne Internetverbindung. Er ist ab Windows 11 Version 22H2 verfügbar, unter Windows 10 nicht. Sie starten ihn unter Einstellungen > Barrierefreiheit > Sprache oder über die Windows-Suche. Nur die Ersteinrichtung braucht Internet: Beim ersten Start lädt der Sprachzugriff die Sprachdateien für die Spracherkennung auf dem Gerät herunter, was einige Minuten dauern kann.
Für Deutsch nennt Microsoft genau eine Variante, Deutsch – Deutschland; eine eigene Variante für Österreich oder die Schweiz gibt es nicht. Daneben unterstützt der Sprachzugriff unter anderem mehrere englische Varianten, Spanisch (Spanien, Mexiko), Französisch (Frankreich, Kanada), Italienisch, Japanisch und Chinesisch.
Der Sprachzugriff ist als Barrierefreiheitsfunktion gebaut: Eine Leiste ist oben am Bildschirm angedockt, und Sprachbefehle klicken Schaltflächen oder öffnen Apps. Wer den PC per Stimme steuern muss oder will, bekommt damit viel; wer nur einen Absatz in eine E-Mail sprechen möchte, mehr Werkzeug als nötig. Diese Befehle helfen beim Diktieren:
- „Diktiermodus“ sagen: Dann behandelt der Sprachzugriff alles als Text und nicht als Befehl; „Standardmodus“ schaltet zurück.
- Alt+Umschalt+B wechselt zwischen Zuhören und Ruhezustand, Alt+Umschalt+C schaltet das Mikrofon aus und wieder ein.
- „Zum Vokabular hinzufügen“ bringt dem Sprachzugriff Namen, Fachbegriffe und schwer auszusprechende Wörter bei.
- Das „Flüssige Diktat“ gibt es auch hier nur auf Englisch und nur auf Copilot+ PCs.
5. Linux: Diktiersoftware selbst installieren
Unter Linux kommt die Diktierfunktion bislang nicht vom Desktop. Canonical hat im Juni 2026 das Projekt Myna angekündigt, eine lokale Diktierfunktion für Ubuntu Desktop: Taste drücken, sprechen, und der Text erscheint in der aktiven Anwendung. Die erste Version ist für Ubuntu 26.10 vorgesehen, zielt auf Wayland mit GNOME als primär getesteter Umgebung und braucht nach der Installation der Modelle kein Internet. Die automatische Erkennung der gesprochenen Sprache gehört ausdrücklich nicht zum ersten Umfang, und welche Sprachen unterstützt werden, nennt die Ankündigung nicht.
Die häufigste Hürde unter Linux ist nicht die Erkennung, sondern das Eintippen in fremde Fenster. Unter X11 genügt meist xdotool, unter Wayland braucht es Werkzeuge wie wtype, dotool oder ydotool. Laut Handy-Dokumentation funktioniert wtype in der Standard-Wayland-Sitzung von Ubuntu 26.04 nicht; dort ist ydotool nötig, und dotool setzt voraus, dass Ihr Benutzer in der Gruppe input ist.
Drei Programme, die Deutsch offline erkennen:
- Speech Note: als Flatpak über Flathub, quelloffen unter MPL 2.0. Laut Projekt läuft die Verarbeitung komplett offline; für Deutsch lassen sich in der App unter anderem Whisper- und Vosk-Modelle laden. Mit der Aktion start-listening-active-window landet der erkannte Text im Fenster mit dem Fokus.
- nerd-dictation: ein einzelnes Python-Skript auf Basis von Vosk, das Sie mit begin und end an eigene Tastenkürzel binden. Vosk bietet für Deutsch ein kleines Modell mit 45 MB und große Modelle mit 1,9 und 4,4 GB.
- Handy: kostenlos, quelloffen und laut eigener Beschreibung komplett offline, mit Whisper-Modellen oder Parakeet V3, das die Sprache selbst erkennt; erhältlich auch für Windows und macOS.
6. IraVoice: Parakeet V3 für Deutsch, ohne Cloud
IraVoice 1.2.2 ist eine Diktiersoftware für macOS 13 oder neuer auf Macs mit Apple-Chip (keine Intel-Macs), für Windows 10 und 11 (64 Bit) und als Beta für Linux. Sie halten eine Taste, sprechen und lassen los: Der Text erscheint dort, wo der Cursor steht, ob in Word, Outlook, im Browser oder im Terminal. Standardtaste ist die rechte Befehlstaste am Mac, die rechte Strg-Taste unter Windows und Strg+Leertaste unter Linux; ändern lässt sie sich unter General. Kurz tippen statt halten startet das freihändige Diktat, ein zweites Tippen beendet es, und Esc bricht am Mac und unter Windows ab. Die Eingabetaste drückt IraVoice standardmäßig nicht, Sie lesen den Text also vor dem Absenden.
Wichtig für deutsche Nutzer: Ab Werk lädt IraVoice das englische Modell Parakeet Unified EN (rund 700 MB). Für Deutsch wechseln Sie unter Models zu Parakeet V3, das laut NVIDIA 25 europäische Sprachen beherrscht, darunter Deutsch, und die Sprache selbst erkennt. NVIDIA gibt für Deutsch eine Wortfehlerrate von 5,04 % auf FLEURS und 4,84 % auf CoVoST an, gemessen ohne Satzzeichen und Großschreibung. Die Modellkarte nennt nur „German (de)“ und veröffentlicht keine Werte für österreichische oder Schweizer Aussprache; testen Sie also mit Ihrer eigenen Stimme. Vorgeben lässt sich die Sprache nicht, wie NVIDIA bestätigt; ein Nutzer berichtete im September 2026, dass frei gesprochenes Deutsch mit Hintergrundmusik regelmäßig als Englisch erkannt wurde. Diktieren Sie deshalb eine Sprache pro Aufnahme und möglichst in ruhiger Umgebung. Alternativ bietet IraVoice unter Models Whisper-Modelle an, die viele Sprachen abdecken, aber mehr Rechenleistung brauchen.
Nach dem einmaligen Modell-Download läuft die Erkennung auf Ihrem Rechner; Audio und Text verlassen bei IraVoice Local den Computer nicht. Verbindungen gibt es nur für den Modell-Download, die Update-Prüfung sowie Test- und Lizenzprüfungen bei api.iravoice.com, die einen gesalzenen Hash einer Hardware-ID enthalten, nie die ID selbst. Es gibt kein Konto und keine Telemetrie. Die Lizenz meldet sich etwa wöchentlich und arbeitet bis zu 30 Tage ohne Verbindung weiter. Ob ein Werkzeug in Ihrem Büro oder Unternehmen DSGVO-gerecht eingesetzt werden kann, bewerten Sie oder Ihr Datenschutzbeauftragter; IraVoice gibt dazu keine rechtliche Zusage, beantwortet aber die technische Frage eindeutig.
Versteht IraVoice ein Wort falsch, etwa einen Firmennamen oder ein langes Kompositum, korrigieren Sie es einmal: ⌃⌥⇧F am Mac bzw. Strg+Alt+Umschalt+F unter Windows und Linux öffnet die Korrektur des letzten Diktats, und IraVoice schreibt das Wort künftig richtig. Am Mac erkennt es Korrekturen in den meisten Apps auch von selbst. Unter Wayland erreichen globale Tastenkürzel IraVoice unter Umständen nicht; dann legen Sie in GNOME oder KDE ein eigenes Kürzel für den Befehl iravoice --toggle-transcription an.
Gut zu wissen: Die Oberfläche der App und der Bezahlvorgang auf iravoice.com sind auf Englisch. IraVoice Local kostet einmalig 79 US-Dollar für einen Computer, 109 US-Dollar für zwei oder 149 US-Dollar für drei, ohne Abo. Die dreitägige Testphase beginnt mit dem ersten Diktat; für den Download brauchen Sie weder E-Mail-Adresse noch Kreditkarte noch Konto. Unter Linux gibt es nur ein .deb-Paket für Ubuntu 22.04 oder neuer und andere Debian-basierte Systeme (Debian, Linux Mint, Pop!_OS); rpm, AppImage oder Flatpak gibt es nicht, und die Wayland-Unterstützung der Beta ist eingeschränkt.