Diktieren statt Tippen: Welche App Sprache systemweit in Text verwandelt

Was eine Diktat-App anders macht als die Spracheingabe der Tastatur

Jedes Smartphone und jeder Rechner kann heute diktieren. Die Diktat-Apps dieser Seite setzen eine Stufe darüber an: Sie laufen systemweit, also in jedem Programm, in dem ein Cursor blinkt, und sie bearbeiten das Gesprochene nach, bevor es im Textfeld landet. Füllwörter verschwinden, Satzzeichen werden gesetzt, ein Versprecher mitten im Satz wird stillschweigend korrigiert, und je nach App bekommt eine Nachricht im Chat einen anderen Ton als eine Mail an Kunden. Wispr Flow nennt das Auto-Edits und Tonalität je App, superwhisper arbeitet mit Modi je Textsorte, Typeless spricht von „messy-to-clear“.

Diese Nachbearbeitung ist der Grund, warum die Apps meist ein Sprachmodell einsetzen, das nach der Erkennung über den Text geht. Und genau hier trennen sich die Wege: Bei den einen läuft die gesamte Erkennung in einer Cloud, bei den anderen auf dem eigenen Rechner, bei einer dritten Gruppe kannst du wählen. Für die Frage, ob du vertrauliche Inhalte diktieren darfst, ist das entscheidender als jede Komfortfunktion; die Seite On-Device oder Cloud erklärt den Unterschied.

Die Diktat-Apps im Datensatz

Die Tabelle zeigt alle Apps der Kategorie „Diktat“ aus unserem offenen Datensatz sowie die beiden Betriebssystemfunktionen, die dieselbe Aufgabe erfüllen. Der günstigste Plan ist jeweils der günstigste kostenpflichtige; was kostenlos geht, steht in der Spalte davor.

Tabelle seitlich scrollen, um alle Spalten zu sehen

Preise laut Herstellershop bzw. offizieller Preisseite, Stand 13.10.2026, in der Währung des Anbieters. Preise ohne Gewähr. „Standort“ ist die redaktionelle Einordnung des vom Anbieter genannten Verarbeitungsorts; „Training“ gibt wieder, was der Anbieter selbst über die Nutzung von Nutzerdaten zum Modelltraining sagt.

Fünf Apps im Steckbrief

Wispr Flow

Die Cloud-App mit der breitesten Plattformdeckung: Mac, Windows, iOS und Android, dazu ein Notetaker für Meetings, der allerdings nur am Desktop läuft. Der Free-Plan erlaubt 2.000 Wörter/Woche Desktop am Desktop und 1.000 Wörter/Woche mobil mobil; der Pro-Plan kostet 15 $ monatlich oder 144 $ im Jahr (12 $ je Monat bei Jahreszahlung) und hebt das Limit auf. Studierende und Lehrende zahlen laut Preisseite die Hälfte. Die Erkennung findet nach eigener Aussage immer in der Cloud statt, einen Standort nennt der Anbieter nicht; der Trainingsschalter „Improve the model for everyone“ lässt sich abschalten. Mehr auf der Profilseite Wispr Flow.

superwhisper

Der Gegenentwurf: Diktat mit lokalen Whisper-Modellen ist kostenlos und unbegrenzt, „Nothing you dictate leaves your device“. Bezahlt wird nur für die KI-Nachbearbeitung mit Cloud-Modellen und für die Dateitranskription: 8,49 $ monatlich, 84,99 $ im Jahr oder einmalig 249,99 $ als Lifetime-Lizenz. Neue Nutzer bekommen 3.000 Wörter Pro-Zugang zum Ausprobieren. Einschränkung laut Anbieter: Die Offline-Modelle laufen gut nur auf Apple Silicon, Intel-Macs sind auf Cloud-Modelle angewiesen. Ausführlich auf der Seite superwhisper.

Aqua Voice

Aqua Voice, Inc. setzt ein eigenes Erkennungsmodell namens „Avalon“ ein und staffelt nach Geschwindigkeit: Pro (10 $ monatlich, 96 $ im Jahr) für unbegrenzte Wörter, Max (30 $ monatlich) mit „Realtime Mode“, bei dem die Wörter beim Sprechen erscheinen, Business ab zwei Plätzen mit Zero Data Retention. Kostenlos sind 1.000 Wörter. Die FAQ nennt SOC 2 Type II, ISO 27001 sowie „GDPR and HIPAA compliant“; ob die Erkennung in der Cloud oder auf dem Gerät läuft und wo Server stehen, steht weder auf der Preisseite noch in der Datenschutzerklärung. Das Wort „training“ kommt in der Datenschutzerklärung nicht vor. Preisquelle: Preisseite von Aqua Voice.

Voibe

Eine der wenigen Diktat-Apps, die Deutsch namentlich aufführt, zusammen mit Englisch, Spanisch, Französisch, Italienisch, Polnisch und Russisch. Auf dem Mac mit Apple Silicon arbeitet Voibe on-device, auf Intel-Macs und unter Windows ausschließlich über die Cloud, laut Anbieter mit Open-Source-Modellen bei Anbietern ohne Datenaufbewahrung. Voibe Dictation kostet 9,90 $ monatlich, 99 $ im Jahr oder 199 $ als Lifetime; der Plan Voibe Work liegt bei 19 $ monatlich. Die manuelle Sprachwahl unter Windows war zum Abrufdatum laut Seite noch nicht verfügbar. Preisquelle: Startseite von Voibe.

VoiceInk

Quelloffen, „built in public on GitHub“, und vollständig lokal auf der Neural Engine des Mac mit den Modellen Parakeet und WhisperKit. Voraussetzung sind Apple Silicon und macOS 14.4, empfohlen werden 8 GB RAM. Statt eines Abos gibt es Einmalpreise: 25 $ für einen Mac, 39 $ für zwei, 49 $ für drei, mit 14 Tagen Geld-zurück. Eine optionale „Cloud Enhancement“ schickt nur den erkannten Text, nie Audio, an ein Sprachmodell. Eine Sprachenliste veröffentlicht die Seite nicht. Preisquelle: Startseite von VoiceInk.

Weitere Apps im Datensatz

Typeless rechnet 30 $ monatlich oder 144 $ im Jahr, läuft auf allen fünf gängigen Systemen inklusive Linux und wirbt mit Übersetzung und einem Whisper-Modus zum leisen Sprechen; wo die Erkennung stattfindet, bleibt auf der Seite mehrdeutig. Monologue von Every ist auf Apple-Geräte beschränkt, nutzt auf dem Mac lokale Modelle und kostet 15 $ monatlich oder 144 $ im Jahr. Spokenly bietet unbegrenztes lokales Diktat ohne Konto für null Dollar, die Cloud-Modelle kosten 9,99 $ monatlich; eine Besonderheit ist die Spracheingabe für Entwicklerwerkzeuge über MCP. OpenWhispr ist MIT-lizenziert, listet Deutsch ausdrücklich und erlaubt im Free-Plan 2.000 Cloud-Wörter/Woche neben unbegrenztem lokalem Diktat. MacWhisper schließlich ist ein Einmalkauf für 64 € mit Lifetime-Updates, der neben der Dateitranskription auch systemweites Diktat beherrscht; die lokalen Apps stehen ausführlich auf der Seite Spracherkennung offline.

Was Windows, Apple, Word und Gboard schon können

Bevor du eine App installierst, lohnt der Blick auf das, was bereits auf dem Gerät ist. Der Sprachzugriff von Windows 11 ist seit Version 22H2 Teil von Windows 11, lädt einmalig ein Sprachmodell herunter und erkennt danach ohne Internetverbindung; Microsoft listet 15 Sprachvarianten, Deutsch nur als „German (Germany)“. Neben dem Diktat steuert er den ganzen PC per Sprache. Apple Diktat erkennt Deutsch laut Verfügbarkeitsseite auf dem Gerät, ohne Zeitlimit und mit einem Stopp nach 30 Sekunden Stille; die erweiterte Diktatfunktion von Apple Intelligence gibt es dagegen nur für neun englische Varianten. Beide Funktionen stehen auf der Seite Apple Diktat, Google Rekorder, Samsung.

Zwei weitere eingebaute Lösungen fehlen im Datensatz, weil sie keinen eigenen Preis haben. Das Diktat in Word steht nur Abonnenten von Microsoft 365 offen, unterstützt „German (Germany)“ und arbeitet in der Cloud: „Your speech utterances will be sent to Microsoft and used only to provide you with text results“, Audio und Text würden nicht gespeichert. Für 36 Vorschausprachen warnt Microsoft vor geringerer Genauigkeit, Deutsch gehört nicht dazu. Auf Pixel-Telefonen ab Pixel 6 bietet Gboard „Advanced voice typing“ für Englisch, Französisch, Deutsch, Italienisch, Japanisch und Spanisch; der Text bleibt laut Google auf dem Gerät, außer bei den Korrekturfunktionen „Fix it“, die es nur für US-Englisch ab Pixel 8 gibt.

Dragon: der Platzhirsch ohne Preisschild

Wer in Kanzlei oder Praxis diktiert, kennt Dragon von Nuance, das heute zu Microsoft gehört. Dragon Professional v16 ist eine Windows-Software mit lokaler Erkennung, eigenen Sprachbefehlen, Auto-Texten und Makros; eine Mac-Version gibt es nicht. Die deutschen Produktseiten verweisen bei den Preisen auf ein Kontaktformular, ein Shop ist nicht mehr erreichbar. Der Anbieter wirbt mit „bis zu 99 %“ Erkennungsgenauigkeit und „3-mal schneller als beim Tippen“; beides sind Herstellerangaben ohne veröffentlichte Messbedingungen. Weil es keine öffentliche Preisseite gibt, fehlt Dragon im Datensatz; die Produktfamilie, ihre Cloud-Varianten und die juristischen Vokabulare von DictaNet beschreibt die Seite Dragon Professional.

Schneller als Tippen? Was hinter 220 Wörtern pro Minute steckt

Wispr Flow und Typeless werben beide mit „4x faster than typing“ und rechnen vor: 45 Wörter pro Minute auf der Tastatur gegen 220 beim Sprechen. Das ist eine Behauptung der Anbieter, keine Messung, und sie vergleicht eine Sprechgeschwindigkeit mit einer Tippgeschwindigkeit, ohne die Zeit für Korrekturen einzurechnen. Genau dort entscheidet sich der Gewinn: Ein Diktat mit drei falschen Fachbegriffen je Absatz ist langsamer als Tippen, eines mit einem Fehler je Seite deutlich schneller. Keine der Apps dieser Seite veröffentlicht eine Wortfehlerrate für Deutsch; wie du eine solche Angabe lesen würdest, wenn es sie gäbe, erklärt die Seite Wortfehlerrate.

Für deutsche Texte kommt ein zweiter Faktor hinzu. Wispr Flow schreibt in seiner FAQ, die Genauigkeit sei „noticeably better“, wenn nur die tatsächlich gesprochene Sprache ausgewählt ist. Wer zwischen Deutsch und Englisch wechselt, etwa in technischen Texten mit englischen Fachwörtern, sollte diese Einstellung kennen. Was Dialekt, Fachsprache und Komposita mit der Erkennung machen, steht auf der Seite Deutsch, Dialekt, Fachsprache.

Welche Diktat-App für wen