Online diktieren ohne Upload

Nein. Das Mikrofon wird erst eingeschaltet, wenn du es dem Browser erlaubst, und die Aufnahme wird nur auf deinem Gerät mit Whisper erkannt – weder Ton noch Text verlassen es. Aus dem Internet geladen werden nur einmalig das Sprachmodell (von Hugging Face) und die Rechen-Laufzeit (von jsDelivr); beides speichert der Browser für spätere Besuche.

Whisper versteht rund 100 Sprachen. Deutsch ist voreingestellt; die gängigsten Sprachen kannst du fest wählen, sonst erkennt „Automatisch erkennen“ die Sprache für jeden Abschnitt selbst. Eine fest eingestellte Sprache ist zuverlässiger, vor allem bei kurzen Sätzen. Du kannst die Sprache auch während des Diktats umstellen.

Punkt, Komma und Fragezeichen setzt Whisper meist selbst – sprich natürlich und senke am Satzende die Stimme. Du kannst Satzzeichen aber auch ansagen: „Punkt“, „Komma“, „Fragezeichen“, „Ausrufezeichen“, „Doppelpunkt“ – nach Punkt, Frage- und Ausrufezeichen geht es groß weiter. „Neuer Absatz“ beginnt einen Absatz, „letzten Satz löschen“ nimmt den letzten Satz zurück. Die Befehle selbst erscheinen nicht im Text. Achtung: Das Wort „Punkt“ wird immer als Satzzeichen verstanden, auch in „auf den Punkt“. Danach kannst du jede Zeile direkt anklicken und von Hand korrigieren.

„Standard“ (Whisper base) ist zum Mitlesen die beste Wahl: Mit Grafikkarte siehst du schon beim Sprechen eine Vorschau. „Schnell“ (Whisper tiny) reagiert auch ohne Grafikkarte zügig, macht aber mehr Fehler. „Genau“ (Whisper large-v3-turbo) braucht mehrere Sekunden je Satz – beim Diktat schreibt deshalb „Standard“ mit, und „Nochmal transkribieren“ erfasst die Aufnahme danach mit „Genau“. Namen, Fachbegriffe und Dialekt bleiben fehleranfällig: Lies den Text bitte gegen.

Whisper erkennt ganze Sinnabschnitte besser als einzelne Wörter. Das Tool wartet deshalb auf eine Sprechpause von gut einer halben Sekunde und schickt den Satz dann an das Modell. Mit Grafikkarte (WebGPU in Chrome und Edge) steht der fertige Satz ein bis zwei Sekunden später da, und eine Vorschau läuft schon vorher mit. Ohne Grafikkarte rechnet ein Prozessorkern; auf dem Handy kann der Text dann einige Sekunden hinterherhängen.

Du brauchst einen aktuellen Browser mit Mikrofon-Zugriff. Am flüssigsten läuft das Diktat in Chrome und Edge am Computer, weil dort die Grafikkarte mitrechnet. Ein Headset oder ein Mikrofon nah am Mund verbessert das Ergebnis deutlich; Hintergrundgeräusche und mehrere Stimmen gleichzeitig stören.

Ein Diktat kann am Computer bis zu 60 Minuten dauern, am Handy 30. Du kannst es beenden und später fortsetzen – der neue Teil wird angehängt. Die Aufnahme liegt nur im Arbeitsspeicher der Seite: Du kannst sie als WAV speichern; beim Schließen oder Neuladen der Seite ist sie weg, ebenso der Text. Kopiere oder speichere ihn also vorher.

Ja. Stell oben von „Mikrofon“ auf „Datei“ um und wähle eine Audio- oder Videodatei – oder nutze das Tool „Audio transkribieren“. Dort gibt es zusätzlich Zeitstempel, Sprechererkennung und den Export als Untertitel (SRT/VTT).