Freie Rede zum Text, direkt in Ihrem browser.

So funktioniert die Online-Spracheingabe, ohne dass Sie Ihre Stimme hochladen müssen

Wenn die Seite geladen wird, lädt sie ein Spracherkennungsmodell namens Whisper in Ihren Browser herunter. Es handelt sich um die Basisgröße, quantisiert auf int8, und beträgt etwa 80 MB. Ein Fortschrittsbalken zeigt den Download an. Das Modell reist zu Ihnen, anstatt dass Ihre Stimme zu einem Server reist.

Danach ist das Tool Push-to-Talk. Sie tippen auf das Mikrofon, Ihr Browser fragt nach der Mikrofonerlaubnis und eine Pegelanzeige zeigt an, dass er Sie hört. Tippen Sie erneut und die Aufzeichnung geht direkt an das Modell weiter, das auf derselben Registerkarte ausgeführt wird. Der Ton wird in 30-Sekunden-Fenstern mit einer 5-Sekunden-Überlappung verarbeitet, sodass ein langer Gesprächsabschnitt nicht mitten im Satz zerhackt wird.

Sofern Ihr Browser WebGPU unterstützt, läuft das Modell auf der Grafikkarte und ist um ein Vielfaches schneller. Wo dies nicht der Fall ist, greift es auf WebAssembly auf der CPU zurück, was langsamer ist, aber immer noch funktioniert. Ihr Browser speichert die Modelldateien nach dem ersten Durchlauf zwischen, sodass spätere Besuche sofort gestartet werden. Über dem Textfeld finden Sie eine Wortanzahl und eine grobe Zahl der Wörter pro Minute.

Spracheingabe ohne Upload, ohne Anmeldung und ohne Konto

Die meisten Websites zur kostenlosen Spracheingabe haben eine von zwei Formen. Einige nehmen Ihr Audio auf und veröffentlichen es zur Transkription auf ihren Servern. Andere nennen die in Chrome oder Edge integrierte Spracherkennung, die den Ton an den Dienst des Browser-Anbieters sendet. So oder so verlässt Ihre Stimme Ihr Gerät und Sie vertrauen einer Datenschutzrichtlinie, die Sie nicht geschrieben haben.

Diese Seite hat eine andere Form. Es gibt keinen Upload, kein Konto und keinen Transkriptionsserver. Die Modelldatei ist ein statischer Download und die Transkription wird im Tab vor Ihnen ausgeführt. Das können Sie selbst überprüfen. Laden Sie die Seite, warten Sie, bis das Modell eintrifft, schalten Sie dann Ihr WLAN aus und diktieren Sie weiter. Es funktioniert weiterhin, da die Erkennung nie das Netzwerk nutzte.

Diese Struktur hat auch praktische Auswirkungen. Da nichts gemessen wird, gibt es keine Minutenbeschränkung, kein Tageslimit und keine Mauer, die Sie dazu auffordert, sich mitten in einer Aufnahme anzumelden. Das bedeutet auch, dass wir Ihr Transkript nicht lesen, speichern oder verlieren können. Wenn Sie den Tab schließen, ist der Text verschwunden. Kopieren oder laden Sie also alles herunter, was Sie behalten möchten.

So verwenden Sie das Spracheingabetool Schritt für Schritt

Warten Sie, bis der Download des Modells abgeschlossen ist. Die Mikrofontaste bleibt inaktiv, bis sie fertig ist, da bis dahin nichts zum Transkribieren vorhanden ist. Bei einer normalen Verbindung dauert dies einige Sekunden und geschieht nur bei Ihrem ersten Besuch.

Tippen Sie auf das Mikrofon. Beim ersten Mal fragt Ihr Browser nach der Erlaubnis, das Mikrofon verwenden zu dürfen. Erlaube es. Beobachten Sie, wie sich die Pegelanzeige bewegt, während Sie sprechen. Dies ist der schnellste Weg, um sicherzustellen, dass das richtige Eingabegerät ausgewählt ist. Wenn die Anzeige leer ist, ändern Sie Ihre Eingabe in den Toneinstellungen Ihres Systems und laden Sie neu.

Sprechen Sie in Ihrem normalen Tempo. Es ist nicht nötig, langsamer zu werden oder zu viel zu formulieren, und Schreien führt eher zu schlechteren als zu besseren Ergebnissen. Tippen Sie erneut auf das Mikrofon, wenn Sie einen Gedanken beendet haben. Der Text erscheint im Feld unten.

Du kannst weitermachen. Jede neue Aufnahme wird an das Ende der bereits vorhandenen Aufnahme angefügt, sodass Sie in kurzen Stößen diktieren können. Das Feld ist ein normales bearbeitbares Feld. Korrigieren Sie also alles, was Sie möchten, und kopieren Sie es dann oder laden Sie es als TXT-Datei herunter.

Wie genau ist es und welche Sprachen und Akzente werden unterstützt?

Das Modell ist mehrsprachig und erkennt die Sprache automatisch, sodass Sie mit dem Sprechen beginnen können, ohne etwas aus einem Menü auszuwählen. In der Praxis deckt dies die meisten wichtigen Sprachen ab und ist bei denen mit den meisten Trainingsdaten deutlich stärker, allen voran Englisch.

Seien Sie realistisch, was die Größe des Modells angeht. Dies ist die Whisper-Basis, die ausgewählt wurde, weil ein 80-MB-Download etwas ist, auf das ein Besucher tatsächlich warten wird. Es eignet sich gut für normales verbundenes Sprechen und hält einer Reihe von Akzenten stand, ist aber nicht das größte verfügbare Modell und macht mehr Fehler als eines, das zehnmal so groß ist. Bei Eigennamen, Produktnamen, Fachjargon und Personennamen kommt es am häufigsten vor.

Ein ruhiger Raum und ein gutes Mikrofon helfen mehr als alles andere, was Sie ändern können. Laptop-Mikrofone nehmen Tastaturgeräusche und Raumechos auf, und beides verschlechtert den Text. Wenn Sie viel diktieren, ist ein günstiges Headset das größte Upgrade, das Ihnen zur Verfügung steht.

Wofür Menschen die kostenlose Spracheingabe nutzen

Die häufigste Verwendung ist ein erster Entwurf. Für die meisten Menschen geht das Sprechen schneller als das Tippen, und ein grober gesprochener Entwurf, den Sie dann bearbeiten, ist in der Regel besser als eine leere Seite. Aufsätze, Blogbeiträge, Anschreiben, lange E-Mails, Tagebucheinträge und Besprechungsnotizen funktionieren auf diese Weise gut.

Es ist auch ein unkompliziertes Barrierefreiheitstool. Wenn das Tippen schmerzhaft ist, Sie eine Verletzung haben oder die Tastatur einfach zu langsam ist, ist zum Diktieren in einen Browser-Tab keine Installation, keine Administratorrechte und kein Kauf erforderlich. Das ist auf einem gesperrten Arbeitslaptop oder einem gemeinsam genutzten Bibliothekscomputer wichtig, auf dem Sie keine Software installieren können.

Studierende nutzen es für Notizen und zum schnellen Notieren langer Zitate. Menschen, die in einer zweiten Sprache schreiben, fällt es oft leichter, einen Satz zu sagen, als ihn zu tippen. Und es ist nützlich als Notizblock: Halten Sie die Idee fest, während Sie sie haben, und räumen Sie sie später auf.

Wenn es sich bei dem, was Sie haben, um eine vorhandene Aufnahme und nicht um eine Live-Stimme handelt, ist das eine andere Aufgabe. Verwenden Sie dazu stattdessen das Audio-zu-Text-Tool.

Spracheingabe offline, ohne Internetverbindung

Sobald sich das Modell in Ihrem Browser-Cache befindet, funktioniert diese Seite ohne Verbindung weiter. Für die Transkription wurde das Netzwerk überhaupt nicht genutzt, ein Flugzeug, ein Zug oder ein unterbrochenes Hotel-WLAN können sie also nicht verhindern. Zum Laden muss die Seite selbst geladen werden. Öffnen Sie sie also, bevor Sie das Signal verlieren.

Zwei Dinge führen Sie zurück zum Download. Durch das Löschen Ihres Browserspeichers wird das zwischengespeicherte Modell entfernt. Ein privates oder Inkognito-Fenster beginnt normalerweise mit einem leeren Cache, sodass die Datei erneut abgerufen wird. Verschiedene Browser verfügen auch über separate Caches, sodass der Wechsel von einem zum anderen einen weiteren Download bedeutet.

Dieser erste Download ist der einzige Moment, in dem dieses Tool das Internet benötigt. Alles weitere, die Aufnahme, die Erkennung und der Text, geschieht auf Ihrer eigenen Hardware. Es lohnt sich, es deutlich zu sagen, weil es ungewöhnlich ist. Die meisten kostenlosen Diktierseiten funktionieren nicht mehr, sobald Sie offline gehen, da die Erkennung woanders erfolgt.

Die Grenzen der Browser-Spracheingabe und was die Desktop-App hinzufügt

Dieses Tool tippt in ein Feld auf einer Webseite. Das ist die ehrliche Grenze. Es kann keinen Text in Ihren Editor, Ihren E-Mail-Client, Slack oder ein Dokument einfügen, sodass Sie das Ergebnis jedes Mal von Hand kopieren müssen. Wenn Sie etwas anderes diktieren möchten, ist dies ein zweistufiger Job.

Der Text erscheint auch, nachdem Sie aufgehört haben, und nicht Wort für Wort, während Sie sprechen, da die Aufnahme in einem Durchgang transkribiert wird, wenn Sie erneut auf das Mikrofon tippen. Und es gibt keinen Reinigungspass. Was auch immer Sie gesagt haben, ist das, was Sie bekommen, einschließlich der Ums, der Fehlanfänge und des Satzes, den Sie mittendrin abgebrochen haben.

Die Yaps-Desktop-App ist die gleiche On-Device-Idee ohne diese Einschränkungen. Sie halten einen Hotkey gedrückt, sprechen in die App, in der Sie sich bereits befinden, und der Text landet an Ihrem Cursor. Es bereinigt Füllwörter und Satzzeichen und funktioniert nach der Installation auch offline. Es gibt auch eine Android-Tastatur, die sich viel besser zum Diktieren per Telefon eignet als ein Browser-Tab.