Starke Funktionen.
Kein Ballast.
Offline-Spracherkennung auf deiner eigenen CPU, Text direkt in der App, in der du arbeitest, und optionale KI, wenn du sie brauchst.
Live-Tippen
Diktiere und sieh zu, wie sich der Text in deine App tippt, während du sprichst; die letzten Wörter landen, sobald du stoppst. Lieber klassisch? Der gewohnte Modus „alles am Ende“ bleibt erhalten. Live-Tippen gehört zu Pro.
Globale Tastenkürzel
Drücke dein globales Tastenkürzel überall in Windows, um das Diktat zu starten/stoppen, halte es gedrückt wie ein Funkgerät (Push-to-talk) – oder lass den Auto-Modus Tippen und Halten selbst unterscheiden. Kein Fensterwechsel nötig – die App schwebt über deiner Arbeit. Push-to-talk und der Auto-Modus gehören zu Pro.
Standardmäßig privat
Deine Sprache wird lokal mit Parakeet Ultra transkribiert, einer verbesserten Version des NVIDIA-Parakeet-Modells, auf deiner CPU. Nichts wird in die Cloud gesendet, solange du KI-Funktionen nicht ausdrücklich aktivierst. Das Diktieren funktioniert auch ganz ohne Internet.
Mehrsprachig, offline
Parakeet transkribiert 25 europäische Sprachen vollständig auf deinem Gerät und erkennt selbst, welche du sprichst – vorher eine Sprache wählen musst du nicht. Norwegisch (Bokmål & Nynorsk) kommt über ein optionales NB-Whisper-Paket, das du lädst, wenn du es brauchst, und mit eingeschalteter KI lässt sich dein Diktat in fast jede Sprache übersetzen. Die App selbst gibt es in 14 Sprachen.
KI: Übersetzen & Umformulieren
Übersetze dein Diktat in fast jede Sprache, markiere Text und formuliere ihn per Stimme um – oder markiere nichts, und dein Diktat kommt sauber geschrieben an. KI gehört zu Pro: Nutze die eingebaute KI ohne Einrichtung (Pro + KI) oder deinen eigenen Schlüssel für OpenAI, Anthropic, Google Gemini, DeepSeek, Groq, Mistral, OpenRouter, YandexGPT oder einen beliebigen OpenAI-kompatiblen Endpunkt – dein Schlüssel bleibt auf deinem Rechner. Gesendet wird nur der Text, nie die Aufnahme.
Für den Workflow gebaut
Eigene Tastenkürzel (Tastenkombinationen, ein doppelt getippter Modifikator oder Maustasten), ein komplettes Audio-Panel mit Mikrofonauswahl, Empfindlichkeit und Live-Pegelanzeige, Rauschunterdrückung, ein durchsuchbarer Transkriptionsverlauf und ein norwegisches Sprachpaket auf Abruf. Der Transkriptionsverlauf gehört zu Pro.
Intelligente Texteingabe
VibeVox tippt Text direkt in deine aktive Anwendung. Wechselst du während des Diktats das Fenster, landet der Text sicher in der Zwischenablage statt in der falschen App. Eingefügte Diktate landen nicht im Zwischenablageverlauf von Windows (Win+V). Mit Formatierungsschaltern (Pro) passt du die Ausgabe an – z. B. kleiner Anfangsbuchstabe oder ohne Punkt am Ende.
Freihändig & lange Aufnahmen
Pro bringt freihändiges Diktieren: Schalte das Zuhören mit deinem Tastenkürzel ein, und jeder Satz beginnt, wenn die Kamera sieht, dass sich deine Lippen bewegen, und das Mikrofon dich hört – die Wörter selbst werden weiterhin aus dem Ton erkannt, nicht aus dem Video. Dazu Aufnahmen bis zu 5 Minuten, Auto Enter, das eine Nachricht abschickt, sobald sie getippt ist, und stummgeschaltete Musik und Videos, während du diktierst.
Rauschunterdrückung
Zwei Stufen für einen lauten Raum: Die normale entfernt gleichmäßiges Brummen von Lüfter oder Klimaanlage, die KI-Rauschunterdrückung kommt mit Café und Straße zurecht. Beide laufen auf deinem Computer. Standardmäßig aus, weil ein ruhiger Raum sie nicht braucht; solange sie läuft, ist Live-Tippen aus.
Deine eigenen Wörter und Begriffe
Namen, Fachbegriffe und Abkürzungen, bei denen die Erkennung danebenliegt: Schreib die richtige Schreibweise einmal auf, und ähnlich klingende Fehler werden dazu korrigiert. Du kannst auch ein gesprochenes Wort durch etwas Beliebiges ersetzen, zum Beispiel durch deine Telefonnummer oder Adresse. Teil von Pro.
Funktioniert mit NVDA und der Sprachausgabe
NVDA und die Windows-Sprachausgabe lesen das Einstellungsfenster vor – jeder Schalter nennt seinen Namen, seinen Zustand und seine Wirkung. Ein kurzer Ton markiert Beginn und Ende jeder Aufnahme, sodass du auch ohne Blick auf den Bildschirm weißt, dass zugehört wird.
KI ist optional
Das Diktieren läuft auf deinem Computer und braucht weder KI noch Internet. KI ist ein Zusatz für drei Aufgaben: dein Diktat übersetzen, markierten Text per Stimme umformulieren und das Diktat sauber ausschreiben. Du schaltest sie selbst ein, und gesendet wird nur Text, nie deine Stimme.
Dein eigener Schlüssel
Du hast schon einen API-Schlüssel von OpenAI, Anthropic (Claude), Google Gemini, DeepSeek, Groq, Mistral, OpenRouter oder YandexGPT? Füge ihn in den Einstellungen ein. Der Text geht direkt von deinem Computer an deinen Anbieter, und du zahlst bei ihm nach seinen Preisen. Jeder OpenAI-kompatible Dienst funktioniert ebenfalls. Der Schlüssel bleibt auf deinem Computer.
In Pro enthalten (€29, einmalige Zahlung)
Eingebaute KI
Nichts einzurichten: keine Schlüssel, keine Konten bei anderen Diensten. Einschalten, und es läuft; das Modell wählen wir für dich. Der Text wird in Europa verarbeitet.
Pro + KI-Abo, €5.99 im Monat, jederzeit kündbar
Du brauchst keine KI? Lass sie einfach aus: Alles andere funktioniert ohne sie. In den ersten 14 Tagen kannst du beide Wege ausprobieren.
25 Sprachen, komplett offline
Parakeet erkennt die Sprache automatisch und transkribiert sie vollständig auf deinem Gerät. Keine Cloud, kein Konto — deine Stimme verlässt den Rechner nie.
Optionales PaketNorwegisch? Auch abgedeckt.
Bokmål und Nynorsk laufen über NB-Whisper Small — ein Modell der norwegischen Nationalbibliothek. VibeVox lädt es einmalig (~670 MB) direkt aus den Einstellungen herunter, und auch das funktioniert vollständig offline. So wählst du es: Einstellungen → Allgemein → Erkennungsmodell → Norwegisch.
Technische Daten
Parakeet Ultra ist eine verbesserte Version des Sprachmodells Parakeet TDT 0.6B v3 von NVIDIA: auf Genauigkeit nachtrainiert und von uns auf 8 Bit gepackt, damit es auf einem gewöhnlichen Prozessor schnell läuft. Im FLEURS-Test über 25 Sprachen macht es etwa halb so viele Wortfehler wie das Originalmodell (11 % gegenüber 20 %). Norwegisch hat ein eigenes Modell: NB-Whisper Small der norwegischen Nationalbibliothek, trainiert auf norwegischer Sprache.
Unter der Haube: Architektur der nächsten Generation
Token-and-Duration Transducer (TDT)
Anders als klassische RNN-Ts, die ein Token nach dem anderen vorhersagen, sagt die TDT-Architektur von Parakeet Token und Dauer gemeinsam voraus. So kann das Modell Stille und überflüssige Frames bei der Inferenz überspringen und die Rechenzeit drastisch senken.
- Gemeinsame Token- & Dauer-Vorhersage
- Beschleunigung durch Frame-Überspringen
FastConformer mit 8x Subsampling
Basiert auf der Conformer-Architektur, ist aber auf Geschwindigkeit optimiert. Ein 8-facher Downsampling-Faktor verarbeitet Audio-Frames effizienter und verbindet den globalen Kontext von Transformern mit der lokalen Merkmalsextraktion von CNNs.
- 8-facher Downsampling-Faktor
- Läuft vollständig auf der CPU — keine GPU nötig
Jetzt diktieren
kostenlos
Alle kostenpflichtigen Funktionen sind die ersten 14 Tage freigeschaltet. Ohne Karte, ohne Konto.