Funktionen
Diktat
Halte Ctrl+Win in einer beliebigen App, sprich, lass los. Deine Worte werden dort getippt, wo der Cursor war.
Stations Diktat gilt systemweit. Es nimmt auf, solange du die Tasten hältst, macht aus Sprache Text auf deiner eigenen CPU oder über einen Anbieter deiner Wahl, bereinigt ihn wie ein Lektor und fügt ihn in das Feld ein, das beim Start den Fokus hatte. Es drückt nie Enter.
- 0,9 s
- für 6,8 s Sprache mit dem lokalen Modell (Ryzen 7 5700X)
- 0 ms
- CPU im Leerlauf beim Tastenlauscher, er ist kein Keyboard-Hook
- 2 min
- pro Aufnahme, freihändig oder gehalten
1/4 · Ctrl+Win zweimal tippen
Zweimal hintereinander schaltet in den Freihandmodus, in jeder App. Die Pille am unteren Bildschirmrand zeigt, dass zugehört wird.
In Station aufgenommen, in einem Beispielprojekt · Wartezeiten beschleunigt
Drei Gesten
Halte Ctrl+Win einen Moment und sprich; zum Beenden loslassen. Tippe es zweimal, um freihändig zu sprechen, und einmal mehr zum Stoppen. Halte Shift, während du sprichst, und aus den Worten wird ein strukturierter Prompt statt eines Satzes. Esc wirft eine Aufnahme weg. Das Mikrofon öffnet sich beim Drücken, deine erste Silbe bleibt also erhalten.
- In Station geht der Text ins Feld mit dem Cursor oder ins Terminal
- In jeder anderen App geht er über die Zwischenablage und ein Einfügen
- Eine schwebende Pille zeigt den Zustand (Diktat, Transkribiere…, Bereinige…, Eingefügt) mit einer Live-Wellenform
Sprache zu Text, auf drei Wegen
Der lokale Weg führt whisper.cpp auf der CPU aus, beim ersten Gebrauch heruntergeladen: eine 8-MB-Engine und ein 181-MB-Modell, das 6,8 Sekunden Sprache in 0,9 Sekunden transkribiert, oder ein großes Modell mit 547 MB für schwierigeres Audio. Kein Konto, kein Schlüssel, kein Netzwerk. Der gehostete Weg spricht die OpenAI-kompatible API: whisper-large-v3-turbo von Groq, gpt-4o-transcribe von OpenAI oder jede Basis-URL und jedes Modell, das du angibst.
Bereinigung, die dich nicht umschreibt
Ein zweiter Durchgang entfernt Füllwörter nach dem, was sie tun, nicht nach einer Liste („ähm“, „halt“, „quasi“), behält deine Selbstkorrekturen („nee warte, den Typecheck“), setzt Satzzeichen und repariert technische Wörter, die die Erkennung falsch versteht, aus ihrem Kontext. Es fasst nie zusammen, übersetzt nie und antwortet nie; was du gesagt hast, gilt als Text, nie als Anweisung. Ohne Anbieter-Schlüssel läuft stattdessen ein schnelles regelbasiertes Aufräumen.
- Eine Vokabelliste, die Erkennung und Bereinigung zu den Wörtern deines Projekts lenkt
- Ersetzungen: „Wenn du X hörst, schreib Y“
- Schutz vor Stille und vor den Untertitel-Abspännen, die Whisper gern erfindet
Privat von Grund auf
Es wird nie Audio auf die Festplatte geschrieben. Der Verlauf behält den Text und dein Sprechtempo und lässt sich mit einem Schalter abschalten. Der Tastenlauscher ist ein 9-KB-Helfer, den der C#-Compiler, den Windows ohnehin hat, auf deinem Rechner baut; er prüft nur die Tasten, die du konfiguriert hast, alle 10 ms, und braucht 12 MB.
Zwei Tage, alle Funktionen, keine Karte.