Sprach-Engines und Modelle

Engine wählen#

Öffne Einstellungen → Spracherkennung. Unter Auf diesem Gerät stehen die Engines, die auf deinem Handy laufen, unter Cloud die Dienste, für die du einen eigenen API-Schlüssel brauchst. Tippe auf eine Engine, um sie für Diktat, Tastatur, Bubble und Dateien zu nutzen. Nach der Installation ist Parakeet ausgewählt.

Fehlt der Engine noch ihr Modell, öffnet sich direkt ihre Modellseite. Bei Engines mit ladbarem Modell kommst du über den Pfeil daneben jederzeit dorthin. Ohne Premium zeigt Nemotron Live stattdessen ein Schloss.

• Sprache: Automatisch oder eine feste Sprache. Parakeet, Nemotron Live und SenseVoice erkennen die Sprache selbst. Moonshine schreibt nur Englisch, GigaAM nur Russisch. Die Wahl gilt trotzdem für andere Engines und für Dateien.
• Ein Profil kann statt der Einstellungen eine eigene Engine und Sprache nutzen. Mehr dazu unter Profile und KI-Schreiben.

Engines auf dem Gerät#

Diese Engines funktionieren offline, sobald ihr Modell geladen ist. Die Größen entsprechen dem einmaligen Download, den die App anzeigt.

• Parakeet (auf dem Gerät): Parakeet (etwa 670 MB) oder Parakeet Ultra (etwa 630 MB), 25 europäische Sprachen. Schnell und genau, erkennt die Sprache selbst. Ultra wurde von Moondream nachtrainiert und macht weniger Fehler, bei gleichen Sprachen und gleichem Tempo. Für die meisten der beste Einstieg.
• Whisper (auf dem Gerät): 99 Sprachen in fünf Größen. Whisper Tiny (etwa 104 MB) ist am schnellsten und am ungenauesten, Whisper Base (etwa 161 MB) passt für kurze Diktate, Whisper Small (etwa 375 MB) ist ein guter Kompromiss, Whisper Large v3 Turbo (etwa 1 GB) ist am genauesten und braucht ein paar Sekunden pro Diktat. Whisper Distil Large v3 (etwa 984 MB) schreibt nur Englisch und ist schneller als Turbo. Whisper ist langsamer als Parakeet.
• Canary (auf dem Gerät): Canary 180M Flash (etwa 207 MB) für Englisch, Deutsch, Spanisch und Französisch. Ein Drittel so groß wie Parakeet und schneller. Canary braucht die Diktiersprache; ohne sie nimmt Canary die Sprache deines Handys, sonst Englisch.
• Nemotron Live (auf dem Gerät): zeigt den Text schon, während du sprichst (etwa 682 MB). Braucht Premium.
• SenseVoice (auf dem Gerät): SenseVoice Small (etwa 240 MB) für Chinesisch, Kantonesisch, Englisch, Japanisch und Koreanisch. Erkennt die Sprache selbst und ist viel schneller als Whisper.
• Moonshine (auf dem Gerät): Moonshine Tiny (etwa 44 MB), nur Englisch. Das kleinste Modell und schnell, aber ungenauer als Parakeet und Whisper.
• GigaAM (auf dem Gerät): GigaAM v3 (etwa 232 MB), nur für Russisch, mit Satzzeichen.
• Android-Spracherkennung: die in Android eingebaute Erkennung, ohne Download. Braucht Android 13 oder neuer. Welche Sprachen offline gehen, hängt vom installierten Sprachanbieter ab. Mit Ausgewählte Offline-Sprache laden installierst du die gewählte Sprache.

Modelle laden und löschen#

Diktierst du mit einer Engine, deren Modell fehlt, bietet dir der Aufnahme-Bildschirm zuerst Modell herunterladen an. Große Modelle laden auch über mobile Daten. Starte sie besser im WLAN, wenn dein Datenvolumen knapp ist.

1. Modellseite öffnen

   Tippe unter Einstellungen → Spracherkennung auf den Pfeil neben einer Engine auf dem Gerät. Jedes Modell zeigt seine Größe mit „auf diesem Gerät gespeichert“, nach dem Download „Heruntergeladen“.

2. Auf Herunterladen tippen

   Der Download läuft im Hintergrund weiter, eine Benachrichtigung zeigt den Fortschritt. Ohne Verbindung wartet er, bis wieder eine da ist. Download abbrechen behält die geladenen Teile, mit Download fortsetzen geht es dort weiter. Ist ein Download fehlgeschlagen, tippe auf Erneut versuchen.

3. Modell auswählen

   Parakeet und Whisper bieten mehrere Modelle. Tippe auf eines, um es zu nutzen. Jedes Modell wird einzeln geladen.

4. Nicht mehr gebrauchte Modelle löschen

   Tippe neben einem geladenen Modell auf den Papierkorb und bestätige mit Löschen. Du kannst es später erneut herunterladen.

Erweiterte Einstellungen#

Unter Einstellungen → Spracherkennung → Erweitert findest du vier Optionen:

• Stille überspringen: standardmäßig an. Schneidet Stille vor und nach dem Sprechen ab und verwirft Aufnahmen ohne Sprache, damit kein Text erfunden wird. Nemotron Live bekommt das Audio ungefiltert.
• Nach dem Stopp weiter aufnehmen: Aus, 150 ms (Standard), 300 ms, 500 ms oder 1000 ms, damit das letzte Wort beim Tippen auf Stopp nicht abgeschnitten wird.
• Modellspeicher freigeben: Nie, Direkt nach dem Diktat, nach 2, 5, 10 (Standard) oder 30 Minuten oder Nach 1 Stunde. Gilt für Modelle auf dem Gerät; das nächste Diktat lädt das Modell wieder.
• Ersatz-Engine: standardmäßig Keine. Die hier gewählte Engine springt ein, wenn die eigentliche Engine fehlschlägt, zum Beispiel ohne Netz.

Übersetzung, chinesische Schriftzeichen und Wörterbuch-Begriffe#

• Ins Englische übersetzen: ein Schalter unter Übersetzung auf den Modellseiten von Whisper und Canary, der für beide gilt. Whisper Tiny, Base und Small machen aus jeder gesprochenen Sprache englischen Text, offline; Large v3 Turbo und Distil Large v3 schreiben immer, was gesprochen wird. Canary übersetzt Deutsch, Spanisch oder Französisch ins Englische. Stelle unter Sprache die Sprache ein, in der du sprichst.
• Chinesische Schriftzeichen: Wähle unter Einstellungen → Textaufbereitung Wie erkannt, Vereinfacht, Traditionell, Traditionell (Taiwan) oder Traditionell (Hongkong). Chinesische Diktate stehen dann in einer Schrift; Japanisch bleibt unverändert.
• Wörterbuch-Begriffe mit Parakeet: Der Vokabular-Boost (etwa 132 MB) hilft Parakeet, deine Begriffe zu erkennen. Er steht auf der Modellseite von Parakeet und wird geladen, sobald du bei ausgewähltem Parakeet deinen ersten Begriff anlegst.
• Wörterbuch-Begriffe mit anderen Engines: Die meisten Cloud-Engines bekommen deine Begriffe zusammen mit der Aufnahme. Bei Engines, die keine Begriffe annehmen, korrigiert TypeWhisper ähnlich geschriebene Wörter danach im Text.

Cloud-Engines#

Den API-Schlüssel trägst du unter Einstellungen → Cloud-Anbieter ein. Jede Anbieterseite zeigt, wofür der Schlüssel genutzt wird, und Testen prüft ihn. Groq, OpenAI, Meta und Eigener Server nutzen einen Schlüssel für Spracherkennung und KI-Schreiben; der eigene Server teilt auch seine Server-URL. Schlüssel liegen verschlüsselt auf deinem Handy.

• Groq Whisper (Cloud): whisper-large-v3-turbo.
• OpenAI (Cloud): gpt-transcribe mit deinen Wörterbuch-Begriffen.
• ElevenLabs Scribe (Cloud): Scribe v2 mit deinen Wörterbuch-Begriffen.
• Soniox (Cloud): stt-async-v6 mit deinen Wörterbuch-Begriffen. Die Region USA, Europäische Union oder Japan wählst du auf der Soniox-Seite.
• Meta Muse Voice (Cloud): muse-voice-transcribe-1.0 mit deinen Wörterbuch-Begriffen.
• Reson8 (Cloud): TypeWhisper korrigiert Wörterbuch-Begriffe danach im Text.
• Deepgram (Cloud): Nova-3 mit Wort-Zeitstempeln.
• AssemblyAI (Cloud): Universal-3.5 Pro mit deinen Wörterbuch-Begriffen, viele Sprachen.
• Eigener Server: ein Whisper-kompatibler Server im eigenen Netz, etwa faster-whisper oder LocalAI. Server-URL und Sprachmodell trägst du unter Cloud-Anbieter → Eigener Server ein.