Die beste Diktiersoftware für Linux (2026): 9 Optionen, und warum Ihr Text nie ankommt

Ihr Desktop hat kein Diktat eingebaut. Weder GNOME noch KDE noch irgendeine Distribution, die Sie heute installieren können, und das wird sich ändern, hat sich aber noch nicht geändert. Was Sie stattdessen schon jetzt haben können, ist eine kostenlose Offline-App, die ein modernes Sprachmodell auf Ihrem eigenen Rechner laufen lässt und in das Fenster tippt, auf das Sie gerade schauen.

Von der VoiceBoard-RedaktionAktualisiert am 28. August 2026

Der Haken ist nicht die Genauigkeit. Die Genauigkeit war schon vor Jahren gelöst und ist seither noch besser geworden. Der Haken sind die letzten fünf Zentimeter: den erkannten Text aus der App in das Textfeld zu bekommen, auf das Sie gestarrt haben. Unter Wayland scheitert dieser Schritt, und er scheitert lautlos. Deshalb kommen so viele Leute zu dem Schluss, Diktieren unter Linux funktioniere nicht, obwohl ihre Transkription perfekt war und nur nirgends angekommen ist.

Diese Seite ist um dieses Problem herum aufgebaut. Preise, Versionen und Paketinhalte wurden am 27. August 2026 an der Quelle gelesen.

Unsere Empfehlungen

Was sich geändert hat, und warum die anderen Artikel noch hinterherhinken

Vier Dinge haben sich zuletzt bewegt, und zusammen entwerten sie den größten Teil dessen, was derzeit rankt.

Canonical baut Diktieren in Ubuntu ein. Am 17. Juni 2026 erschien im Ubuntu Community Hub eine Ankündigung zu Myna, beschrieben als „a new initiative to bring speech to text dictation to Ubuntu Desktop" (eine neue Initiative, um Diktieren per Spracherkennung auf den Ubuntu-Desktop zu bringen). Es lässt lokale Modelle laufen, genannt werden Whisper, Nemotron und Qwen3-ASR, und „no internet connection is required once the necessary models are installed" (sobald die nötigen Modelle installiert sind, ist keine Internetverbindung erforderlich). Ziel ist Ubuntu 26.10, und die erste Fassung „targets Ubuntu Desktop on Wayland, with GNOME as the primary validated environment" (richtet sich an den Ubuntu-Desktop unter Wayland, mit GNOME als primär geprüfter Umgebung). Suchen Sie nicht nach einem Download: Das Repository canonical/myna wurde am 5. Juni 2026 angelegt, steht unter GPL-3.0 und hat bis heute keine einzige Veröffentlichung. Sprachbefehle, Desktop-Steuerung und automatische Spracherkennung stehen für die erste Version ausdrücklich nicht auf dem Plan. Trotzdem: Der Eröffnungssatz jeder Übersicht in dieser Kategorie, der über das dauerhaft abgehängte Linux, hat jetzt ein Haltbarkeitsdatum.

Talon zieht sich von Linux zurück. Talon war die Antwort für Menschen, die einen Rechner vollständig per Stimme führen, und die eigene Dokumentation zur Version 0.4.0 sagt die Lage unverblümt: „Wayland compositors lack the APIs necessary for Talon and Wayland support is not planned." (Wayland-Compositors fehlen die für Talon nötigen Schnittstellen, und Wayland-Unterstützung ist nicht geplant.) Die Downloadseite bietet „Linux (X11)" und sonst nichts. Am 31. Mai 2026 berichtete OSnews, Talon werde „will imminently remove ALL Linux support from the public release, as X11 continues to sunset" (in Kürze jede Linux-Unterstützung aus der öffentlichen Fassung entfernen, da X11 weiter ausläuft), und zitierte KDE-Entwickler, die der technischen Begründung widersprechen: „Wayland implements all the APIs needed for Talon to work, but Talon's developers are simply not interested in using them." (Wayland stellt alle Schnittstellen bereit, die Talon braucht, aber Talons Entwickler haben schlicht kein Interesse daran, sie zu nutzen.) Wir haben noch keine Entfernung ausgeliefert gesehen. Wir weisen darauf hin, weil die am stärksten Betroffenen den geringsten Spielraum zum Wechseln haben.

„Melden Sie sich einfach in einer X11-Sitzung an" ist kein Ratschlag mehr. Das ist der Punkt, der die meisten Seiten still entwertet. GNOMEs eigene Release Notes erzählen es in drei Zeilen: Version 47 brachte die Möglichkeit, X11-Sitzungen abzuschalten, GNOME 49 hat sie bei seinem Erscheinen am 17. September 2025 standardmäßig deaktiviert, und GNOME 50, erschienen am 18. März 2026, hat die Unterstützung für X11-Sitzungen ganz gestrichen, samt der displayserverspezifischen Unit-Dateien. Fedora 43 zog auf Distributionsebene nach, löschte die GNOME-X11-Pakete aus seinen Repositories und migrierte diese Nutzer zu Wayland. KDE bietet weiterhin eine X11-Sitzung an. GNOME nicht. Jeder Ratgeber, der achselzuckend sagt, Sie sollten am Anmeldebildschirm X11 wählen, einschließlich der Installationsanleitung des Werkzeugs, auf das Menschen angewiesen sind, die nicht tippen können, gibt damit eine Anweisung, der ein großer Teil der Leser nicht mehr folgen kann.

Das Werkzeug ganz oben in diesen Suchergebnissen steht still. Ein kurzer, ehrlicher Beitrag vom Januar 2026 empfiehlt Whispering, und er hat sich seinen Platz verdient: Der Autor hat den ganzen Text damit diktiert und sagt das auch. Seither war das letzte Release v7.11.0 vom 27. Dezember 2025, und in der README des Repositories, in dem es heute lebt, steht wörtlich: „Whispering, vocab, skills, and the Epicenter host do not compile right now." (Whispering, vocab, skills und der Epicenter-Host kompilieren derzeit nicht.) Die alten Binärdateien lassen sich weiterhin herunterladen. Neue baut niemand.

Warum Ihr Text nie ankommt

Das ist der Abschnitt, den der Rest des Feldes überspringt, und er ist die eigentliche Frage.

Handy, das meistgenutzte Werkzeug dieser Kategorie, sagt es in seinem eigenen Ticket in einem Satz: „Wayland has no single API for programmatic text insertion or registering global hotkeys." (Wayland hat keine einheitliche Schnittstelle für programmatisches Einfügen von Text oder das Registrieren globaler Tastenkürzel.) Beide Hälften des Diktierens sind unabhängig voneinander kaputt, und allein Handy trägt 48 offene Tickets dazu.

Unter X11 kann jedes Programm den X-Server bitten, über die Erweiterung XTEST Tastenanschläge zu erzeugen. Sie ist seit 1992 Teil des Standards und beschreibt sich selbst als „limited synthesis of input device events, almost as if a cooperative user had moved the pointing device or pressed a key" (begrenzte Erzeugung von Eingabeereignissen, fast so, als hätte ein kooperativer Nutzer die Maus bewegt oder eine Taste gedrückt). Genau das macht xdotool type. Es funktioniert überall, in jeder App, ganz ohne Berechtigung. Es bedeutet allerdings auch, dass jedes Programm, das Sie starten, in die Website Ihrer Bank tippen und jeden Tastenanschlag mitlesen kann, der an irgendein anderes Fenster geht. X11 kennt keine Abschottung einer App von der anderen.

Wayland hat dieses Loch absichtlich geschlossen und es nicht durch eine eingeschränkte Fassung ersetzt. Es gibt schlicht keine Anfrage für „tippe das in das, was gerade den Fokus hat", denn ein Wayland-Global kann nicht erkennen, wer es aufruft, und alles, was dort freigegeben wird, ist damit für alles freigegeben. Die README von xdotool benennt die Folge klar: „Typing, window searching, and many other functions of xdotool do not work, and it is unclear if they could ever work." (Tippen, Fenstersuche und viele weitere Funktionen von xdotool funktionieren nicht, und es ist unklar, ob sie das je könnten.)

Diktierwerkzeuge suchen sich deshalb einen Behelf, und jeder funktioniert an manchen Stellen und an anderen nicht. Fünf sind im Umlauf.

Das Virtual-Keyboard-Protokoll (zwp_virtual_keyboard_v1), das wtype nutzt. Sauber, Unicode-fest und nur von Compositors aus der wlroots-Familie umgesetzt. GNOME wird es nicht umsetzen und hat das schriftlich erklärt. Jonas Ådahl 2021: „The virtual keyboard protocol is unlikely something we are going to support, where instead the plan for handling things like xdotool, Synergy, and similar things is using libei via a portal." (Das Virtual-Keyboard-Protokoll werden wir voraussichtlich nicht unterstützen; für Dinge wie xdotool oder Synergy ist stattdessen libei über einen Portal-Dienst vorgesehen.) Sebastian Wick, der die Nachfolgeanfrage am 26. Mai 2025 schloss: „Yes, wayland doesn't have access control and we would have to expose this to every client. Having and maintaining multiple ways to do the same thing is also not sustainable." (Ja, Wayland hat keine Zugriffskontrolle, und wir müssten das jedem Client offenlegen. Mehrere Wege für dieselbe Sache zu haben und zu pflegen, ist außerdem nicht tragfähig.) KDE hat es ebenfalls nicht umgesetzt. Jemand, der es im November 2025 unter Ubuntu 25.10 mit KDE Plasma testete, bekam die Meldung wörtlich: „Compositor does not support the virtual keyboard protocol." Im Tracker von wtype steht das seit dem 25. November 2022 als Ticket #45, und wtype selbst hat seit Januar 2022 keinen echten Commit mehr. Wenn Sie GNOME oder KDE benutzen, ist wtype nicht Ihre Antwort, egal wie viele Artikel es auflisten.

Der Kernel-Weg (/dev/uinput), den ydotool und dotool nutzen. Sie erzeugen im Kernel ein virtuelles Eingabegerät und tippen darüber. Das funktioniert auf jedem Compositor, unter X11, sogar in einer TTY, und zwar aus einem Grund: Es sitzt unterhalb des Compositors, der Compositor hat also gar nichts mitzureden. Am klarsten beschrieben hat das ein Bericht vom Februar 2026 darüber, wie man Diktieren unter COSMIC zum Laufen bringt: Sowohl die Erkennung des Tastenkürzels als auch die Textausgabe „operate at the Linux kernel level, below the Wayland compositor" (arbeiten auf der Ebene des Linux-Kernels, unterhalb des Wayland-Compositors).

Der Preis ist eine Berechtigung, die die meisten Anleitungen in einer Zeile durchwinken, und sie hat Besseres verdient. ydotoold braucht Schreibzugriff auf /dev/uinput, was normalerweise eine udev-Regel und die Aufnahme in die Gruppe input bedeutet. Aber systemds Standardregeln stecken jedes Eingabegerät in diese Gruppe. Der Beitritt erlaubt Ihnen also nicht nur, eine virtuelle Tastatur zu beschreiben, sondern auch, jeden Tastenanschlag jeder echten Tastatur mitzulesen, dauerhaft und ohne Nachfrage. Sie tauschen eine vom Compositor vermittelte Berechtigung gegen genau die Fähigkeit, die Wayland abschaffen wollte. Tun Sie es, wenn Sie wollen, aber tun Sie es mit diesem Wissen.

Zwischen den beiden Werkzeugen gibt es außerdem einen Qualitätsunterschied, den niemand erwähnt. ydotool sendet rohe Kernel-Keycodes, und seine eigene Dokumentation räumt ein, es erkenne nicht, „if the user is using a custom keyboard layout" (ob der Nutzer ein eigenes Tastaturlayout verwendet). dotool bindet libxkbcommon ein und kennt das Layout. Wer ein anderes Layout als US-QWERTY benutzt, und das trifft auf jede deutsche Tastatur zu, sollte dotool nehmen.

Eine Eingabemethode (IBus). Statt eine Tastatur vorzutäuschen, meldet sich das Werkzeug als die Maschinerie an, die Anwendungen überhaupt erst mit Text versorgt, also derselbe Weg, über den chinesische und japanische Eingabe läuft. Sie trägt Text statt Keycodes, Layouts spielen damit keine Rolle mehr. Diesen Weg geht Vocalinux unter GNOME und KDE, und wenn er funktioniert, fühlt er sich am nativsten von allen an.

Die Zwischenablage plus ein Tastenkürzel zum Einfügen. Kopieren, dann Strg+V senden. Das klingt banal und ist in der Praxis die mit Abstand unsauberste Option. Die Konfigurationsanleitung von hyprwhspr ist der beste öffentliche Katalog dessen, was dabei schiefgeht: Terminals brauchen Strg+Umschalt+V statt Strg+V, das Werkzeug muss also wissen, in welcher App Sie sind, was Wayland ihm ebenfalls nicht verrät, weshalb es unter GNOME auf den Barrierefreiheits-Bus ausweicht, um es herauszufinden; Emacs benutzt Strg+Y und deutet Strg+V als Blättern; unter Dvorak oder bepo liegt der physische Keycode für v nicht auf v; unter thailändischen, russischen oder arabischen Layouts erzeugt gar keine Taste ein v-Keysym, das Werkzeug schaltet Ihre Eingabequelle deshalb kurz auf ein lateinisches Layout um und wieder zurück. Und speziell unter GNOME erfordert das Ablegen von Text in der Zwischenablage, weil Mutter keines der beiden Data-Control-Protokolle umsetzt, das Öffnen einer Oberfläche und das Einfangen des Tastaturfokus, was heißt, dass es der App, in die Sie diktieren, kurz den Fokus stiehlt.

Das Desktop-Portal mit libei, also der Weg, den das Wayland-Projekt tatsächlich vorsieht. Ihre App fragt den Desktop einmal per Dialog um Erlaubnis und schickt Eingaben danach über einen zugelassenen Kanal, auf dem der Compositor weiß, wer sendet. Das ist die richtige Antwort, und sie ist nicht fertig. Bis libei 1.6.0, veröffentlicht am 15. Mai 2026, trug die Schnittstelle Keycodes und ein Keymap, ein Diktierwerkzeug konnte also weiterhin kein Zeichen tippen, das in Ihrem aktiven Layout fehlt. Diese Version brachte eine Schnittstelle, die UTF-8-Text direkt sendet, und beseitigt das Problem vollständig. Bei Ihnen angekommen ist sie noch nicht: KDE hat sie nur im master-Zweig und liefert sie mit Plasma 6.8 im Oktober 2026 aus, und der Merge Request bei GNOME ist seit dem 24. März 2026 offen und derzeit in Konflikt.

Was wo funktioniert

Am 27. August 2026 gegen Protokollübersichten und die Quellbäume der Compositors geprüft.

COSMIC verdient eine eigene Zeile, denn es ist der am besten dokumentierte Fehlschlag der Kategorie. Dort bricht wtype nicht mit einem Fehler ab. Es tippt das Falsche. Der Bericht vom Februar 2026 beschreibt, wie er „hello world" sagte und 84 101 108 108 111 zurückbekam, also die Keycodes selbst als Ziffern dargestellt. Und über COSMICs eigene Spawn-Aktion gestartet, scheitert wtype ganz ohne Meldung.

Noch eine Falle, die einen Namen verdient: XWayland rettet Sie nicht. Modernes Xwayland kann XTEST-Aufrufe durch das Portal leiten, xdotool key ctrl+v funktioniert also weiterhin innerhalb einer X-Anwendung. Aber es reicht den rohen Keycode weiter und überlässt die Deutung dem Compositor, was xdotools Trick, das Keymap umzuschreiben, um beliebige Unicode-Zeichen zu erreichen, stillschweigend aushebelt. xdotool type erzeugt mit allem, was außerhalb Ihres aktiven Layouts liegt, nichts. Und wtype, auf ein XWayland-Fenster gerichtet, hat seinen eigenen alten Fehler, der seit 2022 wiederholt gegen Chromium- und Electron-Apps gemeldet wird.

Wer das größte Recht hat, sich darüber zu ärgern, ist Jordan Sissel, der xdotool pflegt. Als er im November 2025 den Stand der Dinge testete, sah er GNOME 48 alle paar Minuten „Allow remote interaction" einblenden, ohne eine Möglichkeit, es dauerhaft zu erlauben, und schrieb: „I want to make this work but am at a loss for how to proceed with all the fragmentation. I don't mind what the protocol is, but I sure would love to have any protocol that does what I need. Is it worth it to continue?" (Ich will, dass das funktioniert, aber bei all der Zersplitterung weiß ich nicht, wie ich weitermachen soll. Mir ist egal, welches Protokoll es ist, aber ich hätte sehr gern irgendeines, das tut, was ich brauche. Lohnt es sich weiterzumachen?)

Wie Sie in etwa einer Minute herausfinden, was kaputt ist

Wenn das Diktat scheinbar nichts tut, finden Sie heraus, welche Hälfte defekt ist, bevor Sie das Werkzeug wechseln.

1. echo $XDG_SESSION_TYPE sagt Ihnen x11 oder wayland. Die Hälfte aller Ratschläge im Internet setzt jeweils das andere voraus.
2. ydotool type "hello" mit dem Cursor in einem Textfeld. Erscheint „hello", funktioniert das Einfügen, und Ihr Problem ist das Audio oder das Modell. Erscheint nichts, ist das Einfügen Ihr Problem.
3. groups | grep input sagt Ihnen, ob Sie den Kernel-Weg überhaupt benutzen dürfen.
4. pactl list sources short zeigt, ob Ihr Mikrofon wirklich die Quelle ist, von der das Werkzeug aufnimmt.

Diese Abfolge ist mehr wert als jede Vergleichstabelle, unsere eingeschlossen.

Und kennen Sie die Form des lautlosen Fehlschlags, denn er steht 2026 überall in den Fehlerdatenbanken. Vocalinux-Ticket #523 vom 15. Juli 2026 trägt den Titel: Die App „reported 'Text injection completed successfully' while the text never reached the app" (meldete, die Texteinfügung sei erfolgreich abgeschlossen, während der Text die App nie erreichte). Ticket #485 vom 30. Juni 2026 berichtet von einem Einfügen, das „silently does nothing on COSMIC / wlroots compositors when IBus is active" (unter COSMIC- und wlroots-Compositors lautlos nichts tut, wenn IBus aktiv ist). Spokenlys Tracker eröffnet mit derselben Fehlerklasse unter COSMIC, eingereicht am 8. August 2026. Ein grüner Haken im Diktierfenster ist kein Beleg dafür, dass irgendetwas getippt wurde.

Whisper ist nicht mehr die Antwort, und das ändert, was Sie installieren

Jeder Artikel dieser Kategorie setzt Whisper voraus. Diese Annahme ist im Lauf des Jahres 2025 abgelaufen.

Die Open ASR Leaderboard auf Hugging Face ist öffentlich, nachvollziehbar und wird laufend aktualisiert. Wir haben sie am 27. August 2026 gelesen, als sie 67 Einträge enthielt. So stehen die Modelle da, die diese Werkzeuge tatsächlich ausliefern, gemessen als Wortfehlerrate, weniger ist besser, daneben RTFx, also wie viele Sekunden Audio das Modell pro Sekunde Rechenzeit verarbeitet:

Parakeet ist einen ganzen Punkt Wortfehlerrate besser als das größte Whisper-Modell und rund eine Größenordnung schneller, was auf einer Notebook-CPU der Unterschied zwischen Text ist, der erscheint, während Sie zu Ende sprechen, und Text, der nach einer unangenehmen Pause kommt. Handy liefert inzwischen 69 Modelle aus 14 Familien aus, darunter Parakeet, Canary, Moonshine, Nemotron, Granite und Qwen3-ASR, und Whisper ist eine Option unter vielen statt der Sinn der App. Für deutschsprachige Leser gehört hier ein Vorbehalt dazu, den die englischen Artikel nicht brauchen: Die Hauptwertung dieser Bestenliste läuft über englische Datensätze, und das Modell in der ersten Zeile, Parakeet TDT 0.6B v2, ist laut NVIDIA ein reines Englisch-Modell. Für Deutsch brauchen Sie die Nachfolgeversion v3, die 25 europäische Sprachen abdeckt, Deutsch eingeschlossen. Die Ränge oben sagen also etwas über die Bauweise der Modelle, aber nichts darüber, wie gut Ihr Deutsch erkannt wird.

Zwei Schlussfolgerungen zum Handeln. Erstens: Wenn ein Werkzeug Parakeet V3 anbietet, probieren Sie es vor Whisper. Zweitens: Alles, was auf Vosk aufbaut, ist eine Generation zurück, und das gilt auch für das Werkzeug, das die meisten dieser Artikel auf Platz zwei setzen.

Ein Vorbehalt, der die Zahlen ehrlich hält: Dasselbe Modell verhält sich in zwei verschiedenen Anwendungen nicht gleich, denn die umgebende Maschinerie und die Nachbearbeitung unterscheiden sich. Ein Nutzer, der im Juni 2026 zwei Apps mit identischem Parakeet V3 verglich, formulierte es genau: „This was with the same underlying Parakeet model, I think the differences are in the surrounding engine and post processing etc." (Das war mit demselben Parakeet-Modell darunter, ich vermute, die Unterschiede liegen in der umgebenden Maschinerie und der Nachbearbeitung.) Behandeln Sie einen Platz in der Bestenliste als Untergrenze, nicht als Zusage.

Auf einen Blick

Die Werkzeuge

Handy

Am besten für: die meisten Leute, die meiste Zeit.

Preis: kostenlos, MIT-lizenziert, 30.459 Sterne, letztes Release v0.9.6 am 24. August 2026.

Handy ist eine kleine Desktop-App, die aufnimmt, solange Sie eine Taste halten, und den fertigen Text an der Cursorposition ablegt. Sein Modellkatalog ist auf 69 Modelle aus 14 Familien gewachsen, alle lokal: Parakeet, Canary, Moonshine, Nemotron, Granite, Qwen3-ASR und Whisper darunter. Parakeet V3 sollten Sie zuerst probieren, in der eigenen Dokumentation beschrieben als CPU-optimiert mit automatischer Spracherkennung, und im Gegensatz zu V2 deckt es Deutsch mit ab. Im aktuellen Release liegen AppImages für x86_64 und ARM, ein .deb und zwei .rpm, die Installation ist auf den meisten Systemen also ein Doppelklick. Nichts verlässt Ihren Rechner. Es ist mit weitem Abstand das meistgenutzte Werkzeug seiner Art, und dafür gibt es einen Grund.

Jetzt der Teil, den die Marketingseite auslässt und die Dokumentation offen sagt. Handy hat „limited support for Wayland display server" (eingeschränkte Unterstützung für den Wayland-Displayserver). Das Hilfsprogramm zum Einfügen installieren Sie selbst: xdotool unter X11, wtype oder dotool unter Wayland, und ausdrücklich ydotool unter Ubuntu 26.04, das standardmäßig Wayland benutzt. Globale Tastenkürzel „must be configured through your desktop environment" (müssen über Ihre Desktop-Umgebung eingerichtet werden) statt in der App. Die Aufnahme-Einblendung ist ab Werk abgeschaltet, weil „certain compositors treat it as the active window" (bestimmte Compositors sie als aktives Fenster behandeln). Und die Dokumentation räumt ein, dass Whisper-Modelle „crash on certain system configurations" (auf bestimmten Systemkonfigurationen abstürzen).

Nichts davon ist ein Ausschlusskriterium. Es ist eine Einrichtung von zwanzig Minuten statt von zwei. Aber wenn Sie GNOME oder KDE mit Wayland benutzen, beachten Sie, dass das empfohlene Hilfsprogramm wtype genau das ist, was Ihr Compositor verweigert. Lesen Sie also den vorigen Abschnitt, bevor Sie anfangen.

Vocalinux

Am besten für: GNOME oder KDE unter Wayland, also den Fall, den die meisten Werkzeuge am schlechtesten behandeln.

Preis: kostenlos, AGPL-3.0. 783 Sterne, v0.16.0 veröffentlicht am 23. August 2026, dazu täglich Nightly-Builds.

Das ist ein Linux-zuerst-Projekt und keine plattformübergreifende App mit einer Linux-Portierung, und man merkt es an den Entscheidungen. Statt eine Tastatur vorzutäuschen, meldet es sich unter GNOME und KDE als IBus-Eingabemethode an, nutzt wtype dort, wo wtype tatsächlich funktioniert, weicht bei XWayland-Fenstern auf xdotool aus und hat einen Weg über die Zwischenablage für Compositors, die sonst nichts anbieten. Das ist der richtige Satz Antworten auf die Matrix oben, und kein anderes Werkzeug in dieser Liste hat alle vier.

Es lässt standardmäßig whisper.cpp mit Vulkan-Beschleunigung laufen, GPUs von AMD, Intel und NVIDIA kommen also alle infrage, und es weicht auf VOSK oder PyTorch-Whisper aus. Installiert wird über ein interaktives Skript, ein AUR-Paket, einen Flatpak-Build oder pip install vocalinux. Es will Python 3.11 oder neuer und Ubuntu 24.04 oder Vergleichbares.

Das ehrliche Gegengewicht: Das ist ein junges Projekt mit einem kleinen Team, und sein eigener Tracker zeigt die Kanten. Ticket #738, seit dem 25. August 2026 offen, beschreibt, wie sich das Tastaturlayout mitten im Diktat zwischen GNOME, IBus und XWayland entkoppelt. Ticket #664 vom 10. August berichtet, dass das Diktat ein brasilianisches ABNT2-Layout still auf US umstellt, und dieselbe Fehlerklasse trifft jedes deutsche Layout mit Umlauten. Die Tickets #485 und #523 sind die oben zitierten lautlosen Fehlschläge beim Einfügen. Die Kompatibilitätstabelle der Website markiert jeden größeren Compositor mit „Full support", was zuversichtlicher ist, als der Tracker rechtfertigt. Unter GNOME mit Wayland würden wir trotzdem hier anfangen, denn die Alternative ist, dieselbe Arbeit von Hand zu machen.

Voicy

Am besten für: Leute, die ein Diktat wollen und kein Projekt.

Preis: 30 Minuten Aufnahme gratis, ohne Karte. Pro kostet 8,49 $ im Monat, bei Jahreszahlung 20 % weniger, und eine lebenslange Lizenz kostet 260 $. Teams zahlen ab drei Plätzen 6,79 $ je Platz. Studierende und Menschen mit Behinderung bekommen 20 % Nachlass. Auf der Preisseite geprüft am 27. August 2026.

So fühlt sich der Kauf tatsächlich an. Sie installieren ein Paket, wie Sie jedes Paket installieren, wählen bei der Einrichtung ein Tastenkürzel, und dann sprechen Sie in das Fenster, in dem Sie gerade sind, und fertiger Text erscheint samt Satzzeichen. Firefox, VS Code, ein Terminal, ein Slack-Feld, die Suchleiste. Kein Modell zum Herunterladen, keine GPU-Überlegungen, kein Hilfsdienst einzurichten. Wer schon einen Abend mit ydotool-Berechtigungen verbracht hat, weiß genau, was das wert ist.

Wir wollten wissen, ob der Linux-Build echt ist oder ein Häkchen auf einer Liste, also haben wir nachgesehen, und das ist der Teil, den sonst niemand in dieser Kategorie macht. Alle drei Downloads antworten mit HTTP 200 und sind stattlich: Das .deb ist 134 MB groß, das .rpm 119 MB, das AppImage 174 MB. Alle drei tragen ein Last-Modified-Datum vom 26. August 2026, dem Tag vor unserer Prüfung. In der control-Datei des .deb steht Version: 2.4.5, Architecture: amd64 und eine installierte Größe von rund 465 MB. Die Abhängigkeitszeile ist der interessante Teil: libxtst6, libnotify4, libasound2, libappindicator3-1, wl-clipboard, gjs. libxtst6 ist XTEST, der X11-Weg zum Einfügen. wl-clipboard ist der Wayland-Weg. Und das Post-Install-Skript sagt den Rest in einem Kommentar laut: Es gewährt „the active user write access to /dev/uinput so Voicy's Wayland paste injector can open it" (dem aktiven Nutzer Schreibzugriff auf /dev/uinput, damit Voicys Wayland-Einfüger es öffnen kann), lädt das uinput-Modul, schreibt eine udev-Regel mit dem Tag uaccess und legt die Gruppe input an, falls es sie nicht gibt. AppImage-Nutzer bekommen dasselbe zur Laufzeit über eine pkexec-Abfrage. Es fügt außerdem sein eigenes apt-Repository hinzu, damit es sich mit dem Rest Ihres Systems aktualisiert.

Ein Detail in diesem Skript verdient Anerkennung, denn es ist besser als das, wozu die meisten Anleitungen raten. Die udev-Regel trägt das Tag uaccess, das die Zugriffsliste demjenigen übergibt, der am Platz angemeldet ist, mit der Gruppe als Rückfallebene für Systeme, die das nicht unterstützen. Es steckt Sie also nicht dauerhaft in die Gruppe input, und Sie können nicht nebenbei jeden Tastenanschlag jeder Tastatur mitlesen. Es gewährt die Fähigkeit, synthetische Eingaben zu schreiben, und hört dort auf. Das ist die engere und korrektere Fassung dieses Tauschs.

Also: Es ist eine Electron-App, die Wayland auf dieselbe Weise löst wie ydotool, und ihr gesamter Wert unter Linux besteht darin, dass sie die privilegierte Einrichtung für Sie erledigt, statt Ihnen eine Wiki-Seite zu hinterlassen. Dafür Geld zu verlangen, ist fair. Zauberei ist es nicht, und wer Ihnen erzählt, es sei eine andere Technologieklasse, verkauft Ihnen etwas.

Zwei Grenzen klar benannt. Es gibt keinen Offline-Modus, und das Paket beweist es. Voicys eigene Vergleichstabelle sagt „Works offline: No", und im Download steckt kein einziges Artefakt für lokale Inferenz: keine ggml-Gewichte, kein ONNX, kein whisper.cpp, nichts. Drin sind fest eingebaute WebSocket-Endpunkte, wss://us.usevoicy.com und wss://eu.usevoicy.com. Das Sicherheitsdokument beschreibt den Weg: Audio geht von Ihrem Rechner an Voicys Server auf Heroku in den USA, wird „immediately forwarded to Groq.com, which hosts the open-source Whisper V3 transcription model" (sofort an Groq.com weitergeleitet, wo das quelloffene Transkriptionsmodell Whisper V3 läuft), und keine der beiden Seiten speichert es. Nehmen Sie diesen Modellnamen als Aussage des Anbieters und nicht als etwas, das wir von außen prüfen konnten, aber wenn sie stimmt, zahlen Sie für die Installationsarbeit und das Tempo, nicht für ein besseres Modell als das, was die kostenlosen Werkzeuge lokal laufen lassen. Nichtspeicherung ist eine echte und bedeutsame Zusage. Sie ist trotzdem nicht dasselbe, als würde Ihre Stimme den Raum nie verlassen. Für deutschsprachige Nutzer kommt hinzu, dass es zwar einen EU-Endpunkt gibt, zwei Voicy-Dokumente sich über den Verarbeitungsort aber widersprechen: Wenn Verarbeitung in der EU für Sie Bedingung ist, klären Sie das vor dem Kauf.

Zweitens: Wir haben es nicht auf einem laufenden Desktop getestet. Wir haben das Paket gelesen, nicht die Erfahrung. Insbesondere können wir Ihnen nicht sagen, wie sich der Weg über die Zwischenablage in einem Terminal verhält, wo Strg+V nicht Einfügen bedeutet.

Die Angabe von über 99 % Genauigkeit auf den Marketingseiten ist die Zahl des Anbieters, von niemandem überprüft, uns eingeschlossen.

Voicy ansehen

Speech Note

Am besten für: Aufnahmen in Text verwandeln, und für Sprachen, die sonst niemand unterstützt.

Preis: kostenlos, MPL-2.0. 1.610 Sterne, Code am Tag unserer Prüfung aktualisiert. Aktuelles Desktop-Release ist 4.8.4 vom 15. April 2026: Version 4.9.0 existiert, erschien aber nur für Sailfish OS, der Desktop-Build wurde für später zugesagt.

Speech Note ist in erster Linie eine Notiz-Anwendung und erst in zweiter ein Diktierwerkzeug, und schon für die erste Aufgabe lohnt es sich. Es trägt 146 Spracherkennungsmodelle für 42 Sprachen, verteilt auf fünf Maschinen: Vosk, Whisper, Faster Whisper, April-ASR und das alte Coqui STT. Deutsch ist in mehreren dieser Familien vertreten, das ist hier also kein Randfall. Es macht außerdem Sprachausgabe und maschinelle Übersetzung offline. Alles läuft lokal: „no data is sent to the Internet." (Es werden keine Daten ins Internet gesendet.) Installieren Sie es über Flathub, oder über AUR, openSUSE Packman oder OpenRepos, wenn Sie Sailfish nutzen. Planen Sie Plattenplatz ein: Das vollständige Flatpak lädt rund 1 GiB und belegt installiert 3,6 GiB, die Tiny-Variante allerdings nur 48 MiB.

Es hat einen Modus „In aktives Fenster einfügen", kann also als systemweites Diktat dienen, und die Dokumentation ist deutlich, was das unter Wayland kostet: „the external ydotool daemon must be installed and running for it to work. If you are using Flatpak, also make sure that the application has permission to access the ydotool daemon's socket file." (Der externe ydotool-Dienst muss installiert sein und laufen. Bei Flatpak muss die Anwendung zusätzlich die Erlaubnis haben, auf die Socket-Datei des Dienstes zuzugreifen.)

Die ehrliche Einschränkung ist die Modellgeneration. Diese Bibliothek ist die Aufstellung von vor 2025: kein Parakeet, kein Canary, kein Nemotron. An Sprachvielfalt kommt hier nichts heran. An reiner Genauigkeit schlägt ein Werkzeug mit Parakeet es, jedenfalls im Englischen, wo die veröffentlichten Messungen herkommen.

Wohin es passt: Wenn Ihre Aufgabe ein Ordner voller Interviewaufnahmen ist oder eine Sprache, an die die Whisper-Hüllen nicht gedacht haben, ist das das stärkste kostenlose Angebot unter Linux, und zwar mit Abstand. Wenn Ihre Aufgabe darin besteht, den ganzen Tag in Slack zu tippen, wird sich eine der Push-to-Talk-Apps besser anfühlen.

Voxtype

Am besten für: Sway, Hyprland, niri, river und Leute, die eine Konfigurationsdatei mögen.

Preis: kostenlos, MIT. 1.270 Sterne, letzter Push am 25. August 2026.

Voxtype ist Push-to-Talk, gebaut von jemandem, der offensichtlich selbst einen Tiling-Compositor benutzt. Es lässt standardmäßig whisper.cpp laufen und kann über ONNX Parakeet, Moonshine, SenseVoice, Paraformer und andere einwechseln, alles lokal, und es beansprucht das 9- bis 11-Fache der Echtzeit auf einer CPU. Es wird über AUR, .deb, .rpm, AppImage, Homebrew und cargo verteilt. Es braucht glibc 2.38 oder neuer und Ihren Benutzer in der Gruppe input.

Was es einer eigenen Nennung wert macht, ist seine Ehrlichkeit gegenüber der Matrix. Es versucht zuerst wtype, wechselt zu dotool, wenn Ihr Tastaturlayout nicht US ist, und fällt für X11 und TTYs auf ydotool zurück. Die eigene Dokumentation sagt, dass wtype unter KDE und GNOME nicht unterstützt wird und man dotool oder ydotool braucht. Dieser eine Satz ist nützlicher als die gesamte Wayland-Abdeckung jeder derzeit rankenden Liste. Für deutsche Tastaturen ist der Layout-Hinweis der praktisch wichtigste des ganzen Artikels: dotool ist hier die Voreinstellung, nicht die Ausnahme.

Speed of Sound

Am besten für: Leute, die den offiziell abgesegneten Weg wollen statt eines schlauen Tricks.

Preis: kostenlos, MIT. 197 Sterne, letzter Push am 13. Juli 2026.

Als Einziges in dieser Liste tippt Speed of Sound über XDG-Desktop-Portale, also über den Mechanismus, den das Wayland-Projekt für Anwendungen tatsächlich vorsieht. Keine Gruppe input, keine udev-Regel, kein Lotteriespiel um das Virtual-Keyboard-Protokoll. Die Transkription läuft lokal über Sherpa ONNX mit Whisper, Parakeet oder Canary, und es gibt eine optionale Textpolitur durch ein Sprachmodell, das Sie auf Ihr eigenes Ollama oder llama.cpp richten können, wenn es im Haus bleiben soll. Flathub, Snap, AppImage, .deb und .rpm.

Warum es nicht unsere erste Wahl ist: der Schwung. Es ist ein jüngeres, kleineres Projekt mit 61 offenen Tickets und einem ruhigeren Release-Rhythmus als Handy oder Vocalinux, und die Portal-Abdeckung schwankt weiterhin je nach Desktop. Architektonisch ist es aber der Ort, an dem diese Kategorie landen sollte, und wenn Ihnen der Portal-Weg wichtig ist, installieren Sie dieses zuerst.

Spracheingabe in Google Docs unter Chrome

Am besten für: ein Dokument, auf einem Rechner, auf dem Sie nichts installieren dürfen.

Preis: kostenlos.

Öffnen Sie ein Google-Dokument in Chrome, drücken Sie Strg+Umschalt+S, sprechen Sie. Googles eigene Hilfeseite nennt als Voraussetzung „the latest versions of: Chrome, Edge, Safari" (die neuesten Versionen von Chrome, Edge, Safari) und deckt rund 80 Sprachen und Varianten ab, Deutsch darunter; in Präsentationen funktioniert es für Sprechernotizen und Untertitel. Beachten Sie, dass Linux auf dieser Seite weder genannt noch ausgeschlossen wird, betrachten Sie es also als nicht unterstützt, aber funktionierend.

Die Einschränkung ist vollständig und offensichtlich: Die Wörter landen im Google-Dokument und nirgendwo sonst. Für einen Aufsatz, ein abgeriegeltes Arbeitsnotebook oder einen Bibliotheksrechner ist das ein fairer Tausch, und er kostet nichts. Für den täglichen Gebrauch werden Sie ungefähr ab Donnerstag genug vom Kopieren und Einfügen haben. Es schickt außerdem Ihre Stimme an Google, was für einen Teil der Leser dieses Artikels die Sache schon für sich erledigt.

Talon

Am besten für: einen ganzen Rechner ohne Hände bedienen, sofern Sie bei X11 bleiben können.

Preis: kostenlos zum Herunterladen. Eine bezahlte Patreon-Stufe schaltet Beta-Builds und bevorzugten Support frei.

Talon ist keine Diktier-App, es ist ein System zur freihändigen Eingabe: Sprachbefehle, Geräuschsteuerung, bei der ein Laut zum Klick wird, Eye-Tracking und Python-Skripte für alles, was Sie definieren wollen. Seine Spracherkennung, Conformer D, läuft auf Ihrem Rechner. Für Menschen, die per Stimme programmieren, weil Tippen schmerzt, ist es seit Jahren die Antwort, und nichts sonst in dieser Liste versucht, was es tut.

Lesen Sie den Status genau, bevor Sie die Wochen investieren, die das Erlernen kostet.

Die Downloadseite bietet „Linux (X11)". Die Dokumentation zur Version 0.4.0 sagt: „Wayland compositors lack the APIs necessary for Talon and Wayland support is not planned." (Wayland-Compositors fehlen die für Talon nötigen Schnittstellen, und Wayland-Unterstützung ist nicht geplant.) Am 31. Mai 2026 berichtete OSnews, sämtliche Linux-Unterstützung werde aus der öffentlichen Fassung entfernt, und zitierte KDE-Entwickler, die der Begründung widersprechen: „Wayland implements all the APIs needed for Talon to work, but Talon's developers are simply not interested in using them." (Wayland stellt alle Schnittstellen bereit, die Talon braucht, aber Talons Entwickler haben schlicht kein Interesse daran, sie zu nutzen.)

Dazu kommt eine Tatsache, die den Rest einordnet. Wir haben die Header aller drei öffentlichen Downloads geprüft, Linux, macOS und Windows. Jeder trägt Last-Modified: 24. Juli 2023. Der öffentliche stabile Build ist auf jeder Plattform drei Jahre alt, nicht nur auf dieser. Die aktive Entwicklung lebt im bezahlten Beta-Kanal. Das ist eine legitime Art, ein Projekt zu führen, und man sollte es wissen, bevor man einen Arbeitsablauf auf dem kostenlosen Build aufbaut.

Und hier wird es wirklich schlimm statt nur unbequem. Talons Installationsanleitung sagt: „Talon, like many tools for automation or accessibility, does not support Wayland. You will have to select an X11 session from your login manager." (Talon unterstützt, wie viele Werkzeuge für Automatisierung oder Barrierefreiheit, kein Wayland. Sie müssen in Ihrem Anmeldemanager eine X11-Sitzung wählen.) Seit GNOME 50 im März 2026 gibt es in Ihrem Anmeldemanager keine X11-Sitzung mehr zum Auswählen. Für einen GNOME-Nutzer, der seinen Rechner per Stimme führt, weil er keine Tastatur benutzen kann, existiert der dokumentierte Behelf auf seinem Rechner nicht mehr. Nichts sonst in dieser Kategorie versucht, was Talon tut, und deshalb gehört das unverblümt gesagt, statt es in eine Vor- und Nachteile-Liste zu falten.

Wenn Sie Sprachsteuerung statt Diktat brauchen und schon unter Wayland sind, schauen Sie sich numen an, freie Software für dieselbe Aufgabe, die über /dev/uinput tippt und deshalb unter X11, unter Wayland und in einer TTY gleichermaßen funktioniert. Es ist kleiner als Talon. Es ist auch etwas, das läuft.

nerd-dictation

Am besten für: nichts, im Jahr 2026, und es steht trotzdem in jedem Artikel.

Preis: kostenlos, GPL-3.0. 1.913 Sterne.

Das ist das Werkzeug, das das ganze Genre empfiehlt, und einmal hat es das verdient. Es ist eine einzelne Python-Datei mit fast keinen Abhängigkeiten, die VOSK in xdotool leitet, und es war das Erste, das Diktieren unter Linux möglich erscheinen ließ. Sein Autor war ehrlich über den Handel, einschließlich der Zeile in der README, die die meisten Beschwerden erklärt: „Text from VOSK is all lower-case." (Der Text aus VOSK ist durchgehend kleingeschrieben.) Für Deutsch mit seiner Großschreibung aller Substantive ist das ein deutlich größeres Ärgernis als für Englisch.

Zwei Dinge haben sich darunter verändert. Der letzte Commit war am 10. Oktober 2025, also vor rund zehn Monaten, bei 83 offenen Tickets, von denen mehrere zu Wayland und Tastaturlayouts seit 2021 offen sind. Und VOSK ist nicht mehr wettbewerbsfähig. Es taucht auf der Open ASR Leaderboard überhaupt nicht auf, sein letztes Release war v0.3.50 im April 2024, und seine Genauigkeit fällt außerhalb sauberer Aufnahmen auseinander: Das kleine Englisch-Modell liegt bei rund 9,85 % Wortfehlerrate auf sauber vorgelesener Sprache, und das große trifft 29,78 % auf Callcenter-Aufnahmen. Ein Entwickler, der im Januar 2026 unter Arch mit Wayland arbeitete, beschrieb die praktische Folge, nämlich dass Vosk „sporadic hallucinations: during silence, Vosk would randomly output 'the' or 'there'" produzierte (sporadische Halluzinationen: In der Stille warf Vosk zufällig „the" oder „there" aus), dazu Satzzeichen, die als ausgeschriebene Wörter ankamen, und kam zu dem Schluss, man solle „skip Vosk entirely" (Vosk komplett überspringen).

Noch etwas, das Sie wissen sollten, wenn Sie etwas darauf aufbauend veröffentlichen: Vosks Modelle sind nicht einheitlich freizügig lizenziert. vosk-model-small-fr-pguyot-0.3 steht unter CC BY-NC-SA, was kommerzielle Nutzung verbietet, und vosk-model-fr-0.6-linto unter AGPL. Prüfen Sie die Lizenz des konkreten Modells, nicht die des Werkzeugkastens.

Wenn Sie es schon nutzen und zufrieden sind, zwingt Sie hier nichts zum Wechsel, und Elograf gibt ihm eine gepflegte grafische Oberfläche. Wenn Sie heute damit anfangen, weil eine Liste es Ihnen gesagt hat, fangen Sie woanders an.

Wohin Ihre Stimme geht

Für ein Linux-Publikum ist das keine Fußnote, hier steht es also klar.

Audio verlässt Ihren Rechner nie: Handy, Vocalinux, Speech Note, Voxtype, Speed of Sound (außer Sie schalten die Politur per Sprachmodell ein), Talon, nerd-dictation.

Audio geht an einen Server: Voicy, Spracheingabe in Google Docs, NovaVoice.

Lesen Sie diese Spalte zweimal. Jedes Werkzeug in der Liste oben, das Ihre Stimme zu Hause behält, ist kostenlos, und jedes davon ist quelloffen. Unter Windows oder macOS ist das nicht so, und es ist das mit Abstand stärkste Argument, das diese Plattform in dieser Kategorie hat. Wenn lokale Verarbeitung überhaupt der Grund ist, warum Sie Linux benutzen, müssen Sie weder Abstriche machen noch zahlen.

Es gibt eine zweite, linuxspezifische Datenschutzfrage, die niemand richtig stellt. Einer Diktier-App den Zugriff auf /dev/uinput zu geben, den die meisten Wayland-fähigen Werkzeuge hier brauchen, erkauft mehr als die Fähigkeit, Eingaben zu erzeugen. Weil systemds Standardregeln Eingabegeräte so gruppieren, erlaubt der Beitritt zur Gruppe input auch allem, was unter Ihrem Namen läuft, jeden Tastenanschlag jeder physischen Tastatur des Rechners mitzulesen. Das ist genau die Fähigkeit, die Wayland absichtlich entfernt hat, zurückgegeben durch einen einzeiligen Installationsschritt. Die Werkzeuge verlangen sie, weil es noch keine bessere allgemeine Option gibt, und der Portal-Weg ist der Ausweg, weshalb wir Speed of Sounds Ansatz hoch bewerten, obwohl die App kleiner ist. Richtet ein Werkzeug das mit einem uaccess-udev-Tag ein, statt Sie in die Gruppe zu stecken, wie es Voicys Paket tut, verlangt es die engere Fassung der Berechtigung, und das ist vorzuziehen.

Und weil wir gerade fair sind: KDE Plasma hat ein eigenes Loch, das niemand geschlossen hat. KWin stellt jedem Wayland-Client bedingungslos ein altes Fake-Input-Protokoll bereit, und seine Autorisierungsfunktion ist ein Platzhalter mit einem Kommentar // TODO: make secure über einer Zeile, die die Anfrage genehmigt. Unter Plasma mit Wayland kann jede Anwendung, die Sie starten, ohne Nachfrage Tastenanschläge einschleusen. Das ist kein Argument gegen KDE, es ist ein Argument dafür, Quellcode statt Sicherheitsseiten zu lesen, und es ist derselbe Grund, aus dem wir das Voicy-Paket geöffnet haben, statt seinem Marketing zu glauben.

Und eine Warnung, die für jedes Whisper-basierte Werkzeug auf dieser Seite gilt: Whisper halluziniert bei Stille. Es erzeugt gelegentlich „Thank you" oder eine versprengte Phrase, wenn Sie gar nichts gesagt haben, ein Verhalten, das in Vocalinux-Ticket #331 vom 18. März 2026 festgehalten und breit beklagt wird. Im deutschen Betrieb sind es meist die Untertitelfloskeln aus den Trainingsdaten, etwa ein „Vielen Dank." oder ein Hinweis auf die Untertitelung. Das ist eine Eigenschaft des Modells, kein Fehler der App, die Sie gewählt haben.

Was wir geprüft haben und was nicht

Wir haben keinen Genauigkeits-Benchmark laufen lassen, und wir werden auch nichts anderes andeuten.

Und hier ist die Sache mit diesem Feld: sonst hat es auch niemand. Wir haben jeden Artikel gelesen, der für diese Suchbegriffe rankt, und in keinem steht eine einzige gemessene Zahl. Keine Wortfehlerrate, keine Latenz, kein Speicherwert, keine Zeitmessung, und fast keine Screenshots. Die Vergleichstabellen tragen alle eine Spalte „Genauigkeit", und jede Zelle in jeder von ihnen ist ein Adjektiv. Das ist doppelt hohl, denn zwei Apps mit demselben Parakeet-V3-Modell liefern je nach Maschinerie und Nachbearbeitung sichtbar unterschiedliche Ergebnisse.

Statt Zahlen zu erfinden, haben wir die geholt, die bereits existieren und nachvollziehbar sind, aus der öffentlichen Open ASR Leaderboard, und alles andere Prüfbare an der Quelle verifiziert. Am 27. August 2026 haben wir:

• die Open ASR Leaderboard auf Hugging Face gelesen, damals 67 Einträge, und Rang, Wortfehlerrate und Durchsatz für die Modelle gezogen, die diese Werkzeuge tatsächlich ausliefern.
• die ersten 400 KB des Voicy-.deb heruntergeladen, control.tar.xz entpackt und Version, Architektur, Abhängigkeitsliste und Post-Install-Skript gelesen. Daher stammen die Funde zu libxtst6, wl-clipboard und /dev/uinput, und Sie können das mit curl -r und ar x in zwei Minuten wiederholen.
• HTTP-HEAD-Anfragen an alle drei Voicy-Linux-Download-URLs geschickt und Status, Größe und Last-Modified-Header jeder Datei notiert, dann dasselbe für Talons drei Plattform-Downloads, und daher wissen wir, dass der öffentliche Build überall vom Juli 2023 stammt.
• das Voicy-Paket nach Artefakten für lokale Inferenz durchsucht und keine gefunden, und nach Netzwerk-Endpunkten und zwei gefunden.
• die GitHub-API für jeden quelloffenen Kandidaten abgefragt: Sterne, Lizenz, Anlagedatum, letzter Push, Anzahl offener Tickets, Archivstatus und die Release-Liste mit Daten.
• die Dokumentation der Projekte dazu gelesen, wie jedes Text einfügt, und die Einschränkungen zitiert, die die Betreuer selbst nennen, statt sie zu umschreiben.
• die Anbieterdokumentation zu den Produkten gelesen, nach denen Leute fragen, die sie aber nicht haben können, darunter Wispr Flows Seite zu unterstützten Geräten und WineHQs Anwendungsdatenbank zu Dragon.
• die Ankündigung zu Myna im Ubuntu Community Hub gelesen und das Repository auf Releases geprüft.
• datierte Nutzerberichte gelesen, wo sie verlinkbar waren: GitHub-Ticket-Threads, Hacker-News-Kommentare über die Algolia-API, Unix StackExchange und einen Thread im Linux-Mint-Forum, der von Juni bis Oktober 2025 läuft.

Zwei Dinge weisen wir aus, statt sie zu beschönigen. Wir haben keines dieser Werkzeuge auf einem laufenden Desktop installiert und benutzt, die Compositor-Matrix hier ist also aus Dokumentation, Fehlerdatenbanken und datierten Praxisberichten anderer zusammengesetzt und nicht von unserem eigenen Rechner. Und Reddit ist von unserem Standort aus nicht erreichbar, jede Stimme aus der Community auf dieser Seite stammt deshalb aus einer Quelle, die Sie anklicken können.

Die Konkurrenz

Werkzeuge und Antworten, die wir angesehen und weggelassen haben, und warum.

Wispr Flow ist der von Linux-Nutzern meistgesuchte Name dieser ganzen Kategorie, und die Antwort lautet nein. Die Dokumentation nennt als unterstützte Geräte „Mac, Windows, iOS, Android" und sagt dann: „iPad, Linux, Chromebooks, and virtual machines or remote desktop environments are not supported." (iPad, Linux, Chromebooks sowie virtuelle Maschinen und Remotedesktop-Umgebungen werden nicht unterstützt.) Ein eigener Hilfeartikel wird noch deutlicher: „There is no native Linux application." (Es gibt keine native Linux-Anwendung.) Wenn Sie Linux in WSL oder einer VM auf einem Windows- oder Mac-Host laufen lassen, kann Flow vom Host aus hineinschreiben, und das ist Flows gesamte Linux-Geschichte.

Die inoffizielle Wispr-Flow-Neuverpackung unter wispr-flow-linux existiert, hat rund 100 Sterne und kombiniert die Electron-App mit einem in Rust neu gebauten Hilfsprogramm, das die Texteinfügung nachbildet, die Wispr nur für macOS und Windows ausliefert. Es hat sogar einen Befehl --doctor, der Ihren Sitzungstyp und den Zugriff auf /dev/uinput prüft, was zeigt, wo der schwierige Teil lag. Wir nennen es, weil Sie es finden werden, nicht als Empfehlung: Es verpackt die proprietäre Anwendung eines anderen neu, und das ist eine Entscheidung, die man mit offenen Augen trifft.

Superwhisper, VoiceInk, Aqua Voice und Typeless werden alle mit angehängtem „linux" gesucht, und keines von ihnen hat einen Linux-Build. VoiceInk läuft ausschließlich unter macOS auf Apple Silicon.

Dragon NaturallySpeaking unter Wine ist die älteste Antwort dieser Kategorie, und sie hat nie so funktioniert, wie Leute es sich erhoffen. WineHQs eigene Anwendungsdatenbank, wo sich das entscheidet statt in Diskussionen, bewertet Dragon 13, 15 Home und 15 Professional allesamt als Garbage. Die beste Bewertung, die je eine Version erreicht hat, ist Silver für Version 12.5, als veraltet markiert, zuletzt getestet am 27. Januar 2021. Und selbst dieser Eintrag enthält den Satz, der die Idee beendet: „Dictation works only within the wine environment… Text can be cut and pasted into any application." (Das Diktat funktioniert nur innerhalb der Wine-Umgebung… Der Text lässt sich in jede Anwendung kopieren und einfügen.) Der beste Fall ist also, auf einer über zehn Jahre alten Version in ein Windows-Fenster zu diktieren und den Text herauszukopieren. Der Fairness halber: Seit 2022 hat niemand Dragon auf einem aktuellen Wine getestet, „es scheitert heute" ist also eine Annahme und keine Messung. Der Behelf, den Leute tatsächlich gewählt haben, war eine virtuelle Windows-Maschine, die Text über einen Socket weiterreicht, was ein Entwickler 2023 auf Hacker News beschrieben hat. Wenn Sie von einer Dragon-Suche hierher gekommen sind, nehmen Sie stattdessen den lokalen Weg über Parakeet oder Whisper. Die Genauigkeit im ersten Anlauf wird Sie überraschen, und sie kostet nichts.

Buzz hat 21.162 Sterne und taucht ständig in solchen Listen auf. Es transkribiert Dateien und Mikrofoneingaben in sein eigenes Fenster. Eine Funktion zum Tippen in die fokussierte App gibt es nicht, und niemand hat danach gefragt. Ausgezeichnet in seiner Aufgabe, die aber nicht die Aufgabe dieser Seite ist.

Wspr ist ein Einmalkauf für 14,99 $ mit lokalem whisper.cpp und einem .deb, was ideal klingt, bis Sie die Voraussetzungen lesen: Es tippt über xdotool via XWayland, und die eigene Dokumentation sagt, „pure-Wayland setups are not supported yet" (reine Wayland-Umgebungen werden noch nicht unterstützt). Günstig, ehrlich und ausdrücklich nicht für die Umgebung, die die meisten Leser haben.

Spokenly verdient eine Erwähnung für eine wirklich kostenlose lokale Stufe mit eigenem Schlüssel, Pro für 99,99 $ im Jahr und den bestsortierten Wayland-Abschnitt aller Anbieter-Blogs. Es hat auch ein offenes Ticket vom 8. August 2026, wonach Text unter COSMIC nicht in die Zielanwendung eingefügt wird, weil die Einblendung den Fokus stiehlt. Es verkauft die Lösung eines Problems, das es selbst noch nicht gelöst hat.

NovaVoice ist die andere kommerzielle App mit einem Linux-Client, .deb und AppImage für Ubuntu 20.04+, Debian und Fedora, zu 10 $ im Monat. Nur Cloud, und seine Linux-Seite sagt überhaupt nichts zu X11 oder Wayland, was in dieser Kategorie die ganze Frage ist.

Simon, CMU Sphinx, Julius und IBM ViaVoice tauchen in diesjährigen Übersichten auf. Sie werden aus einer Wikipedia-Seite abgeschrieben, deren Quellen überwiegend von 2012 stammen und in der das Wort Wayland nirgends vorkommt. ViaVoice hat den Markt 2002 verlassen. DeepSpeech wurde nach v0.9.3 im Dezember 2020 archiviert. Coqui STT hat seinen eigenen Nachruf in die README geschrieben, „this project is no longer actively maintained… we've seen focus shift towards newer STT models such as Whisper" (dieses Projekt wird nicht mehr aktiv gepflegt… der Fokus hat sich zu neueren Modellen wie Whisper verschoben), und die Firma dahinter machte am 3. Januar 2024 zu. Kaldi ist die Ausnahme dieser Liste: Es bekommt weiterhin Commits, ist aber ein Forschungsbaukasten zum Bauen von Erkennern und nichts, was man installiert, um eine E-Mail zu diktieren. Keines von ihnen steht auf der ASR-Bestenliste. Überspringen Sie jeden Artikel, der sie als Diktier-Apps empfiehlt, was leider bedeutet, dass Sie mehrere der Artikel überspringen, die über dieser Seite stehen.

Whispering hat unser Mitgefühl und einen Vorbehalt. Gutes Werkzeug, echte Fans, und der bestplatzierte Artikel dieser Kategorie hat sich selbst damit diktiert. Sein Upstream-Repository sagt derzeit, dass es nicht kompiliert. Die Binärdateien vom 27. Dezember 2025 installieren sich weiterhin problemlos, falls Sie es wollen.

Myna steht nicht als Empfehlung hier, weil Sie es nicht installieren können. Kommen Sie zu Ubuntu 26.10 wieder.

Die Schar der Hüllen ist inzwischen eine Industrie. OpenWhispr hat 5.781 Sterne, OpenLess 3.334, hyprwhspr 1.176, und Dictee, mit 56 Sternen winzig, aber der interessanteste Entwurf im Stapel: Wayland zuerst, KDE-Plasmoid, standardmäßig Parakeet TDT v3, layoutbewusstes Einfügen über evdev. Darüber hinaus: Sotto, VOXD, Blurt, whisrs, lokstt, hyprvoice, waystt, LinuxWhispr, Vibe Typer, und monatlich kommen weitere dazu, mehrere davon geschrieben von jemandem, der Wispr Flow wollte und nicht haben konnte. Manche sind wirklich gut. Wir benennen die Kategorie, statt so zu tun, als hätten wir jedes einzelne Mitglied getestet. Wenn Sie stöbern wollen: Unser Ratgeber zu Open-Source-Diktat geht tiefer, und der vollständige Katalog dessen, was wir behandeln, steht unter Diktier-Apps.

Ein Muster, gegen das Sie sich beim Stöbern wappnen sollten: Mindestens drei der bezahlten Linux-Diktier-Apps bezeichnen sich jeweils als „die einzige" bezahlte Diktier-App für Linux. Sie zitieren gegenseitig ihre Blogs. Prüfen Sie die Downloadseite, nicht die Behauptung.

Preise, Versionen, Paketinhalte und Projektaktivität wurden am 27. August 2026 von Anbieterseiten, offizieller Dokumentation, der GitHub-API und den Paketen selbst gelesen. Diese Seite wird vierteljährlich nachgeprüft, und früher, sobald Ubuntu 26.10 erscheint.