Open-Source-Diktierwerkzeuge, eines nach dem anderen geprüft (2026)

Wer nach Open-Source-Diktierprogrammen sucht, landet an einem von zwei Orten, und keiner davon beantwortet die Frage.

Von der VoiceBoard-RedaktionAktualisiert am 28. August 2026

Der erste ist ein Vergleich von Spracherkennungsmodellen, sortiert nach Wortfehlerrate, veröffentlicht von einer Firma, die Spracherkennung als API verkauft. Nützlich, wenn Sie ein Produkt bauen. Nutzlos, wenn Sie eine E-Mail sprechen wollen. Der zweite ist die Startseite einer bestimmten App, die zufällig für diesen Suchbegriff rankt und bei der die Antwort auf „Welches Open-Source-Diktierwerkzeug soll ich nehmen?" wenig überraschend lautet: dieses hier.

Dazwischen liegt eine ordentlich gepflegte Liste auf GitHub mit über vierzig Projekten. Ohne Datum, ohne Lizenz, ohne Meinung. Vierzig ist schlechter als keines, denn die meisten dieser vierzig sind in den letzten anderthalb Jahren von einer einzelnen Person an einem Wochenende veröffentlicht worden, und Sie haben keine Möglichkeit zu erkennen, welche.

Also haben wir den langweiligen Teil gemacht. Wir haben für zwei Dutzend Projekte an einem einzigen Tag die Lizenzdatei, die Sternezahl und das Datum des letzten Release gezogen und gelesen, worüber sich Leute beschweren, die eine Installation wirklich versucht haben. Das hier bleibt übrig.

Geprüft am 27. August 2026. Jede Lizenz, jede Sternezahl und jedes Release-Datum unten wurde an diesem Tag im Repository des Projekts selbst oder auf der Seite des Anbieters gelesen.

Das Feld auf einen Blick

Drei Dinge in diesem Feld sind nicht das, was das Etikett sagt

Das ist der Teil, den keine Liste macht, weil er zehn Minuten dauert und Leute verärgert.

FUTO Keyboard und FUTO Voice Input sind quelloffen einsehbar, aber nicht Open Source. Der Code ist veröffentlicht, die App läuft vollständig offline, das Datenschutzversprechen hält, und für viele Android-Nutzer ist sie schlicht die beste Antwort. Aber die Lizenzdatei heißt FUTO Source First License 1.1, und dort steht: „You may modify the software only for non-commercial purposes" (Sie dürfen die Software nur zu nichtkommerziellen Zwecken verändern) und „You may distribute the software or any part of its source code only if you do so free of charge for non-commercial purposes" (Sie dürfen sie nur unentgeltlich und zu nichtkommerziellen Zwecken weitergeben). Nach keiner anerkannten Definition ist das eine Open-Source-Lizenz, und wenn Sie FUTO wählen, weil Open Source Ihre Bedingung ist, sollten Sie wissen, dass diese Bedingung nicht erfüllt ist.

Talons Kern ist proprietär. Talon ist die ernsthafte Option für Menschen, die ihre Hände nicht benutzen können und den ganzen Rechner per Stimme führen müssen, und die Nutzerskripte sind offen und werden breit geteilt. Daher kommt die Verwechslung. Die Anwendung selbst ist es nicht. In der EULA steht: „Talon binaries, updates, files, code, and any works produced from reverse-engineered Talon code… are not permitted to be redistributed in public or private" (Binärdateien, Updates, Dateien, Code und alles aus rückentwickeltem Talon-Code dürfen weder öffentlich noch privat weitergegeben werden). Noch etwas, das man wissen sollte, bevor man darauf baut: Die Dokumentation sagt, Linux werde nur unter X11 unterstützt, und „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).

Open Source und kostenlos sind nicht dasselbe Wort. VoiceInk veröffentlicht alles unter GPL-3.0. Sie können es lesen, prüfen und ohne einen Cent selbst bauen, und die Datei BUILDING.md im Repository erklärt wie. Der Entwickler verkauft daneben einen signierten Build für 29 $ mit automatischen Updates und Support. Beides stimmt gleichzeitig, und das ist keine Falle, sondern die gesündeste Anordnung in dieser Kategorie: Jemand wird dafür bezahlt, dass es weiter läuft, und wenn er aufhört, gehört Ihnen der Code trotzdem.

Fast alle laufen auf denselben drei Maschinen

Wenn Sie das einmal bemerkt haben, wird die Wahl deutlich leichter.

Whisper (OpenAI, MIT, 108.018 Sterne) ist der mehrsprachige Standard mit 99 Sprachen, und die meisten Desktop-Clients liefern es zuerst aus. Auf einem modernen Rechner ist es in Ordnung, auf einem alten langsam.

Parakeet (NVIDIA, das Modell parakeet-tdt-0.6b-v3 auf Hugging Face, CC-BY-4.0, kommerzielle Nutzung erlaubt) ist das schnelle. Es deckt 25 europäische Sprachen ab, darunter Deutsch, braucht etwa 2 GB Arbeitsspeicher und läuft auf einer CPU in brauchbarem Tempo, weshalb der Autor von Handy es standardmäßig empfiehlt. Achten Sie beim Herunterladen auf die Versionsnummer: Die ältere Variante v2, die in Vergleichstabellen am häufigsten auftaucht, kann ausschließlich Englisch. Für Deutsch brauchen Sie v3. Ein MacWhisper-Nutzer, der es auf einem M1-Notebook laufen ließ, beschrieb den Unterschied am 18. August 2025 auf Hacker News so: „Transcription speed of recordings feel at least 10x faster than Whisper, and the accuracy is better as well" (mindestens zehnmal schneller als Whisper, und genauer obendrein).

Vosk (Apache-2.0, 15.080 Sterne) ist die alte Garde: winzige Modelle um 50 MB, die auf einem Raspberry Pi laufen, über 30 Sprachen, und die Maschine hinter nerd-dictation. Achten Sie aber auf das Datum. Es kommen weiter Commits an (der jüngste, den wir gesehen haben, war vom 9. August 2026), aber das letzte getaggte Release ist v0.3.50 vom 22. April 2024. Wer heute ein Vosk-basiertes Werkzeug installiert, installiert ein zwei Jahre altes Paket.

Die praktische Schlussfolgerung: Über die Qualität der Transkription entscheidet größtenteils das Modell, und alle haben Zugriff auf dieselben Modelle. Was Sie zwischen den Projekten tatsächlich auswählen, ist die Hülle. Funktioniert die Tastenkombination, landet der Text im richtigen Fenster, überlebt das ein Systemupdate, kümmert sich jemand um Fehler.

Auf dem Mac

Der Mac hat die meisten offenen Optionen, weil dort die meisten Leute welche schreiben.

VoiceInk ist das Programm, auf das wir Leute verweisen, und der Grund ist langweilig statt ideologisch: Es ist das einzige Projekt hier, bei dem offener Code und gepflegter Build von derselben Person kommen und beide aktuell sind. Die Lizenzdatei ist schlicht GPL-3.0. Version 2.13 erschien genau an unserem Prüftag. Es lässt Whisper und Parakeet auf der Neural Engine laufen, es verlässt also nichts den Rechner, und der optionale Cloud-Schritt fasst nur Text an, den Sie bereits diktiert haben, nie das Audio. Im Alltag fühlt es sich an wie die Bezahl-Apps und nicht wie ein Bastelprojekt: ein persönliches Wörterbuch für Namen und Fachbegriffe, Modi, die die Einstellungen je nach App wechseln, eine Tastenkombination, die sich schon am ersten Tag so verhält, wie Sie es erwarten. Eine iOS-App gibt es auch.

Die Grenzen sind hart und gehören klar gesagt. Nur Apple Silicon, macOS 14.4 oder neuer. Auf einem Intel-MacBook von 2019 ist das zu keinem Preis eine Option. Lokale Modelle wollen Arbeitsspeicher, und der erste Modell-Download dauert bei langsamer Leitung eine Weile.

Wenn Sie einen aktuellen Mac haben und lokales Diktieren wollen, um das Sie sich nicht kümmern müssen: VoiceInk ausprobieren. Es kostet einmalig 29 $ für einen Mac, 49 $ für zwei, 69 $ für drei, mit 14 Tagen Rückgaberecht, oder nichts, wenn Sie lieber Xcode öffnen und selbst bauen. Ausführlich behandeln wir es im VoiceInk-Test.

FluidVoice ist die kostenlose Mac-Option mit dem größten Schwung: GPL-3.0, 10.970 Sterne, Commits am Tag unserer Prüfung und inzwischen auch ein Windows-Build. OpenSuperWhisper (MIT, 2.727 Sterne) ist kleiner und einfacher. Handy läuft ebenfalls auf dem Mac und ist die Wahl, wenn Sie auf jedem Ihrer Rechner dasselbe Werkzeug haben wollen.

Unter Windows

Handy ist der praktische Standard. MIT, 30.459 Sterne, v0.9.6 vom 24. August 2026, installierbar über winget oder einen gewöhnlichen Installer, und es tut das eine, was Sie wollen: Tastenkombination drücken, sprechen, loslassen, der Text erscheint an der Cursorposition. Stille wird vor der Transkription herausgefiltert, und in den Einstellungen wählen Sie zwischen den Whisper-Größen und Parakeet.

Zwei ehrliche Anmerkungen dazu. Der Autor ist auf der Projektseite offen, zitiert in seinem Hacker-News-Beitrag vom 28. September 2025: „This is my first Rust project, and it shows. There are bugs, rough edges, and architectural decisions…" (Mein erstes Rust-Projekt, und man merkt es. Es gibt Fehler, raue Kanten und Architekturentscheidungen…). Und man sollte wissen, dass quelloffene Desktop-Apps dieser Art Virenscanner auslösen. Als Whispering im August 2025 Version 7.3.0 veröffentlichte, postete ein Kommentator am 18. August VirusTotal-Ergebnisse, in denen AVG und Avast den Installer als potenziell unerwünscht markierten. Ein anderer brachte es im selben Thread auf den Punkt: Eine App, die in fremde Fenster tippt, verhält sich exakt so wie das, wonach Sicherheitssoftware sucht. Unsignierte Builds kleiner Projekte werden das weiter auslösen, und Sie müssen entscheiden, ob Sie der Quelle vertrauen.

OpenWhispr ist die andere aktuelle Option: MIT, 5.780 Sterne, macOS, Windows, Linux und iOS aus einer Codebasis, standardmäßig lokale Modelle mit einer kostenpflichtigen Cloud-Stufe, die Sie ignorieren können.

Windows hat außerdem eine kostenlose eingebaute Spracheingabe (Windows-Taste + H), die man kennen sollte, bevor man irgendetwas installiert, aber sie ist ein Cloud-Dienst. Microsofts eigene Dokumentation sagt, dass sie eine Internetverbindung braucht. Kostenlos und privat sind zwei verschiedene Probleme, und das eingebaute Werkzeug löst nur eines davon. Unsere vollständige Windows-Übersicht steht in die besten Diktier-Apps für Windows.

Unter Linux

Hier ist Open Source keine Vorliebe, sondern die einzige Kategorie, die es überhaupt gibt, und das ehrliche Bild hat ein paar scharfe Kanten.

Handy läuft unter Linux und ist das größte Projekt mit echtem Schwung. Wayland ist der Haken. Ende August 2026 gibt es offene Tickets und Pull Requests zu globalen Tastenkombinationen und zum Einfügen von Text unter GNOME mit Wayland, eingereicht zwischen dem 27. April und dem 13. August 2026, mehrere davon noch in Diskussion. Unter X11 benimmt es sich. Unter Wayland sollten Sie in den Issue-Tracker für Ihren Compositor schauen, bevor Sie Ihren Tag darauf aufbauen.

Speech Note ist die ruhigste Option unter Linux und die am wenigsten besprochene. MPL-2.0, als Flatpak über Flathub verteilt, Version 4.9.0 vom 28. Juni 2026, und es packt Spracherkennung, Sprachausgabe und Offline-Übersetzung in eine App, mit optionalen GPU-Erweiterungen für AMD und NVIDIA. Alles läuft lokal, ganz ohne Netzverbindung. Es ist in erster Linie eine Notiz-App, systemweites Diktieren ist also nicht sein Schwerpunkt, aber um in einem Fenster zu schreiben und Text herauszubekommen, funktioniert es, ohne dass Sie irgendetwas kompilieren.

nerd-dictation verdient vor allem als Warnung einen Absatz, nämlich dafür, wie solche Listen geschrieben werden. Es ist ein gut gemachtes Python-Skript aus einer einzigen Datei über Vosk, es wandelt gesprochene Zahlen in Ziffern um, und seine Konfiguration ist reines Python, Sie können die Ausgabe also beliebig umschreiben. Es hat außerdem nie ein getaggtes Release gehabt, und sein letzter Commit stammt vom 10. Oktober 2025. Ein Kommentator auf Hacker News fasste es schon im Januar 2022 zusammen, und die Beschreibung passt weiterhin: „Definitely more diy/hacker focused than actually being a solution though" (eher Bastelprojekt als fertige Lösung). Es steht fast ganz oben in praktisch jeder Liste „beste Open-Source-Diktierprogramme für Linux", die dieses Jahr erschienen ist, meist ohne jeden Hinweis darauf, dass es auf einer Maschine sitzt, deren letztes Release von 2024 ist.

Wenn Sie Skripte mögen, ist das ein legitimer Weg, und es sind ungefähr zwanzig Zeilen. Ein Hacker-News-Leser hat seines im August 2025 veröffentlicht: eine Taste startet eine ffmpeg-Aufnahme, das Loslassen beendet sie, die Datei läuft durch whisper-cli aus whisper.cpp, das Ergebnis wird getippt. Kein Installer, keine Virenwarnung, nichts zu aktualisieren. Ob das ein Vergnügen oder eine Last ist, ist genau die Frage in diesem Abschnitt. Unser Plattform-Ratgeber steht unter beste Diktier-Apps für Linux.

Unter Android

Transcribro (ISC-Lizenz, 739 Sterne) ist die saubere Antwort: eine Tastatur samt Erkennungsdienst, die vollständig auf dem Gerät läuft, auf whisper.cpp aufbaut und über F-Droid verfügbar ist. Für deutschsprachige Leser gibt es allerdings einen entscheidenden Vorbehalt, den die englischen Listen nicht erwähnen: Das Projekt schreibt selbst, dass es derzeit nur Englisch unterstützt und weitere Sprachen erst geplant sind. Wer auf Deutsch diktieren will, ist damit vorerst nicht bedient. Die Entwicklung ist ohnehin ruhig, die letzten Commits, die wir gesehen haben, stammen vom 29. August 2025, betrachten Sie es also als stabil statt als wachsend.

FUTO Keyboard und FUTO Voice Input sind das bekannte Paar. Sie sind vollständig offline, verlangen kein Konto und finanzieren sich über eine freiwillige Einmalzahlung statt über ein Abo. Lesen Sie nur den Lizenzabschnitt oben, bevor Sie sie unter Open Source einsortieren, und glauben Sie dem Projekt, wenn es sagt, dass es Funktionen und Sprachen noch nachträgt.

Die kostenlose Grundausstattung unter Android ist Gboards eigene Spracheingabe, die offline arbeitet, sobald Sie ein Sprachpaket geladen haben, und die die meisten Leute ohnehin schon installiert haben.

Wo Open Source konkret verliert

Nicht vage. Hier sind die fünf Stellen, mit Belegen.

1. Niemand räumt Ihre Sprache auf. Das ist die eigentliche Lücke, und sie erklärt den größten Teil der Enttäuschung. Bezahlte Cloud-Werkzeuge machen zwei Schritte: transkribieren, dann umschreiben. Das Umschreiben macht aus „also ich denke, wir sollten, ähm, vielleicht das Meeting verschieben, eigentlich verschieben wir es auf Donnerstag" einen sauberen Satz. Lokale Modelle machen nur den ersten Schritt. Der Betreuer von Whispering sagte es am 19. August 2025 auf Hacker News klar: „Recent transcription models don't have very good built-in inference/cleanup, with Whisper having the very weak 'prompt' parameter" (aktuelle Transkriptionsmodelle räumen intern kaum auf, und Whispers Parameter ‚prompt' ist sehr schwach), und der beste verfügbare Behelf sei, das Transkript anschließend durch ein separates Sprachmodell zu schicken. Das können Sie bauen. Mehrere Projekte liefern es inzwischen mit. Aber ab Werk bekommen Sie das, was Sie gesagt haben, samt Füllwörtern.

2. Whisper erfindet Dinge während der Stille. In „Careless Whisper: Speech-to-Text Hallucination Harms" (FAccT 2024) stellten Koenecke und Kolleginnen fest, dass 1,4 % der Audioabschnitte eine halluzinierte Passage erzeugten, also Text, der nie gesprochen wurde, und dass 38 % dieser Halluzinationen ausdrückliche Schäden enthielten, etwa erfundene Gewalt oder falsche Zuschreibungen. Die Halluzinationen häuften sich rund um Sprechpausen. Beim Diktieren einer E-Mail ist das eine Kuriosität. Bei allem, was Sie nicht noch einmal lesen, ist es das nicht.

3. Die Installation kostet wirklich etwas. Virenwarnungen bei unsignierten Builds, Modell-Downloads, die ohne brauchbare Fehlermeldung scheitern, Berechtigungsdialoge, Wayland. Ein Nutzer beschrieb im August 2025, wie er das Whispering-AppImage unter Linux ausprobierte, ein Modell nicht laden konnte, die Modelle von Hand verkabelte und dann eine Audiodatei der Länge null bekam. Sein Fazit vom 21. August: „this software isn't ready for everyday use yet, at least not on Linux" (diese Software ist noch nicht alltagstauglich, jedenfalls nicht unter Linux). Das ist ein Projekt an einem Tag, und es hat sich seither weiterentwickelt, aber die Form dieser Erfahrung ist häufig genug, dass alles andere unehrlich wäre.

4. Der Support ist ein Issue-Tracker. Es gibt keine Hotline. Wenn die Tastenkombination nach einem Systemupdate nicht mehr geht, können Sie warten, den Thread lesen oder es selbst reparieren.

5. Die meisten dieser Projekte wird es nicht mehr geben. Zwischen November 2025 und August 2026 haben wir über ein Dutzend nahezu identischer lokaler Diktier-Apps gezählt, die auf Hacker News gepostet wurden: Ito, Vocalinux, Toice, Purr, Fonos, TypeWhisper, Recitey, TongueType, Plainsay, Velora, Dictata und weitere. Die meisten sammelten weniger als fünf Punkte und null Kommentare. Das betrifft auch nicht nur kleine Projekte. Mozillas DeepSpeech mit 26.772 Sternen ist archiviert. Coqui STT, das Projekt, das es fortführte, hat seit März 2024 keinen Commit mehr, und die Firma dahinter wurde im selben Jahr abgewickelt. Sternezahlen messen die Begeisterung am Tag des Starts. Release-Daten messen, ob noch jemand da ist.

Wo es gewinnt, und dieser Teil ist nicht klein

Ihr Audio geht nirgendwohin. Nicht als Zusage auf einer Sicherheitsseite, sondern weil es keinen Netzwerkaufruf gibt. Das ist das eine Datenschutzversprechen, das nicht davon abhängt, dass man jemandem vertraut, und deshalb landen Ärztinnen, Anwälte und Menschen unter Geheimhaltungspflicht hier.

Keine Obergrenzen, kein Konto, keine Verlängerung. Bezahltes Diktieren kostet 8 bis 15 $ im Monat, und die kostenlosen Stufen enden bei ein paar tausend Wörtern pro Woche, also etwa fünfzehn Minuten Sprechen. Lokale Werkzeuge haben keinen Wortzähler, weil kein Server mitzählt.

Sie wählen das Modell. Whisper Medium passt vielleicht besser zu Ihrer Stimme als Large. Parakeet ist auf Ihrem Notebook vielleicht fünfmal schneller. Der Autor von Handy fand Medium für seine eigene Sprechweise besser als Turbo, und genau so etwas entdeckt man nur, wenn man Modelle tauschen darf.

Es funktioniert weiter. Kein Anbieter kann Ihre Einrichtung einstellen, die Preise ändern oder entscheiden, dass Ihr Land nicht mehr unterstützt wird. Wer Dragon besaß und zusehen musste, wie die Verbraucherlinie abgewickelt wurde, weiß, was das wert ist.

Sie können es lesen. Nicht dass Sie es täten. Aber irgendjemand kann es, und in einer Kategorie, in der eine App alles beobachtet, was Sie tippen, zählt das mehr als sonst.

Wenn Sie einfach Diktieren wollen, das heute funktioniert

Das gehört ohne Zucken gesagt: Wenn Ihnen diese Art Basteln keinen Spaß macht, ist Open Source derzeit nicht der kürzeste Weg zu gutem Diktat. Die bezahlten Werkzeuge räumen besser auf, sie sind signiert und notarisiert, sie haben eine Supportadresse, und sie kosten zwischen zwei und fünfzehn Dollar im Monat.

Wenn das auf Sie zutrifft, überspringen Sie die ganze Kategorie und fangen Sie stattdessen mit einem Plattform-Ratgeber an: beste Diktier-Apps für den Mac, für Windows oder für Linux. Jeder von ihnen nennt zuerst die kostenlose eingebaute Option, denn auf zwei dieser drei Plattformen reicht sie für viele Leute wirklich aus.

Was wir weggelassen haben und warum

Amical (MIT, 1.508 Sterne), VoiceTypr (AGPL-3.0, 692), OpenSuperWhisper (MIT, 2.727) und rund dreißig weitere. Alle echt, alle derzeit gepflegt. Sie stehen nicht in der Haupttabelle, weil sie dasselbe tun wie die Werkzeuge oben, nur mit weniger Leuten dahinter, und ein junges Projekt für etwas zu empfehlen, das Sie täglich benutzen, endet damit, dass Sie in sechs Monaten neu installieren. Wenn Sie das ganze Feld sehen wollen: Die Liste awesome-voice-typing auf GitHub ist die vollständigste, die wir gefunden haben.

Whispering. Auf dieser Seite mehrfach zitiert und weiterhin ein gutes Werkzeug, aber beachten Sie, dass das eigenständige Repository archiviert ist: Es lebt jetzt im Epicenter-Monorepo, und dort sollten Sie suchen.

Modellbibliotheken: faster-whisper, WhisperX, sherpa-onnx, NeMo. Das sind Bausteine, keine Anwendungen. Wenn Sie etwas entwickeln, sind sie ausgezeichnet. Wenn Sie diktieren wollen, ist das das falsche Regal.

Alles, dessen Seite Open Source sagt, ohne eine Lizenzdatei zu haben. Bezahlte Produkte mit geschlossenem Quellcode ranken in diesen Suchen mit Seiten, die vollständig um diesen Begriff herum gebaut sind. Die Prüfung dauert eine Minute: Repository suchen, LICENSE-Datei öffnen, erste Zeile lesen.

Wie wir das geprüft haben

Am 27. August 2026 haben wir die GitHub-API für jedes Projekt auf dieser Seite abgefragt und vier Dinge festgehalten: den Inhalt der Lizenzdatei, die Sternezahl, das Datum des letzten getaggten Release und das Datum des letzten Commits. Preise und Systemanforderungen stammen vom selben Tag von den Seiten der Anbieter. Lizenzaussagen sind aus der Lizenzdatei oder der EULA zitiert, nicht aus dem Marketingtext, und deshalb sehen die Einträge zu FUTO und Talon hier anders aus als anderswo.

Wir haben keinen Genauigkeitswettbewerb veranstaltet, und es stehen keine eigenen Wortfehlerraten auf dieser Seite. Wo Tempo oder Genauigkeit beschrieben werden, stammt das aus einer veröffentlichten Studie oder von einer namentlich genannten Person in einem datierten öffentlichen Thread, und es ist als solches gekennzeichnet. Jede Beschwerde, die wir zitieren, ist einer Person und einem Datum zugeordnet, damit Sie einschätzen können, wie alt sie ist, und mehrere stammen aus 2025 und sind womöglich längst behoben.