Diktieren für Entwickler (2026): Claude Code, Cursor, VS Code und das Terminal

Bevor Sie irgendetwas installieren: In dem Werkzeug, das Sie ohnehin benutzen, steckt vermutlich schon eine Diktierfunktion. Claude Code hat im Frühjahr /voice ausgeliefert, Cursor hat seit Oktober 2025 ein Mikrofon im Chat-Feld, und VS Code diktiert schon länger in den Editor. Alles auf dieser Seite haben wir am 27. August 2026 aus offizieller Dokumentation, Changelogs und Paket-Registries gelesen, samt der Bedingungen, die die Ratgeber der Diktier-Anbieter weglassen, und davon gibt es einige.

Von der VoiceBoard-RedaktionAktualisiert am 28. August 2026

Unter dem Wort „Voice Coding“ stecken zwei verschiedene Aufgaben

Fast jeder Streit über dieses Thema entsteht daraus, dass sie verwechselt werden.

Einem Agenten die Absicht diktieren. Sie sagen, was Sie wollen, Prosa landet in einem Prompt-Feld, das Modell schreibt den Code. An Ihrem Editor ändert sich nichts. Genau das leisten die eingebauten Funktionen, genau das leistet eine Diktier-App, und für die meisten, die hier lesen, ist das die ganze Aufgabe. Einrichtungszeit: etwa eine Minute.

Den Editor mit der Stimme steuern. Sie geben strukturierte Befehle, die den Cursor bewegen, ein Token auswählen, ein Argument löschen, ein Symbol umbenennen. Nirgends in dieser Schleife wird getippt. Das sind Talon und Cursorless, das ist eine Fähigkeit, die man lernt, und keine App, die man installiert, und die Leute, die es beherrschen, sind meist dorthin gekommen, weil das Tippen anfing wehzutun.

Die erste Aufgabe ist 2026 einfach geworden. Die zweite ist seit etwa 2018 möglich und immer noch schwer. Wenn Sie wegen Ihrer Handgelenke hier sind, springen Sie zum Talon-Abschnitt, denn eine Diktier-App löst Ihr Problem nicht.

Warum das plötzlich Sinn ergibt

Ein Prompt an einen Coding-Agenten ist keine Codezeile. Es sind zweihundert Wörter Prosa darüber, was Sie wollen, welche Dateien beteiligt sind, was Sie schon probiert haben und welche Einschränkungen gelten. Prosa ist genau das, was Sprache gut kann, und genau das, was sich langsam tippt.

Die Zahlen, die dazu zitiert werden, stammen aus einer Studie von 2016 von Ruan, Wobbrock, Liou, Ng und Landay (arXiv:1608.07323). Auf einem iPhone 6 Plus lag die englische Spracheingabe bei 153 Wörtern pro Minute gegenüber 52 auf der Bildschirmtastatur, also rund dreimal schneller, Mandarin bei 123 gegenüber 43. Bevor Sie die Zahl weitergeben: Getippt wurde dort mit den Daumen auf einem Telefon. Interessant ist für Sie der Vergleich mit einer echten Tastatur, und die größte Studie dazu, Dhakal und Kolleginnen auf der CHI 2018 mit 168.000 Teilnehmenden und 136 Millionen Anschlägen, landet ebenfalls bei durchschnittlich 52 Wörtern pro Minute, wobei die besten fünf Prozent über 80 liegen.

Für einen durchschnittlichen Tipper beträgt der Abstand also wirklich etwa drei zu eins. Wenn Sie 100 Wörter pro Minute tippen, liegt er näher bei 1,5, und dann geht es beim Sprechen nicht mehr um Tempo. Dieselbe Studie von 2016 fand, dass beim Sprechen etwas mehr unkorrigierte Fehler im fertigen Text blieben, 1,30 Prozent gegenüber 0,79 Prozent, was beim Diktieren eines Dateipfads schwerer wiegt als beim Diktieren eines Satzes.

Die ehrliche Fassung des Versprechens: Diktieren macht Sie nicht zu einer schnelleren Programmiererin. Es macht lange Prompts billig, sodass Sie die Drei-Satz-Version schreiben statt der Sechs-Wort-Version, und der Agent weniger raten muss.

Auf einen Blick

Claude Code: der Befehl /voice

Darum dreht sich der Suchverkehr, und das ist zugleich das Thema, das in den dafür rankenden Artikeln am ungenauesten beschrieben wird. Hier also das vollständige Bild aus Anthropics Dokumentation.

Einschalten. Tippen Sie /voice in der CLI. Beim ersten Start läuft eine Mikrofonprüfung, und unter macOS fragt Ihr Terminal genau dann endlich nach der Mikrofonberechtigung. Die Fußzeile des Prompts bestätigt den Zustand:

Voice mode enabled (hold). Hold space to record. Dictation language: en (/config to change).

Mit /voice hold, /voice tap und /voice off setzen Sie den Modus direkt. Die Einstellung übersteht Neustarts, und Sie können sich den Befehl ganz sparen, indem Sie sie in Ihre Benutzereinstellungen schreiben:

{ "voice": { "enabled": true, "mode": "tap" } }

Der Hold-Modus, die Voreinstellung, ist Push-to-talk auf der Leertaste. Eine Eigenheit lohnt sich zu wissen: Claude Code erkennt eine gehaltene Taste daran, dass das Terminal Tastenwiederholungen schickt, es gibt also eine kurze Aufwärmphase, die Fußzeile sagt erst keep holding… und dann listening…, und die ersten versehentlichen Leerzeichen werden automatisch aufgeräumt. Der Text erscheint blass, während Sie sprechen, und wird beim Loslassen an der Cursorposition eingefügt. Sie können also einen halben Satz tippen, den Rest sprechen und weitermachen.

Der Tap-Modus spart die Aufwärmphase: einmal auf die Leertaste tippen startet, noch einmal tippen stoppt, und der Prompt wird von selbst abgeschickt, wenn das Transkript mindestens drei Wörter hat. Die Aufnahme endet von allein nach 15 Sekunden Stille oder nach zwei Minuten insgesamt. Der erste Tastendruck wirkt nur bei leerer Eingabe, ein Leerzeichen können Sie also weiterhin normal tippen.

Zwei Einstellungen, die sich am ersten Tag lohnen. Ergänzen Sie "autoSubmit": true im voice-Objekt, wenn der Hold-Modus beim Loslassen senden soll, statt auf Enter zu warten. Und wenn Sie die Aufwärmphase auf der Leertaste stört, legen Sie die Aktion in ~/.claude/keybindings.json neu, denn eine Kombination mit Modifiertaste startet die Aufnahme beim ersten Tastendruck ganz ohne Aufwärmen:

{ "bindings": [ { "context": "Chat", "bindings": { "meta+k": "voice:pushToTalk" } } ] }

Die Transkription ist auf unser Vokabular ausgerichtet und nicht auf allgemeine Sprache. Anthropic sagt, dass Begriffe wie regex, OAuth, JSON und localhost korrekt erkannt werden und dass der Name Ihres aktuellen Projekts und Ihres Git-Branch automatisch als Erkennungshinweise mitgegeben werden. Genau solche Details entscheiden darüber, ob Diktieren brauchbar ist, und kein fremdes Werkzeug kann das leisten, ohne Ihr Repository zu lesen.

Zwanzig Diktiersprachen, einstellbar über /config oder die Einstellung language: Tschechisch, Dänisch, Niederländisch, Englisch, Französisch, Deutsch, Griechisch, Hindi, Indonesisch, Italienisch, Japanisch, Koreanisch, Norwegisch, Polnisch, Portugiesisch, Russisch, Spanisch, Schwedisch, Türkisch, Ukrainisch. Alles andere fällt beim Einschalten mit einer Warnung auf Englisch zurück.

Jetzt die Bedingungen, und hier werden die Anbieter-Ratgeber still. Das Sprachdiktat verlangt:

• Ein Claude.ai-Konto. Es steht nicht zur Verfügung, wenn Claude Code direkt auf einen Anthropic-API-Key, auf Amazon Bedrock, auf Google Clouds Agent Platform oder auf Microsoft Foundry zeigt. Ein großer Teil der professionellen Nutzer arbeitet genau so, und für die ist /voice schlicht nicht vorhanden.
• Ein lokales Mikrofon. Über SSH und in Claude Code im Web funktioniert es nicht, weil das Mikrofon an Ihrem Laptop hängt und der Prozess nicht.
• WSLg, wenn Sie Claude Code unter WSL betreiben. Das kommt mit WSL2 aus dem Microsoft Store. Unter WSL1 wird Ihnen geraten, Claude Code stattdessen nativ unter Windows zu starten.

Das Audio geht an Anthropics Server. Die Dokumentation sagt es in vier Worten: „Audio wird nicht lokal verarbeitet.“ Dafür verbraucht die Transkription „keine Claude-Nachrichten und keine Tokens und zählt nicht auf die Limits, die /usage anzeigt“, die Funktion ist also in dem Sinn kostenlos, auf den es ankommt.

Die VS-Code-Erweiterung hat dieselbe Funktion und dieselbe Claude.ai-Voraussetzung, und in Remote-Sitzungen von VS Code steht sie nicht zur Verfügung, also nicht bei SSH, Dev Containers und Codespaces. Die Administration Ihrer Organisation kann die ganze Sache außerdem per Richtlinie abschalten, und dann sagt /voice Ihnen das.

Unter Linux nutzt die Aufnahme ein natives Modul, und wenn das nicht lädt, fällt Claude Code auf arecord aus den ALSA-Utils oder rec aus SoX zurück. Unter WSLg brauchen Sie ausdrücklich das PulseAudio-Backend, sudo apt install sox libsox-fmt-pulse, weil das schlichte sox das ALSA-Backend zieht und es kein /dev/snd zum Aufnehmen gibt. Diese eine Zeile spart jedem, der unter WSL entwickelt, einen Abend.

Wann es kam. Anthropic datiert seinen Changelog nicht, also sind wir seitlich herangegangen. In allen 377 Versionen des öffentlichen Changelogs ist der erste Eintrag, der Sprache erwähnt, 2.1.69, der zehn weitere Diktiersprachen brachte, insgesamt also zwanzig, und die npm-Registry nennt für diese Version das Veröffentlichungsdatum 4. März 2026. Die Funktion kam also ganz zu Beginn des März 2026 und bekommt seither stetig Korrekturen, die meisten davon zu Linux-Audio, WSL und Terminals, die keine Tastenwiederholungen senden.

Cursor: das Mikrofon im Chat-Feld

Cursor hat Sprache in Cursor 2.0 am 29. Oktober 2025 eingeführt, im Changelog beschrieben als Steuerung des Agenten mit der Stimme über eingebautes Speech-to-Text, mit eigenen Auslösewörtern, die Sie in den Einstellungen festlegen, sodass Ihr Stichwort den Lauf startet. Cursor 3.1 am 13. April 2026 hat das neu gebaut: Ctrl+M halten und sprechen, und der Editor nimmt jetzt den ganzen Clip auf und transkribiert ihn in einem Durchgang, statt zu streamen, was laut Changelog die Qualität verbessert hat. Während der Aufnahme sehen Sie eine Wellenform, einen Timer sowie Tasten zum Abbrechen und Bestätigen.

Eine Seite, die derzeit für diese Suche rankt, behauptet, Cursors Spracheingabe sei „nicht durch öffentliche Dokumentation abgedeckt, die wir prüfen konnten“. Doch, ist sie. Die Changelog-Einträge oben sind öffentlich, datiert und konkret, was einiges darüber sagt, wie sorgfältig in diesem Feld geschrieben wird.

Was Cursors Mikrofon nicht tut: das Chat-Feld verlassen. Es erreicht weder Cmd+K noch den Editor selbst, noch das integrierte Terminal oder den Browser-Tab, in dem Sie gerade eine API-Doku lesen. Wenn Sie Claude Code oder Codex in Cursors Terminal betreiben, hilft das Chat-Mikrofon dort überhaupt nicht, und das ist der mit Abstand häufigste Grund, warum Entwickler mit Cursor am Ende doch ein systemweites Werkzeug installieren.

In Cursors Community-Forum läuft außerdem ein stetiger Strom von Fehlerberichten zur Sprache: eine Eingabe, die einen Audio-Kontext startet und nur Stille aufnimmt, Wellenformen, die sich bewegen, während nie Text erscheint, und diktierter Text, der am Ende der ersten Zeile landet, egal wo der Cursor steht. Nichts davon heißt, dass die Funktion für alle kaputt ist. Es heißt, dass Sie sie testen sollten, bevor Sie eine Gewohnheit darauf aufbauen.

VS Code und Copilot Chat

VS Code diktiert an zwei Stellen, und die Kürzel lohnen sich zu merken: Ctrl+I (⌘I auf dem Mac) spricht in den Chat, Ctrl+Alt+V (⌥⌘V) diktiert an der Cursorposition in den Editor. Beide funktionieren durch Gedrückthalten. Es gibt außerdem die Aktivierung per Stichwort „Hey Code“, falls Sie gar keine Taste anfassen wollen.

Der Teil, der für alle mit striktem Arbeitgeber zählt: Microsofts Dokumentation sagt, das Standardmodell „verarbeitet Mikrofon-Audio auf Ihrem Gerät“ und die Spracherkennung brauche nach dem ersten Modell-Download keine Internetverbindung. Das ist eine wirklich brauchbare, wirklich lokale Option, die vom selben Hersteller kommt wie Ihr Editor, und sie ist kostenlos.

Auf den gängigen Desktop-Plattformen ist die Fähigkeit inzwischen eingebaut. Die separate VS Code Speech Extension brauchen Sie weiterhin im Web, auf Intel-Macs, auf 32-Bit- und Arm32-Systemen sowie auf Linux-Distributionen mit musl. Sie steht bei 1.417.222 Installationen, Version 0.16.0, und deckt über die Einstellung accessibility.voice.speechLanguage 26 Sprachen ab.

Die Grenze ist die naheliegende. Es funktioniert in VS Code und sonst nirgends. Und weil Cursor ein Fork von VS Code ist und nicht VS Code, gehen Sie nicht davon aus, dass sich die Erweiterung dort gleich verhält.

Terminals

Warp ist der Ausreißer: Sprache ist dort eine vollwertige Funktion, konfiguriert unter Settings, Agents, Warp Agent, Voice, und nutzbar auf allen Eingabeflächen und nicht nur im Agentenmodus. Warps eigene Dokumentation sagt, die Transkription „läuft über Wispr Flow“ und das Audio werde in Echtzeit verarbeitet und danach nicht als Aufnahme aufbewahrt. Wenn Sie ohnehin für Wispr Flow zahlen, betreiben Sie dieselbe Maschine an zwei Stellen.

Für iTerm2, Windows Terminal, Ghostty, Alacritty oder ein schlichtes gnome-terminal gibt es keine eingebaute Diktierfunktion, und es wird auch keine geben. Ein Terminal ist eine Textfläche wie jede andere, die Antwort ist also eine systemweite Schicht, die in das gerade aktive Fenster tippt. Dasselbe gilt für JetBrains-IDEs, für Zed, für Neovim und für die CLI-Agenten, die Sie darin betreiben.

Die systemweite Schicht

Diese Programme laufen im Hintergrund, hören zu, solange Sie ein Kürzel halten, und fügen fertigen Text dort ein, wo der Cursor steht. Ein Werkzeug, jedes Fenster. Hier werden sie nach denselben Maßstäben verglichen: was Sie zahlen, wohin das Audio geht, wo es verarbeitet wird.

Wispr Flow

Das Werkzeug, das eigens für dieses Publikum gebaut wurde. Die Entwicklerseite verspricht Diktieren, das „Dev-Jargon versteht“, mit camelCase, snake_case und Abkürzungen umgeht, Produktnamen wie Supabase oder MongoDB aufnimmt und Dateien in Cursor und Windsurf markiert, damit der richtige Kontext in Ihrem Prompt landet. Behauptet wird ein 4x schnelleres Ausliefern, und das ist die Zahl des Anbieters und keine Messung, die jemand veröffentlicht hätte.

Das hier trägt die Empfehlung trotz des Preises. Sie halten eine Taste, Sie reden, wie Sie reden, und saubere Prosa landet in dem Fenster, in dem Sie waren: Füllwörter weg, Satzzeichen gesetzt, der neu angesetzte Satz so geschrieben, wie Sie ihn gemeint haben. Es funktioniert im Terminal, im Chat-Panel, in einem GitHub-Kommentar und in Slack, ohne zu wissen oder wissen zu müssen, was davon was ist, und die Frage „welches Mikrofon drücke ich hier“ verschwindet nach zwei Tagen aus dem Kopf. Warps Team hat es als Maschine hinter der eigenen Sprachfunktion gewählt, und das ist eine echte Stimme von Leuten, die die Alternativen geprüft haben.

Das Kleingedruckte. Die kostenlose Stufe umfasst 2.000 Wörter pro Woche auf dem Desktop, Pro kostet $15 im Monat oder $12 im Monat bei jährlicher Abrechnung. Es ist ein Cloud-Dienst, ohne Verbindung also kein Diktat. Windows läuft nur auf x64: ARM-Maschinen, also die Snapdragon-Notebooks, werden nicht unterstützt, virtuelle Maschinen und Remote Desktop ebenso wenig, was es für einen Teil der Unternehmens-Setups ausschließt. Einen Linux-Build gibt es nicht. Unser ausführlicher Test steht hier, die Alternativen hier.

Wispr Flow ausprobieren

Superwhisper

Die Nachricht ist zum Zeitpunkt des Schreibens einen Tag alt: Am 26. August 2026 hat Superwhisper eine dauerhaft kostenlose Stufe gestartet. Für null Dollar bekommen Sie jetzt Sprache zu Text in jeder App, Aufnahme und Transkription von Meetings, Unterstützung für 100+ Sprachen und unbegrenzte Nutzung der Whisper-Modelle. Pro für $8.49 im Monat ergänzt eigene API-Keys, Cloud- und lokale KI-Modelle, Übersetzung sowie das Transkribieren von Audio- und Videodateien. Neue Nutzer bekommen 3.000 Wörter Pro zum Ausprobieren, danach bleiben die kostenlosen Funktionen unbefristet erhalten.

Es läuft auf Mac, Windows und iOS und ist eine der wenigen kommerziellen Apps, die Ihre Sprache vollständig auf Ihrer eigenen Maschine verarbeiten. Offline-Modelle wollen Apple Silicon; auf Intel-Macs sind Sie laut Anbieter mit Cloud-Modellen besser bedient.

Es gibt außerdem eine eigene Claude-Code-Integration, seit April 2026, die ein schwebendes Superwhisper-Fenster vor den Agenten setzt, sodass Sie mit ihm sprechen können, ohne ins Terminal zu wechseln. Die Einrichtung ist ein einzeiliges Installationsskript von der Website. Entsprechende Seiten gibt es für OpenCode, Codex, Pi und Grok CLI.

Handy

Kostenlos, MIT-lizenziert, und es macht eine Sache: Kürzel drücken, sprechen, Text im aktiven Feld bekommen, und nichts verlässt den Computer. Die Transkription läuft auf Whisper-Modellen oder auf Parakeet V3, das für CPUs optimiert ist und die Sprache automatisch erkennt, wobei die Silero-Sprachaktivitätserkennung die Stille herausfiltert. Windows, macOS und Linux, aktuelle Version v0.9.6 vom 24. August 2026, und 30.430 Sterne auf GitHub.

Das Projekt beschreibt sich selbst als Versuch, die am besten forkbare Speech-to-Text-App zu sein und nicht die beste, was eine ungewöhnlich ehrliche Positionierung ist und zugleich die richtige Erwartung. Es gibt keine Politur-Schicht, die Ihre Grammatik aufräumt, und kein Wörterbuch, das die Namen Ihrer Kolleginnen lernt. Für Entwicklerinnen und Entwickler, die sich zutrauen, eine Modellgröße zu wählen und gelegentlich raue Kanten hinzunehmen, ist Handy die stärkste kostenlose Option auf dieser Seite.

VoiceInk

Nur macOS auf Apple Silicon, lokale Modelle auf der Neural Engine, quelloffen, 6.123 Sterne, und einmalig zu bezahlen: $29 für einen Mac, $49 für zwei, $69 für drei, mit lebenslangen Updates. Cloud-Anbieter stehen nur zur Verfügung, wenn Sie einen eigenen API-Key hinterlegen und sich dafür entscheiden.

Wenn Ihr Mac die Maschine mit dem Kundencode darauf ist, ist das der kürzeste Weg zu einer Diktierfunktion, die nie Audio verschickt, und einmalig $29 gegen $144 im Jahr für ein Abo rechnet sich nach etwa zehn Wochen. Unsere Mac-Übersicht geht tiefer.

VoiceInk ansehen

Voicy

Die kommerzielle Option, die tatsächlich einen Linux-Build ausliefert: .deb, .rpm und AppImage, für Ubuntu, Debian, Fedora und Arch. Es schreibt in jede App, jedes Terminal und jeden Browser im System, funktioniert in VS Code und in JetBrains-Editoren und läuft außerdem unter Windows, macOS, in Chrome und mobil. Die kostenlose Testphase umfasst 30 Minuten Aufnahme, Pro kostet $8.49 im Monat, und es gibt eine lebenslange Lizenz für $260. Studierende und Menschen mit Behinderung bekommen 20 Prozent Rabatt.

Die ehrliche Grenze: Einen Offline-Modus gibt es nicht. Die Erkennung läuft über die Infrastruktur von Groq, das Audio verlässt Ihre Maschine also jedes Mal. Voicy sagt, es werde direkt nach der Verarbeitung gelöscht und nie zum Training genutzt, was eine vernünftige Regel ist und trotzdem nicht dasselbe wie lokale Verarbeitung.

Voicy ansehen

Voibe

Erwähnenswert wegen einer Funktion, die die anderen nicht haben: ein Entwicklermodus, der gesprochene Bezeichner gegen Ihren tatsächlichen Workspace auflöst, sodass aus „auth middleware punkt t s“ nicht Wörter werden, sondern authMiddleware.ts. Das ist die lästigste Fehlerart beim Diktieren in einem Editor, direkt gelöst. $7.50 im Monat, $59 im Jahr oder $149 einmalig, auf Mac und Windows.

Eine Korrektur, die anderswo falsch weitergereicht wird: Voibe läuft auf Apple Silicon vollständig auf dem Gerät, unter Windows aber im Cloud-Modus ohne Datenaufbewahrung, laut eigener FAQ. Keine Aufbewahrung ist eine ernstzunehmende Zusage. Sie ist nicht dasselbe, als würde das Audio den Raum nie verlassen.

Wenn der Code die Maschine nicht verlassen darf

An dieser Frage trennt sich ein Hobby-Setup von einem, das Sie bei der Arbeit einsetzen können, und die Werbetexte dieser Kategorie verwischen sie absichtlich. Zwei Dinge werden vermengt: wo das Audio verarbeitet wird, und was der Anbieter verspricht, danach damit zu tun. Nur das Erste ist eine technische Tatsache.

Audio verlässt Ihren Computer nie: VS Code Speech, Handy, VoiceInk auf Apple Silicon, Superwhisper mit lokalen Modellen, Voibe auf Apple Silicon, Talon.

Audio geht an einen Server: Claude Code /voice, Cursor Voice, Warp Voice, Wispr Flow, Voicy, Voibe unter Windows, Superwhisper mit Cloud-Modellen.

Achten Sie darauf, wo Claude Code steht, und auf den Effekt zweiter Ordnung: /voice steht auf Bedrock, auf Google Clouds Agent Platform und auf Microsoft Foundry nicht zur Verfügung, und genau diese Bereitstellungen wählen regulierte Unternehmen. Wenn Ihr Arbeitgeber Claude Code aus Compliance-Gründen hinter Bedrock gesetzt hat, ist das eingebaute Mikrofon keine Option, über die Sie streiten müssen, weil es gar nicht erst auftaucht.

Für diese Leserinnen und Leser kostet die Empfehlung nichts: Handy, wenn Sie plattformübergreifend und kostenlos arbeiten wollen, VS Code Speech, wenn Sie in einem Editor leben, VoiceInk, wenn Sie auf einem Mac mit Apple Silicon sitzen und lieber einmal für etwas Fertigeres zahlen. Sprechen Sie es trotzdem mit den Zuständigen für Ihre Sicherheitsrichtlinie ab, denn „läuft lokal“ ist eine Behauptung, die Sie prüfen und nicht von einer Seite wie dieser übernehmen sollten.

Talon und Cursorless: die andere Sportart

Wenn Ihre Hände der Grund sind, warum Sie hier sind, ist nichts von alldem Ihre Antwort. Diktieren tippt Wörter. Es bewegt keinen Cursor, wählt nicht das dritte Argument aus und refaktoriert gar nichts.

Talon ist ein System für freihändige Eingabe: Sprachbefehle, Geräuschsteuerung (ein Zischen oder ein Plopp wird zum Klick), Eyetracking und Python-Skripte, mit denen Sie definieren, was Sie wollen. Es läuft offline auf einer eigenen Spracherkennung, unter macOS, Windows und Linux mit X11, und es ist kostenlos, mit einer Patreon-Stufe für Beta-Builds. Schauen Sie auf die Versionsnummern, bevor Sie sich festlegen: Die öffentliche Version ist 0.4.0 vom 24. Juli 2023, laut Talons eigenem Changelog. Der Beta-Kanal ist der Ort der jüngeren Arbeit, darunter eine hybride Whisper-Engine, ein „mixed mode“, der Befehle und Diktat gleichzeitig annimmt, und das Modell Conformer D, dem der Changelog rund 20 Prozent bessere Genauigkeit zuschreibt. Die Entwicklung lebt, der stabile Download zeigt es nur nicht.

Cursorless ist die Schicht, die das Editieren strukturell statt positionell macht. Es malt einen farbigen „Hut“ über je ein Zeichen jedes sichtbaren Tokens, und Sie sprechen Code über diese Hüte an: „chuck bat“ löscht das Token, dessen Hut auf jenem b sitzt. Es ist eine VS-Code-Erweiterung, gesteuert von Talon, MIT-lizenziert, 1.335 Sterne, und der letzte Commit stammt vom 26. August 2026. Der Community-Befehlssatz unter talonhub/community, den die meisten tatsächlich auf Talon aufsetzen, wurde zuletzt am 24. August 2026 angefasst. Beide Projekte sind gesund.

Lassen Sie sich von niemandem erzählen, das sei ein schneller Gewinn. Sie lernen eine gesprochene Sprache zum Bearbeiten von Text, und der Ertrag kommt in Wochen, nicht in Stunden. Der meistgelesene Bericht darüber, Xe Iasos Cursorless is alien magic from the future, kam am 10. November 2023 mit 790 Punkten und 337 Kommentaren auf die Startseite von Hacker News, und dieser Thread ist der schnellste Weg zur richtigen Erwartung: Das Gespräch dreht sich fast vollständig um RSI, Sehnenscheidenentzündung und darum, arbeitsfähig zu bleiben, und kaum um Geschwindigkeit. Das ist die Zielgruppe.

Serenade taucht weiterhin in Listen von Voice-Coding-Werkzeugen auf. Die Website läuft und der Download-Button funktioniert, aber im GitHub-Repository gab es seit dem 11. Juni 2024 keinen Push mehr. Behandeln Sie es als ungepflegt, solange sich das nicht ändert.

So diktieren Sie, dass das Ergebnis brauchbar ist

Die folgenden Gewohnheiten ergeben sich aus der Form des Problems und nicht aus einem bestimmten Werkzeug, und sie gelten für /voice, für Cursor und für eine systemweite App gleichermaßen.

Sprechen Sie die Absicht, nicht die Syntax. „Paginiere die Users-Tabelle, zwanzig pro Seite, serverseitig“ schlägt das Vorlesen einer for-Schleife. Der Agent kann Syntax besser als Ihr Mikrofon, und jedes Symbol, das Sie auszusprechen versuchen, ist eine Gelegenheit für einen Fehler.

Zehn bis dreißig Wörter am Stück, dann eine Pause. Lange ununterbrochene Monologe werden schlechter, und sehr kurze verlieren den Kontext, der das Transkript richtig auflösen lässt.

Lassen Sie das Werkzeug Namen auflösen und prüfen Sie die, die es nicht kann. Claude Code gibt Ihre Projekt- und Branchnamen an die Transkription weiter, Voibe gleicht gesprochene Bezeichner mit dem Workspace ab, Wispr Flow lernt Fachbegriffe, während Sie sie benutzen. Keines davon bekommt zuverlässig den Nachnamen einer Kollegin oder den internen Codenamen eines Dienstes hin, werfen Sie also einen Blick auf den Prompt, bevor Sie ihn senden.

Warten Sie mit dem automatischen Senden, bis Sie dem vertrauen, was zurückkommt. Automatisch ab drei Wörtern zu senden ist genau bis zu dem Moment praktisch, in dem ein halb verstandener Satz einen Agentenlauf startet, den Sie nicht wollten, und Sie die nächsten zwei Minuten damit verbringen, ihn zu stoppen.

Und halten Sie das Tippen offen. Jede gute Umsetzung lässt Sie beides in einer Nachricht mischen: Dateipfade, Flags und Regexes sind getippt schneller, und es gibt keinen Preis für Reinheit.

Wie wir das geprüft haben, und was wir nicht geprüft haben

Für diesen Artikel wurde kein Genauigkeits-Benchmark gefahren, und wir tun auch nicht so. Lesen Sie die Seiten, die derzeit für diese Suchen ranken, und Sie finden selbstbewusste Zahlen, „rund 98% Genauigkeit“, „200ms gegenüber 700ms“, „97,3% im AISpeak-Benchmark“, veröffentlicht von Firmen, deren eigenes Werkzeug im eigenen Vergleich gewonnen hat, ohne Aufnahmen, ohne Skripte und ohne Rohdaten.

Was wir stattdessen am 27. August 2026 getan haben: das Prüfbare an der Quelle prüfen.

• Anthropics Dokumentation zum Sprachdiktat vollständig gelesen, daraus stammt jede Bedingung im Claude-Code-Abschnitt.
• Alle 377 Versionen im öffentlichen Changelog von Claude Code nach Einträgen zur Sprache durchsucht und Version 2.1.69 über den Veröffentlichungszeitpunkt in der npm-Registry datiert.
• Die Changelog-Einträge zu Cursor 2.0 und 3.1 gelesen, wegen der Daten, des Tastenkürzels und des Wechsels zur Batch-Transkription.
• Microsofts Dokumentation zur Barrierefreiheit und den Marketplace-Eintrag der VS Code Speech Extension gelesen.
• Warps eigene Dokumentation gelesen, wegen der Bestätigung, dass die Transkription über Wispr Flow läuft.
• Talons öffentlichen Changelog gelesen, wegen des Veröffentlichungsdatums und der Liste der Beta-Funktionen.
• Die GitHub-API nach Sternezahlen und letzten Commits von Cursorless, dem Talon-Community-Befehlssatz, Handy, VoiceInk und Serenade abgefragt.
• Die aktuellen Preisseiten von Wispr Flow, Superwhisper, Voicy, Voibe und VoiceInk gelesen, statt Preise aus anderen Übersichten abzuschreiben.

Drei Dinge konnten wir nicht überprüfen und markieren sie, statt sie zu überspielen. Angaben der Anbieter zu Genauigkeit und Latenz sind Marketing, hier als solches wiedergegeben und nicht bestätigt. Cursor dokumentiert nicht, wo die Transkription stattfindet oder wer sie liefert, deshalb steht in unserer Tabelle „nicht dokumentiert“ statt einer Vermutung. Und Reddit ist aus unserer Recherche-Umgebung nicht erreichbar, die hier erwähnte Stimmung aus der Community stammt also aus Quellen, die Sie anklicken können: ein Hacker-News-Thread mit Datum und Cursors eigenes öffentliches Forum.

Werkzeuge, die wir angesehen und weggelassen haben

Aqua Voice, Willow Voice, Spokenly, Vibe Typer, VoiceDash und der Rest der Blog-First-Truppe. Das sind echte Produkte mit echten Nutzern, und ihr Content-Betrieb ist der Grund, warum dieses Thema so schwer zu recherchieren ist: Jede dieser Firmen veröffentlicht einen Ratgeber, der die eingebauten Funktionen zum Problem erklärt und den eigenen Download zur Antwort. Manche sind sicher gut. Wir haben sie nicht getestet und ranken nicht, was wir nicht geprüft haben.

MCP-Sprachserver wie mcp-voice-hooks. Clever, und sie lassen einen Agenten auch zurücksprechen statt nur zuzuhören. Sie sind zugleich ein zusätzliches bewegliches Teil in Ihrer Agenten-Konfiguration für eine Aufgabe, die ein Tastenkürzel schon erledigt. Einen Blick wert, wenn Sie ein Gespräch in beide Richtungen wollen, nicht, wenn Sie schnellere Prompts wollen.

Ski, freeflow, Yap und die wöchentliche Show-HN-Welle. Neue lokale Diktier-Werkzeuge starten derzeit etwa im Wochentakt auf Hacker News, die meisten kostenlos und offline. Wenn Sie gern früh dran sind, ist dieser Feed der richtige Ort. Handy ist das, das die Nutzer, die Releases und die Paketierung bereits gesammelt hat.

Dragon Professional. Weiterhin der Maßstab für Korrigieren und Formatieren per Stimme, weiterhin nur Windows, weiterhin um die $699 bei Händlern, und der Vertrieb an Privatkunden ist abgebaut worden: was mit Dragon passiert ist. Für Editoren und Terminals war es nie gebaut.

Systemdiktat unter macOS und Windows. Kostenlos, schon installiert, in Ordnung für einen Satz in einem Textfeld. Beide fallen bei Fachvokabular auseinander, und das ist der gesamte Inhalt dessen, was Entwickler sagen.

Was Sie als Nächstes tun

Verbringen Sie fünf Minuten mit dem, was Sie schon haben: /voice in Claude Code, Ctrl+M in Cursor, Ctrl+I in VS Code. Wenn Sie nur stört, dass in jedem Fenster ein anderes Mikrofon sitzt, ist genau das das Problem, das eine systemweite Schicht löst, und Sie können es auf der kostenlosen Stufe von Wispr Flow klären, bevor Sie etwas bezahlen. Wenn Ihr Code die Maschine nicht verlassen darf, installieren Sie stattdessen Handy, oder VoiceInk, wenn Sie auf einem Mac mit Apple Silicon sitzen und für einmalig $29 etwas Fertigeres wollen. Und wenn Sie hier sind, weil das Tippen wehtut, ist nichts davon Ihre Antwort: Fangen Sie mit Talon und Cursorless an und geben Sie sich Wochen.