Diktieren, Sprache zu Text, Transkription: was die Begriffe bedeuten und was du brauchst

Aktualisiert: 6. November 2026

Wer nach „Sprache zu Text“ sucht, bekommt Diktier-Apps, Meeting-Recorder, Transkriptionsdienste, Siri-Tipps, Software für Kanzleien und Barrierefreiheit bunt gemischt. Unter der Haube steckt überall eine Spracherkennung, aber die Werkzeuge lösen unterschiedliche Aufgaben. Die falsche Kategorie zu wählen ist der häufigste Grund, warum Leute das Sprechen statt Tippen wieder aufgeben. Hier findest du die Begriffe, denen du begegnest, was jeweils hineingeht und herauskommt, und welche Kategorie zu welcher Aufgabe passt.

Die Begriffe nebeneinander

Sprache zu Text ist der Oberbegriff für all das: jede Technik, die gesprochene Wörter in geschriebene verwandelt. Nennt sich ein Produkt „Speech to Text“ oder „Sprache zu Text App“, finde heraus, welche Zeile der Tabelle es tatsächlich abdeckt.

Diktat und Spracheingabe: mit der Stimme schreiben

Beim Diktieren bist du der Autor und schreibst jetzt gerade. Du setzt den Cursor in eine Mail, ein Dokument oder ein Chatfenster, sprichst, und dort erscheinen die Wörter. Du siehst sie sofort und korrigierst nebenbei oder in einem Durchgang danach. Das Ergebnis soll dein Text sein, kein Protokoll dessen, was gesagt wurde.

Spracheingabe ist schlicht Microsofts Name dafür: Windows-Taste + H, auf „Zuhören…“ warten, sprechen, zum Beenden „Spracheingabe beenden“ sagen. Apple nennt dasselbe Diktierfunktion. Das ältere Diktat von Windows 10 hieß ebenfalls Diktieren und kannte Befehle nur auf US-Englisch.

Gutes Diktieren hängt an der Geschwindigkeit des Kreislaufs: wie schnell du startest, ob der Text dort landet, wo dein Cursor steht, und ob „Komma“ oder „neuer Absatz“ das Richtige erzeugt. Tipps dazu stehen in den Anleitungen zum Diktieren am Mac und zur Diktierfunktion von Windows 11.

Transkription: aus Aufnahmen wird Text

Transkription beginnt mit Ton, der schon existiert oder gerade aufgenommen wird: eine Podcast-Folge, die Aufzeichnung einer Vorlesung, ein zweistündiges Kundengespräch. Niemand schreibt an einem Cursor; das Ziel ist eine getreue Niederschrift. Gute Transkriptionswerkzeuge kümmern sich um Dinge, die beim Diktieren egal sind: Sprecher trennen, Zeitstempel setzen, lange Dateien verkraften, Untertitel oder Dokumente exportieren.

Manche Produkte können beides. Wispr Flow nennt auf seiner (englischen) Preisseite zum Beispiel Diktieren auf Mac, Windows, iOS und Android und zusätzlich einen eigenen Notetaker für Mac und Windows. Auf der Engine-Seite ist whisper.cpp eine Open-Source-Umsetzung des Spracherkennungsmodells Whisper, die Ton auf einem normalen Rechner offline transkribieren kann, wenn dir die Kommandozeile liegt.

Lautet deine Aufgabe „Ich habe eine Aufnahme und brauche den Text“, ist eine Diktier-App das falsche Werkzeug, auch eine gute, denn sie erwartet eine Live-Stimme und einen Cursor.

Digitales Diktat: der Klassiker aus Kanzlei und Praxis

In Deutschland meint „digitales Diktat“ oft etwas anderes als Diktieren am Bildschirm. Gemeint ist der traditionelle Ablauf aus Anwaltskanzleien, Arztpraxen und Behörden: Jemand spricht einen Schriftsatz oder Arztbrief in ein Diktiergerät oder eine Diktier-App, die Datei landet bei der Schreibkraft, und die tippt sie ab, manchmal mit Unterstützung einer Spracherkennung, die einen Rohtext vorschreibt.

Der Vorteil dieses Ablaufs ist die Arbeitsteilung: Wer diktiert, muss nicht korrigieren. Der Nachteil ist die Wartezeit, bis der Text zurückkommt. Live-Diktat dreht das um: Du siehst den Text sofort, bist aber selbst fürs Korrekturlesen zuständig. Viele, die heute vom Diktiergerät umsteigen, machen kurze Briefe und Mails live und behalten den alten Ablauf für lange, heikle Dokumente.

Wenn es um vertrauliche Inhalte geht, ist die Frage nicht nur, welche Kategorie, sondern wo die Sprache verarbeitet wird. Was du dabei prüfen solltest, steht in den Ratgebern Diktieren für Anwälte und Diktieren für Ärzte. Die verbindlichen Regeln legen immer dein Arbeitgeber, deine Kammer oder dein Datenschutzbeauftragter fest.

Sprachassistenten und Sprachsteuerung: Sprache als Anweisung

Ein Sprachassistent hört auf eine Bitte und handelt: Wecker stellen, Nachricht schicken, Wetter ansagen. Was du sagst, wird ausgewertet, nicht aufgeschrieben. Du bekommst keinen bearbeitbaren Text zurück, sondern ein Ergebnis.

Sprachsteuerung liegt näher am Diktieren, zielt aber darauf, den Computer zu bedienen: „Klicke auf Senden“, „nach unten scrollen“, „Safari öffnen“, dazu Texteingabe. Am wichtigsten ist sie für Menschen, die Tastatur oder Maus nicht bequem benutzen können. Am Mac gibt es einen praktischen Haken: Laut Apple steht die normale Diktierfunktion nicht zur Verfügung, solange die Sprachsteuerung eingeschaltet ist. Du nutzt also das eine oder das andere.

Die Grenzen verschwimmen, wenn ein Diktierwerkzeug KI-Umformulierung oder Befehle dazunimmt. Die Frage bleibt trotzdem einfach: Ist das Hauptergebnis dein Text, eine Aktion oder die Niederschrift eines Gesprächs?

Welches Werkzeug für welche Aufgabe

• Mails und Chats schneller beantworten: Diktat. Erst die eingebaute Funktion, eine App, wenn du eine Taste für alle Programme willst.
• Lange Entwürfe (Artikel, Berichte, Romane): Diktat im Freihandmodus, danach überarbeiten. Siehe Diktieren für Autoren.
• Text aus einem aufgezeichneten Interview oder einer Vorlesung: Transkriptionssoftware, kein Diktat.
• Protokoll einer Besprechung mit mehreren Leuten: ein Meeting-Notizdienst, der alle aufnimmt, nicht nur dich.
• Schriftsätze, die eine Schreibkraft fertigstellt: klassisches digitales Diktat.
• Computer ohne Hände bedienen: Sprachsteuerung am Mac oder Sprachzugriff unter Windows.
• Kurze Fragen und Erinnerungen: ein Sprachassistent.
• Notizen in zwei Sprachen: ein Diktierwerkzeug, das beide beherrscht, siehe in mehreren Sprachen diktieren.

Was Voice Monkeys ist und was nicht

Voice Monkeys ist unsere eigene Diktier-App für Computer. Du hältst eine Taste (rechte Wahltaste am Mac, rechte Alt-Taste unter Windows und Linux), sprichst, lässt los, und der Text erscheint am Cursor im Programm, das gerade vorne ist. Ein kurzes Antippen schaltet in den Freihandmodus bis zum nächsten Tippen, Esc bricht ab. Es versteht 25 Sprachen, auch gemischt in einem Satz. Auf Macs mit Apple Silicon läuft es offline und kostet einmalig 25 US-Dollar, unter Windows, Linux und auf Intel-Macs ist es ein Cloud-Abo für 12 US-Dollar im Monat oder 96 im Jahr.

Es ist kein Transkriptionsdienst: Es nimmt keine Audiodateien an und zeichnet keine Meetings auf. Es gibt keine App für iPhone oder Android. Es ist kein Sprachassistent und steuert keine Programme. Es ist nicht Open Source. Brauchst du eines davon, nimm ein Werkzeug aus der passenden Zeile der Tabelle oben. Willst du am Rechner schnell mit der Stimme schreiben, kannst du Voice Monkeys über die Seite zum Download ausprobieren oder es im Überblick zur besten Diktier-App vergleichen.

Fragen, bevor du dich für ein Produkt entscheidest

• Soll der Text dort erscheinen, wo mein Cursor steht, oder brauche ich eine Datei zum Speichern?
• Spreche nur ich, oder mehrere Personen?
• Ist der Ton live oder schon aufgenommen?
• Soll der Computer etwas tun oder etwas schreiben?
• Wo wird meine Sprache verarbeitet, und passt das zu den Regeln, unter denen ich arbeite? Der Ratgeber ist Diktieren privat listet, was du prüfen solltest.

Zwei, drei ehrliche Antworten grenzen das Feld meist auf eine Kategorie ein. Innerhalb dieser Kategorie schlägt eine kostenlose Testphase mit deinen eigenen Sätzen jede Funktionsliste.

Fragen und Antworten

Quellen

• Apple: Diktieren auf dem Mac (geprüft 6. November 2026)
• Microsoft: Verwenden der Spracheingabe zum Sprechen statt Tippen auf Ihrem PC (geprüft 6. November 2026)
• Wispr Flow: Preise (Englisch) (geprüft 6. November 2026)
• whisper.cpp auf GitHub (Englisch) (geprüft 6. November 2026)

Weitere Ratgeber

• Die beste Diktier-App finden: Vergleich und Entscheidungshilfe
• Am Mac diktieren: Einrichtung, Befehle und Lösungen
• Diktieren unter Windows 11 mit der Spracheingabe
• Zweisprachig diktieren: Sprache wechseln, Sprachen mischen