Diktieren und Spracheingabe unter Linux
Am Mac und unter Windows drückt man eine Tastenkombination und diktiert. Unter Linux bringen die großen Desktops nichts Vergleichbares mit, du installierst also eine App oder baust dir selbst etwas zusammen. Die erste Frage ist dabei nicht, welche App, sondern welche Sitzung du gerade nutzt. Dieser Ratgeber erklärt, warum X11 und Wayland fürs Diktieren so viel ausmachen, worauf du bei einer Diktier-App für Linux achtest, wie Voice Monkeys unter Linux läuft und wie du die typischen Probleme löst, einschließlich der AltGr-Falle auf deutschen Tastaturen.
Zuerst prüfen: X11 oder Wayland?
Ein Diktierprogramm muss zwei Dinge außerhalb seines eigenen Fensters tun: einen Hotkey bemerken, während ein anderes Programm den Fokus hat, und Text in dieses andere Programm einfügen. Unter X11 (Xorg) durften Anwendungen traditionell beides. Wayland wurde gebaut, um Anwendungen voneinander abzuschotten. Ein Programm kann dort nicht einfach alle Tastendrücke mitlesen oder in ein fremdes Fenster tippen. Für die Sicherheit ist das gut, fürs Diktieren unpraktisch.
Welche Sitzung du hast, siehst du im Terminal mit `echo $XDG_SESSION_TYPE`. Die Ausgabe ist `x11` oder `wayland`. Die meisten Desktops zeigen es zusätzlich unter „Info“ oder in den Systeminformationen.
- x11: Globale Hotkeys und simuliertes Tippen funktionieren in der Regel, die meisten Diktierwerkzeuge verhalten sich wie erwartet.
- wayland: Ein Werkzeug braucht einen Wayland-fähigen Tipp-Helfer oder zusätzliche Einrichtung, manche Apps laufen gar nicht.
Bietet deine Distribution noch eine X11-Sitzung an, wählst du sie meist auf dem Anmeldebildschirm: Benutzer anklicken, dann vor der Passworteingabe nach einem Sitzungsmenü suchen, oft ein Zahnrad-Symbol. Einige neuere Versionen haben X11-Sitzungen für bestimmte Desktops entfernt oder bauen sie gerade ab. Prüf also, was deine Distribution anbietet, bevor du dich darauf verlässt.
Worauf du bei einer Diktier-App für Linux achtest
Unter Linux gibt es zwei Wege: Open-Source-Werkzeuge zum Selberbauen und fertig verpackte Apps. Bastellösungen bestehen meist aus einer Erkennungsbibliothek, einem heruntergeladenen Modell, einem Aufnahmeprogramm und einem Helfer, der simulierte Tastendrücke schickt. Das ist flexibel und kostenlos, verlangt aber Zeit mit der Kommandozeile und eigene Skripte für den Hotkey. Fertige Apps nehmen dir das ab, kosten aber oft Geld.
Egal welcher Weg: Prüf, ob die Erkennung offline auf deinem Rechner läuft, ob das Werkzeug in deiner Sitzung (X11 oder Wayland) Text einfügen kann, ob es ein Paket für deine Distribution gibt und welche Sprachen es erkennt. Die allgemeinen Kriterien stehen in Diktiersoftware auswählen.
| Weg | Wie der Text in die App kommt | Offline | Aufwand |
|---|---|---|---|
| Open-Source-Werkzeug zum Selberbauen | Simulierte Tastendrücke über einen Tipp-Helfer, je nach Sitzung unterschiedlich | Meist ja, mit heruntergeladenem Modell | Kommandozeile, Skripte, Hotkey selbst einrichten |
| Fertige Diktier-App | Taste halten, Text wird am Cursor eingefügt | Je nach App, prüfen | Paket installieren |
| Online-Dienst im Browser | Nur in der Webseite des Dienstes, danach kopieren | Nein | Gering, aber umständlich im Alltag |
Voice Monkeys unter Linux
Voice Monkeys ist unsere eigene App, lies diesen Abschnitt also mit entsprechender Skepsis. Es gibt sie für 64-Bit-Linux als AppImage und als .deb-Paket für Ubuntu und Debian. Du hältst eine Taste, sprichst und lässt los, und der Text steht am Cursor, ob im Editor, im Terminal, im Browser oder im Chat. Einmal tippen startet den Freihandmodus, nochmal tippen beendet ihn, Esc bricht ab. Es erkennt 25 Sprachen automatisch, auch gemischt in einem Satz; mehr dazu unter in mehreren Sprachen diktieren.
Die Erkennung läuft offline auf deinem Rechner. Internet brauchst du einmal für das Sprachmodell (rund 640 MB) und danach nur für Lizenzprüfung und Updates; Ton und Text werden nicht gesendet. Der Preis: einmalig 25 $ für eine lebenslange Lizenz auf einem Rechner, ohne Abo, mit 7 Tagen Test ohne Karte und Rückerstattung innerhalb von 14 Tagen. Nutze die Testphase, um in deiner eigenen Sitzung zu prüfen, ob Hotkey und Einfügen funktionieren. Zu haben über die Seite zum Download.
AppImage oder .deb installieren
- AppImage: herunterladen, mit `chmod +x` und dem Dateinamen ausführbar machen, starten. Startet sie nicht und die Fehlermeldung erwähnt FUSE, installiere das FUSE-2-Kompatibilitätspaket deiner Distribution (unter Ubuntu meist libfuse2, auf neueren Versionen libfuse2t64).
- .deb (Ubuntu, Debian): mit `sudo apt install ./` und dem Dateinamen installieren, damit apt die Abhängigkeiten auflöst, dann aus dem Anwendungsmenü starten.
- Sitzung prüfen, bevor du die App das erste Mal startest: `echo $XDG_SESSION_TYPE` zeigt, ob du in X11 oder Wayland bist.
- Mikrofon auswählen in den Ton-Einstellungen deines Desktops oder mit einem Mixer wie pavucontrol, und prüfen, ob der Pegel beim Sprechen ausschlägt.
Die AltGr-Falle auf deutschen Tastaturen
Auf dem deutschen Tastaturlayout ist die rechte Alt-Taste keine normale Alt-Taste, sondern AltGr. Mit ihr tippst du @, €, eckige und geschweifte Klammern, den Backslash und die Tilde. Für Leute, die in der Konsole oder im Code-Editor arbeiten, ist das eine der meistbenutzten Tasten überhaupt.
Legst du das Diktat auf dieselbe Taste, kollidiert beides: Entweder startet beim Tippen von `{` plötzlich die Aufnahme, oder die Tastenkombination kommt nicht mehr an. Wähl deshalb gleich bei der Einrichtung eine andere Diktiertaste, etwa eine Taste, die du sonst nie brauchst. Das gilt genauso unter Windows auf einem deutschen Laptop.
Offline diktieren unter Linux
Lokale Erkennung ist unter Linux besonders naheliegend: Du behältst die Kontrolle darüber, was dein Rechner sendet, und das Diktat funktioniert im ICE mit wackligem WLAN oder im Funkloch auf dem Land. Prüfen kannst du das selbst: Netzwerk trennen, diktieren, und mit `nethogs` oder `ss` nachsehen, ob das Programm beim Sprechen Verbindungen öffnet.
Ob ein Modell zu dir passt, hängt von deinem Rechner und deinen Sprachen ab. Teste mit echten Sätzen, zum Beispiel „Merge den Branch, wenn die Tests durch sind, und tagge das Release als Version zwei Punkt vier.“, und zähle die Korrekturen. Diktierst du lange Commit-Nachrichten oder Kommentare, hilft Diktieren für Entwickler. Ist Datenschutz dein Grund, erklärt ist Diktieren privat, welche Fragen du jedem Werkzeug stellen solltest.
Probleme unter Linux lösen
- Der Hotkey macht nichts: Erst die Sitzung prüfen. Unter Wayland sind globale Hotkeys normaler Apps oft blockiert; abmelden und, falls angeboten, eine X11-Sitzung wählen.
- Statt Diktat erscheinen Sonderzeichen: Das ist die AltGr-Kollision von oben. Eine andere Diktiertaste einstellen.
- Text wird erkannt, aber nicht eingefügt: Der Cursor muss in einem Textfeld stehen und das Zielfenster beim Loslassen den Fokus haben. Manche Terminal-Emulatoren fügen nur mit Strg+Umschalt+V ein, teste deshalb zuerst in einem einfachen Texteditor.
- Es kommt nichts an: Ton-Einstellungen oder pavucontrol öffnen, das richtige Eingabegerät wählen, auf den Pegel schauen. Bluetooth-Headsets tauchen manchmal als zwei Geräte auf; nimm das mit Mikrofon.
- Das AppImage startet nicht: Aus dem Terminal starten, um die Fehlermeldung zu sehen. Eine FUSE-Meldung heißt, dass das Kompatibilitätspaket fehlt.
Nutzt du nebenbei Windows, erklärt die Anleitung zum Diktieren unter Windows das eingebaute Diktat, und Diktier-App für Windows auswählen hilft bei installierbaren Programmen.
Fragen und Antworten
Hat Linux eine eingebaute Diktierfunktion wie Mac oder Windows?
Die großen Linux-Desktops bringen keine systemweite Diktierfunktion mit, die mit Mac oder Windows vergleichbar wäre. Du installierst eine App oder richtest ein Open-Source-Werkzeug ein.
Warum ist Wayland beim Diktieren schwieriger?
Wayland schottet Anwendungen voneinander ab. Ein Programm kann dort nicht ohne Weiteres globale Tastendrücke bemerken oder in fremde Fenster tippen, was Diktier-Apps aber brauchen.
Für welche Distributionen ist das .deb-Paket von Voice Monkeys gedacht?
Für Ubuntu und Debian. Auf anderen 64-Bit-Distributionen nimmst du das AppImage.
Kann ich unter Linux ohne Internet diktieren?
Ja. Voice Monkeys erkennt Sprache unter Linux offline auf deinem Rechner, nach einem einmaligen Download des Sprachmodells von rund 640 MB.
Gibt es eine kostenlose Lösung?
Ja, es gibt Open-Source-Werkzeuge. Sie brauchen mehr Einrichtung als eine fertige App, Hotkey und Texteingabe regelst du selbst.