Diktieren statt Tippen – für jemanden, der viel schreibt, ist das kein Luxus, sondern eine echte Arbeitserleichterung. Der naheliegende Vorteil ist Geschwindigkeit: Sprechen ist schneller als Tippen. Für viele Menschen ist Speech-to-Text aber weit mehr als das – es ist überhaupt erst die Voraussetzung, um am Computer arbeiten zu können. Wer nur eine Hand nutzen kann, wer unter Arthrose, einem Sehnenscheiden-Syndrom oder anderen motorischen Einschränkungen leidet, wer aus welchem Grund auch immer keine Tastatur bedienen kann – für all diese Menschen ist Diktiersoftware kein Komfortfeature, sondern ein Zugangswerkzeug. Auch abseits körperlicher Einschränkungen gibt es gute Gründe: Wer viel unterwegs ist oder längere Texte formuliert, ohne dabei ständig auf den Bildschirm schauen zu müssen, profitiert ebenso.
Die Marktführer in diesem Bereich sind allerdings fast ausnahmslos Windows- oder macOS-Lösungen. Wer unter Debian arbeitet und dabei möglichst lokal, unabhängig und ohne Cloud-Anbindung bleiben möchte, muss etwas tiefer graben. Der folgende Bericht ist keine Kaufempfehlung, sondern ein ehrlicher Erfahrungsbericht – inklusive der Umwege, die eine Open-Source-Lösung mit sich bringen kann.
ein Mikrofon und eine Sprechblase, die sich in Text auflöst, vor einem Hintergrund aus Terminal-Zeilen-Code, dazu ein Pinguin-Motiv (dezent, als Linux-Anspielung. Alternativ ruhiger: eine offene Hand, aus der Schallwellen aufsteigen und sich in Buchstaben verwandeln ..
Wispr Flow – die Windows-Lösung im neuen Gewand
Wispr Flow kannte ich bereits von Windows und war von der Bedienung überzeugt. Für Linux gibt es zwar einen inoffiziellen Port, dieser funktioniert jedoch im Kern nur, indem die Windows-Version in einer virtuellen Maschine oder über einen Wrapper nachgebildet wird. Für mich ergab das wenig Sinn: Ich hätte am Ende doch wieder eine Windows-Anwendung betrieben, nur eben in einer anderen Verpackung – inklusive des Ressourcenverbrauchs einer VM. Diese Variante habe ich daher gar nicht erst ernsthaft verfolgt.
OpenWhispr – Ernüchterung nach der Testphase
Der nächste Versuch war OpenWhispr, eine unter mehreren Namen kursierende Linux-Lösung auf Whisper-Basis. Auf den ersten Blick vielversprechend, zeigten sich im Alltag jedoch schnell die Schwachstellen:
- Die Software war nicht wirklich kostenlos – nach einer Testphase wäre eine Bezahlung fällig geworden.
- Nach Ablauf dieser Zeit war die gesamte Konfiguration verloren.
- Am ärgerlichsten: Obwohl auf Deutsch eingestellt, wechselte die Erkennung immer wieder unvermittelt ins Englische – teilweise sogar ins Chinesische oder Hindi.
Damit war für mich klar: So lässt sich nicht produktiv arbeiten. OpenWhispr habe ich vollständig deinstalliert, inklusive der mehrere Gigabyte großen Sprachmodell-Caches.
Aparté – Fortschritt mit Umwegen
Der dritte Anlauf galt Aparté (vormals Murmur), einer schlanken, konsequent lokal arbeitenden Diktier-Anwendung aus Frankreich, die ebenfalls auf Whisper aufsetzt. Die Grundidee überzeugt: Keine Cloud, keine Abo-Falle, volle Kontrolle über die eigenen Daten.
Der Weg dorthin war allerdings alles andere als geradlinig. Schon der schlichte Download des Repositories geriet zur Geduldsprobe – lange GitHub-Links wurden im Terminal wiederholt abgeschnitten, sodass am Ende nur der Umweg über den Browser-Download funktionierte. Die Installation in einer eigenen Python-Umgebung (venv) war nötig, weil moderne Debian-Systeme das direkte Installieren von Paketen über pip aus guten Gründen blockieren. Anschließend fehlte das eigentliche Erkennungs-Backend (faster-whisper) und musste separat nachinstalliert werden.
Kurios wurde es beim Einrichten des globalen Tastaturkürzels: Ein Rest der alten OpenWhispr-Installation meldete sich – auf Französisch – immer wieder mit einer Fehlermeldung, sobald das Mikrofon angesprochen wurde. Erst das gezielte Zurücksetzen der Cinnamon-Tastenkürzel über die Kommandozeile hat dieses Phantom endgültig zum Schweigen gebracht.
Aktuell nutze ich Aparté im stabilen Desktop-Modus über den Browser – zu etwa 80 Prozent zu meiner Zufriedenheit. Die Spracherkennung selbst ist, sobald sauber auf Deutsch eingestellt, deutlich präziser als bei OpenWhispr. Die Feinjustierung – vor allem beim globalen Hotkey über verschiedene Editoren hinweg – ist noch nicht vollständig abgeschlossen.
- Abhängigkeiten installieren:
sudo apt install ffmpeg git python3-venv - Repository laden (bei Terminal-Problemen: Download über den Browser als ZIP)
- Virtuelle Umgebung anlegen:
python3 -m venv venv && source venv/bin/activate - Installation im Projektordner:
pip install -e . - Erkennungs-Backend nachrüsten:
pip install faster-whisper - Oberfläche starten:
aparte desktop(öffnet sich im Browser) - Im Setup-Menü: Sprache auf German stellen und ein multilinguales Modell wählen (kein Modell mit Endung
.en) - Optional: globales Tastenkürzel über
aparte install-hotkeyoder manuell in den Systemeinstellungen anlegen
Was diese Odyssee zeigt
Open Source bedeutet nicht automatisch "einfach". Was auf GitHub in wenigen Zeilen als Installationsanleitung steht, kann in der Praxis mehrere Stunden Fehlersuche bedeuten – veraltete Dokumentation, geänderte Projektstrukturen, Eigenheiten der jeweiligen Linux-Distribution. Wer bereit ist, sich darauf einzulassen, wird am Ende mit einer Lösung belohnt, die weder Abo-Kosten noch Datenabfluss in eine Cloud mit sich bringt.
Am Ende bleibt die eigentliche Erkenntnis: Die Technologie funktioniert – aber der Weg dorthin ist unter Linux noch immer holpriger, als er sein müsste. Wer diese Zeit nicht investieren möchte oder kann, wird mit einer kommerziellen Lösung – trotz aller Bedenken – schneller ans Ziel kommen. Für mich persönlich hat sich die Mühe gelohnt: keine Abhängigkeit von einem Cloud-Dienst, keine Abo-Kosten, und ein Werkzeug, das genau das tut, was es soll – auch wenn es ein Wochenende gebraucht hat, es dazu zu bringen.
