Ein Browser-Tab gegen eine Tastatur
Dictation.io ist ein Werkzeug für den Browser. Du machst es in Chrome auf einem Windows-, Mac- oder Linux-Rechner auf, du redest, und die Wörter erscheinen auf der Seite, samt gesprochenen Befehlen für Satzzeichen und Absätze. Es beherrscht weit über hundert Sprachen und hält das Diktierte im Browser fest, statt in einem Konto irgendwo.
LocalType ist eine Android-Tastatur. Das Mikrofon ist eine Taste darauf, die Wörter gehen direkt in die App, in der du gerade getippt hast, und das Sprachmodell, das die Erkennung macht, ist eine Datei auf deinem Handy.
LocalType ist ein eigenständiges Produkt und steht in keiner Verbindung zu dictation.io.
"Lokal gespeichert" und "lokal erkannt" sind zweierlei
Die beiden Formulierungen klingen ähnlich und bedeuten nichts Ähnliches.
Dictation.io behält deinen Text im Browser, und das ist eine wirklich gute Eigenschaft: Deine Notizen liegen nicht in einem Konto, das du längst vergessen hast. Die Erkennung ist aber eine andere Sache. Das Werkzeug benutzt die Spracherkennung von Google und führt eine Internetverbindung als Voraussetzung auf. Damit ist klar, wo aus dem Ton Wörter werden.
Der Text ist also lokal. Das Zuhören nicht.
LocalType dreht das um. Das Modell, das aus deiner Stimme Text macht, wird einmal aufs Handy geladen und läuft danach dort. Genau deshalb arbeitet die App auch mit komplett abgeschalteter Verbindung. Dein Ton muss nicht reisen, um verstanden zu werden.
Wer Diktierwerkzeuge bisher danach ausgesucht hat, dass sie "nichts speichern", sollte einmal nachsehen, welche Hälfte des Satzes ihm verkauft wurde.
Das Geräteproblem
Die andere Sache an einer Chrome-Seite ist, dass sie auf einem Rechner liegt, und das meiste Diktieren findet längst nicht mehr am Rechner statt.
Du antwortest im Zug. Du ergänzt in der Küche eine Liste. Du beantwortest im Gehen eine Nachricht. In keinem dieser Momente klappst du einen Laptop auf, lädst eine Website, diktierst hinein, markierst das Ergebnis und trägst es dorthin, wo es hinsollte.
Eine Tastatur ist in all diesen Momenten schon da, per Definition, denn sie ist das, was in dem Augenblick aufgeht, in dem du ein Textfeld antippst. Das ist der ganze Grund, warum LocalType als Tastatur gebaut ist und nicht als App, die man aufsucht. Es funktioniert überall dort, wo eine Tastatur aufgeht, in Nachrichten, Mail, Notizen, Browsern und Formularen, auf Handys wie auf Tablets ab Android 8.0.
Nichts zu kopieren, nichts, was liegen bleibt
Bei einem Werkzeug im Browser ist der letzte Schritt immer Handarbeit. Markieren, kopieren, App wechseln, einfügen, Abstände richten. Kleinigkeiten, aber sie sind der Grund, warum die meisten Leute es sein lassen und doch tippen.
Bei LocalType gibt es keinen letzten Schritt. Die Wörter kommen in dem Feld an, in dem du ohnehin warst, genau so, als hättest du sie getippt, und die Zwischenablage wird nie angefasst. Es bleibt auch nichts liegen: Keine Seite hält einen Entwurf, den du letzten Dienstag diktiert hast, und die App führt kein Archiv der Aufnahmen.
In Passwortfeldern verweigert das Mikrofon absichtlich die Arbeit. Damit fällt die eine Sorte versehentliches Diktieren weg, die wirklich unangenehm ist.
Was auf deinem Handy wohnt, und was das kostet
Die Erkennung selbst zu machen heißt, das Modell mitzuschleppen, und diese Last ist echt.
Drei Größen kommen mit der App, damit die Entscheidung bei dir liegt und nicht bei uns. Die 60-MB-Variante ist der Sprinter, und auf einem Handy mit knappem Arbeitsspeicher ist sie die einzig vernünftige Wahl. Die 190-MB-Variante ist die Empfehlung für die meisten Geräte. Die 539-MB-Variante hört Dialekt und volle Räume am besten, lässt dich aber darauf warten: Auf einem Testgerät mit 4 GB Arbeitsspeicher machte das mittlere Modell aus 6,9 Sekunden Sprache in 4,1 Sekunden Text, während das größte etwa doppelt so lange braucht, wie du geredet hast.
Auf dem Gerät wohnt immer nur eines, ein Größenwechsel tauscht die Datei also aus, statt eine zweite danebenzustellen.
Eine Seite im Browser hat nichts von diesem Gewicht, und das ist ein echter Vorteil, bis zu dem Moment, in dem du keinen Empfang hast. Dann hört die gewichtslose Lösung auf, und die schwere macht weiter. Flugzeuge, Tunnel, Keller, Auslandsreisen mit abgeschalteten Daten: nichts davon ist ein Sonderfall, weil nie etwas verschickt wurde.
Was du dafür bekommst, dass du etwas installierst
Eine Webseite aufzumachen kostet nichts, und kostenlose Dinge im Netz werden meistens auf dieselbe Weise finanziert. Bei LocalType ist das anders, und der Unterschied ist das eigentliche Argument dafür, eine App aufs Handy zu legen statt einen Tab in den Browser.
Werbung ist keine drin, es wird also auch kein Werbeprofil aus dem zusammengetragen, was du diktierst. Im Produkt verfolgt nichts, was du damit machst, es gibt also kein Tracking. Ein Konto verlangt die App nicht, es gibt keine Anmeldung und kein Profil. Die Modelldatei liegt in einem Speicher, den nur LocalType lesen kann, und die Daten der App bleiben absichtlich außerhalb vom Cloud-Backup von Android, sie werden also auch auf diesem Weg nicht vom Gerät kopiert. Internet fragt die App für genau einen Zweck an, nämlich um das Modell zu laden, das du ausgesucht hast, und für nichts sonst.
Wörter, die du selbst einträgst, Nachnamen von Kolleginnen, Produktnamen, das Kürzel, das dein Team täglich benutzt, bleiben auf dem Gerät und werden dem Sprachmodell als Zusammenhang mitgegeben, sie kommen also mit der Zeit richtig geschrieben heraus.
Und darunter ist immer noch eine Tastatur: Autokorrektur, Wortvorschläge, ein Wörterbuch pro Sprache, die üblichen Layouts mit QWERTZ und AZERTY, und der vollständige Emoji-Satz. Du installierst kein Diktierwerkzeug. Du installierst das, womit du schreibst, und das hört eben zu, wenn du es darum bittest.
Achtzehn Sprachen, ohne Menü
LocalType erkennt achtzehn Sprachen aus einem einzigen mehrsprachigen Modell und findet pro Aufnahme heraus, welche du gerade sprichst, statt dich das vorher einstellen zu lassen. Schreib die eine Nachricht auf Deutsch und die nächste auf Englisch, ohne dazwischen etwas anzufassen. Stell es stattdessen fest ein, dann folgen Tastaturlayout, Wörterbuch und Diktiersprache dieser Wahl gemeinsam.
Gleich genau ist es nicht in allen achtzehn. Modelle sehen in manchen Sprachen weit mehr Material als in anderen, und die weit verbreiteten haben etwas davon. Wer gleichmäßige Genauigkeit über hundert Sprachen verspricht, beschreibt einen Wunsch und keine Messung.
Was dictation.io besser macht
Es braucht keine Installation. Browser auf und los. Auf einem Rechner, der dir nicht gehört, oder auf einem, auf dem du nichts installieren darfst, gibt das den Ausschlag.
Es ist kostenlos und deckt mehr Sprachen ab. LocalType ist nach einer Testphase kostenpflichtig, und achtzehn ist eine kleinere Zahl als hundert. An keiner der beiden Tatsachen wird durch Diskutieren etwas besser.
Es nimmt gesprochene Befehle an. Du kannst den Namen eines Satzzeichens sagen oder einen neuen Absatz verlangen, und es gehorcht. Das ist eine echte Funktion für alle, die längere formatierte Texte diktieren, und LocalType behauptet sie nicht: Was unser Modell abliefert, ist eine Mitschrift der Wörter, die du tatsächlich gesagt hast, abgelegt im Feld, und die Satzzeichen darin sind erschlossen und nicht von dir benannt.
Ob das zählt, hängt davon ab, was du schreibst. Für Nachrichten und kurze Antworten ist es mehr Aufwand, Satzzeichen auszusprechen, als ein Komma zu tippen. Für ein langes, gegliedertes Dokument ist es der Unterschied zwischen Diktieren und Nacharbeiten.
Wenn dein Diktieren am Schreibtisch stattfindet, in Chrome, in langen Strecken in ein Dokument, das du danach überarbeitest, dann hat ein Werkzeug im Browser die richtige Form, und es gibt keinen Grund zu wechseln.
Zwei verschiedene Sätze
Dictation.io ist eine gute Antwort auf "Ich will an meinem Rechner diktieren, ohne etwas zu installieren". LocalType ist die Antwort auf "Ich will auf meinem Handy diktieren, in der App, in der ich schon bin, ohne dass meine Stimme irgendwohin geht". Sie stehen sich nicht wirklich im Weg. Es sind Antworten auf zwei verschiedene Sätze, und den zweiten brauchen die meisten Leute am Ende öfter als den ersten.