Das Ungleichgewicht, das niemand erwähnt
Eine Sprachnachricht ist billig zu machen und teuer zu empfangen.
Eine zu machen dauert so lange wie das Sprechen. Eine zu empfangen dauert so lange wie das Zuhören, in deinem Tempo statt in ihrem, an einem Ort, an dem Ton gesellschaftlich in Ordnung geht, mit Kopfhörern, wenn jemand danebensitzt, vollständig, ohne die Möglichkeit, zu der Stelle zu springen, auf die es ankommt.
Eine Nachricht von vierzig Sekunden mit einem nützlichen Satz kostet trotzdem vierzig Sekunden. Rechne das über einen Gruppenchat hoch, und die Sache wird unangenehm.
Diktieren nimmt das Ungleichgewicht weg. Der Aufwand für dich ist derselbe, und was ankommt, ist Text: zu überfliegen, zu durchsuchen, in einer Besprechung zu lesen, in einer Antwort zu zitieren.
Wo Sprachnachrichten wirklich gewinnen
Sprachnachrichten sind keine geringere Form der Verständigung.
Ein Tonfall, den Text zerstört. Eine Entschuldigung, schlechte Nachrichten, etwas Zugewandtes, alles, was geschrieben schroff klänge. Stimmen tragen Angaben, die Satzzeichen nicht nachbilden können.
Verwickelte Erklärungen. Dinge, bei denen du gestikulieren würdest, wärst du im Raum. Ein Weg, ein Stück Familiengeschichte, warum etwas schiefgegangen ist.
Wenn du wirklich nicht auf den Bildschirm schauen kannst. Im Dunkeln unterwegs, mit beiden Händen voll.
Zwischen Leuten, die sie mögen. Reichlich Beziehungen laufen glücklich über Sprachnachrichten, und die Kosten beim Empfangen sind keine Kosten, wenn die andere Person es gern hat.
Die Faustregel, bei der die meisten herauskommen: Angaben als Text, Gefühl als Ton.
Was Text kann und Ton nicht
Vier Dinge kann Text, und sie summieren sich über die Zeit.
Er lässt sich überfliegen. Die Leserin hat den Kern in zwei Sekunden und liest den Rest, wenn sie ihn braucht.
Er lässt sich durchsuchen. Ein halbes Jahr später findest du die Adresse, das Datum, den Namen. Eine Sprachnachricht ist für die Suche auf ewig unsichtbar.
Er lässt sich zitieren. Auf einen bestimmten Satz zu antworten ist in Text trivial und in Ton unmöglich.
Er lässt sich überall lesen. In einer Besprechung, im Zug ohne Kopfhörer, neben einem schlafenden Kind.
Für alles, worauf jemand später zurückkommen könnte, ist Text nicht bloß bequemer. Er ist der Unterschied dazwischen, ob die Angabe existiert oder nicht.
Die mittlere Möglichkeit, die vergessen wird
Du kannst eine Sprachnachricht diktieren.
Das klingt widersinnig, bis man merkt, was Leute tatsächlich machen: Sie nehmen neunzig Sekunden Herumgerede auf, weil Sprechen leicht ist, wo derselbe Inhalt diktiert vier Sätze gewesen wäre.
Diktieren erzwingt eine kleine nützliche Zucht. Weil du den Text entstehen siehst, merkst du, wenn du dich wiederholst, und weil er als Sätze ankommt, sprichst du eher in welchen.
Das Ergebnis ist meistens kürzer und klarer als die Sprachnachricht, die du aufgenommen hättest, bei gleichem Aufwand für dich.
Wo jedes von beidem scheitert
Sprachnachrichten scheitern in einer Gruppe, in der die Hälfte gerade nicht zuhören kann, wenn die Angabe später noch einmal gebraucht wird, wenn die Empfängerin in der Arbeit ist, und wenn deine Nachricht eine Adresse oder eine Uhrzeit enthält, die stimmen muss.
Diktieren scheitert in einem Raum, in dem Sprechen unangenehm ist, wenn die Nachricht gefühlsmäßig heikel genug ist, dass der Tonfall mehr zählt als die Genauigkeit, und wenn der Inhalt dicht an Namen und Zahlen ist, die falsch herauskommen werden.
Keine der beiden Listen ist ein Vorwurf. Es sind verschiedene Werkzeuge, und ihre Schwachstellen sind der Grund, beide zu kennen.
Der praktische Kompromiss
Diktier alles mit Inhalt: Uhrzeiten, Orte, Entscheidungen, Anweisungen, alles, was jemand wiederfinden müssen könnte.
Nimm eine Sprachnachricht auf, wenn es auf die Art des Sagens ankommt und nicht auf die Angabe.
Und wenn eine Nachricht beides enthält, diktier die Fakten und nimm den Rest auf, oder sag den zugewandten Teil eben in Text und nimm hin, dass er etwas flacher liest, als du es gemeint hast.
Was das Diktieren dafür praktikabel macht
Der Grund, warum Leute standardmäßig zur Sprachnachricht greifen, ist Reibung und keine Vorliebe. Aufnehmen ist ein Knopf; Diktieren hieß früher eine App, eine Wartezeit, ein Kopieren und ein Einfügen.
Eine Tastatur nimmt das weg. Das Mikrofon ist eine Taste auf der Tastatur, die ohnehin aufgegangen ist, als du das Nachrichtenfeld angetippt hast, Diktieren kostet also genauso viele Antipper wie Aufnehmen, und die Wörter gehen direkt ins Gespräch.
LocalType lässt die Erkennung außerdem auf dem Gerät laufen, aus einem Modell in einem Speicher, den keine andere App öffnen kann, und das zählt hier aus einem bestimmten Grund: Nachrichten werden in Tunneln, Aufzügen, Flugzeugen und im Ausland mit abgeschalteten Daten geschrieben. Eine Sprachnachricht nimmt überall auf; ein Diktat, das an einer Verbindung hängt, nicht, und diese Ungleichheit ist das, was Leute zurück zum Aufnehmen treibt.
Die App fragt für eine einzige Sache nach Internet, nämlich um das Modell abzuholen, das du gewählt hast. Eine Registrierung entfällt, Werbung fehlt, im Produkt läuft kein Tracking, und nichts führt ein Archiv dessen, was du diktiert hast, was einen Unterschied macht, wenn man bedenkt, dass eine Sprachnachricht als echte Aufnahme auf unbestimmte Zeit im Chatverlauf von jemand anderem liegt.
Drei Modellgrößen mit 60, 190 und 539 MB lassen dich Tempo gegen Genauigkeit abwägen; für Nachrichten fühlen sich die kleineren beiden meistens am besten an. Zur Einordnung: 6,9 Sekunden Sprache wurden mit der mittleren Größe auf dem 4-GB-Testgerät in 4,1 Sekunden zu Text. Auf dem Handy liegt immer nur eine der drei. Über einem Passwortfeld wird keine Mikrofontaste angeboten.
Was hinterher mit der Aufnahme passiert
Eine Sprachnachricht ist eine Datei, und sie überlebt das Gespräch. Sie liegt im Chatverlauf der Empfängerin, wird mit ihrem Handy gesichert, und ist Jahre später noch da, wenn sie nicht jemand absichtlich löscht. Darauf hast du nach dem Abschicken keinen Einfluss mehr, und die Empfängerin genau genommen auch nicht, denn die meisten Nachrichten-Apps behalten Medien von sich aus.
Diktierter Text bleibt im Gespräch ebenfalls dauerhaft, aber er ist Text: kleiner, durchsuchbar, und ohne jede Aufnahme deiner Stimme. Was du laut gesagt hast, hat in dem Augenblick aufgehört zu existieren, in dem es zu Wörtern wurde.
Das ist kein Grund, wegen Sprachnachrichten in Panik zu geraten, und es ist ein Grund nachzudenken, bevor man etwas aufnimmt, das man nicht schreiben würde. Leute sind vor einem Mikrofon merklich freimütiger als vor einer Tastatur, und die Aufnahme ist der Teil, der bleibt.
Im Gruppenchat ändert sich die Rechnung noch einmal
Die Kosten vervielfachen sich.
Eine Sprachnachricht von einer Minute in einer Gruppe von acht kostet acht Minuten fremder Aufmerksamkeit, und mindestens die Hälfte ist gerade nicht dort, wo sie zuhören kann. Was üblicherweise folgt: Vier hören sie nie, zwei fragen, was drinstand, und die Angabe wird am Ende von jemand anderem abgetippt.
Text in einer Gruppe wird von allen gelesen, im Vorbeigehen, in welcher Lage sie auch gerade sind. Für alles Organisatorische, ein Datum, ein Ort, wer was mitbringt, ist das keine Vorliebe, sondern eine Voraussetzung.
Text, wenn sie danach handeln müssen
Wenn die andere Person es lesen, wiederfinden oder danach handeln muss, schick Text. Wenn es darauf ankommt, wie du klingst, schick Ton.
Die meisten Nachrichten sind von der ersten Sorte, und die meisten Leute schicken die zweite, weil sie einfacher war. Das ist sie nicht mehr.