Drei Produkte, ein Name
Der Begriff deckt Werkzeuge ab, die einander kaum ähneln, und deshalb fühlen sich die Suchergebnisse so zerstreut an.
Transkriptionsdienste nehmen eine Aufnahme, eine Besprechung, ein Interview, eine Sprachnotiz, und geben dir hinterher ein Dokument. Die Arbeit passiert im Nachhinein, meistens auf einem Server, und heraus kommt eine Datei, die du durchsuchen und weitergeben kannst. Gut zum Dokumentieren, nutzlos, um eine Nachricht zu schreiben.
Diktier-Apps geben dir ein Fenster mit einem Mikrofon. Du sprichst, Text erscheint in der App, und du kopierst ihn dorthin, wo er hinsollte. Gut für lange Passagen in ein Dokument, ärgerlich für eine zweizeilige Antwort.
Tastaturen mit Spracheingabe setzen eine Mikrofontaste auf die Tastatur selbst, die Wörter landen also direkt in dem Feld, in dem du sowieso getippt hast. Gut für alles Kurze und Häufige, und das ist das meiste Schreiben am Handy.
Zwischen diesen dreien zu entscheiden ist die ganze Frage. Alles andere, Preis, Genauigkeit, Sprachen, ist eine Einzelheit innerhalb der Art, die du gewählt hast.
Welche du brauchst
Antworte ehrlich, dann löst es sich von selbst.
Willst du am Ende ein Dokument? Dann willst du Transkription und kein Diktat. Wenn der Wert darin liegt, ein halbes Jahr später zu durchsuchen, was jemand in einer Besprechung gesagt hat, ersetzt das keine Tastatur.
Erzeugst du langen Text an einer Stelle? Eine Diktier-App ist völlig in Ordnung, und der Schritt mit dem Kopieren passiert nur einmal am Ende.
Schreibst du viele kurze Dinge in verschiedenen Apps? Nachrichten, Antworten, Notizen, Suchfelder, Formularfelder. Dann willst du eine Tastatur, denn eine eigene App zu öffnen, um zwölf Wörter zu sagen, ist mehr Aufwand, als sie zu tippen.
Die meisten, die diese Frage stellen, wollen am Ende die dritte Art und wussten nicht, dass es die als Kategorie gibt.
Die Frage darunter: wo passiert es
Sobald du weißt, welche Art du brauchst, bleibt eine technische Entscheidung, und die hat mehr praktische Folgen als jede Merkmalsliste.
Spracherkennung läuft entweder auf einem Server oder auf deinem Handy.
Auf der Serverseite heißt: Dein Ton wird hochgeladen, anderswo verarbeitet und als Text zurückgegeben. Die Modelle dürfen sehr groß sein, die Genauigkeit bei schwierigem Material ist also stark, und sehr viele Sprachen werden unterstützt. Es heißt auch, dass das Diktat aufhört, wenn deine Verbindung aufhört, und dass deine Stimme jedes Mal übertragen wird.
Auf dem Gerät heißt: Eine Modelldatei liegt auf deinem Handy und macht die Arbeit dort. Es wird nichts hochgeladen, auf kein Netz gewartet, und ein Flugzeug oder ein Tunnel spielt keine Rolle. Die Grenzen sind deine Hardware: ein kleineres Modell als das, was ein Server laufen ließe, etwas belegter Speicherplatz, und weniger abgedeckte Sprachen.
Welche Art eine App benutzt, findest du in zehn Sekunden heraus. Schalte mobile Daten und WLAN aus und versuch zu diktieren. An der Antwort ist nichts zweideutig.
Warum das Ergebnis am Handy schlechter wirkt als in den Vorführungen
Diese Enttäuschung kommt häufig vor.
Die Genauigkeitszahlen, die im Netz zitiert werden, stammen üblicherweise von großen Modellen auf Rechnerhardware, die saubere Aufnahmen abtippen. Dein Handy macht etwas beträchtlich Schwereres: ein kleineres Modell, lebendige Sprache statt einer vorbereiteten Aufnahme, und den Raum, in dem du zufällig stehst.
Rechne mit einem Abstand. Er wird deutlich kleiner durch die praktischen Dinge, das Handy näher halten, in ganzen Sätzen sprechen, eigene Namen und Fachbegriffe nachtragen, wo die App das zulässt, und ganz schließt er sich auf einem Gerät in der Hand nie.
Das ist kein Grund, Erkennung auf dem Gerät zu meiden. Es ist ein Grund, sie am Tippen auf dem Handy zu messen statt an einer Vorführung am Laptop, denn Tippen am Handy ist das, was du sonst machen würdest.
Was "kostenlos" in dieser Kategorie meistens heißt
Prüf das, bevor du Preise vergleichst, denn dasselbe Wort deckt drei verschiedene Anordnungen ab.
Kostenlos mit Werbung heißt, das Produkt wird darüber getragen, dass dir etwas gezeigt wird, und das setzt üblicherweise ein Profil irgendeiner Art voraus.
Kostenlos im Sinne von quelloffen heißt, jemand hat es gebaut und den Code veröffentlicht, oft ganz ohne Finanzierung. Ausgezeichnetes Preisverhältnis, und häufig enger im Umfang oder bei den Sprachen als ein gewerbliches Produkt.
Kostenlos als Vorderseite eines bezahlten Dienstes heißt, die App kostet nichts und die Mitschrift wird pro Minute abgerechnet, oder gedeckelt, oder bezuschusst, solange der Dienst wächst.
Keine dieser drei ist unredlich. Aber "kostenlos" sagt für sich genommen fast nichts, und welche der drei du vor dir hast, ändert den Preisvergleich völlig.
Was du prüfst, bevor du irgendetwas installierst
Vier Dinge gelten unabhängig davon, für welche Kategorie du dich entschieden hast.
Braucht sie ein Konto? Produkte auf der Serverseite meistens schon, denn irgendjemand muss für die Verarbeitung zahlen. Die auf dem Gerät oft nicht.
Funktioniert sie in den Apps, die du wirklich benutzt? Eine Tastatur tut das per Definition. Eine Diktier-App bedeutet jedes Mal Kopieren und Einfügen.
Welche Sprachen, und wie läuft der Wechsel? Wenn du in mehr als einer schreibst, finde heraus, ob das ein Paket pro Sprache und eine Auswahl vor dem Sprechen bedeutet, oder ob die App es selbst herausfindet.
Was passiert mit dem Ton? Nicht, was die Werbung sagt. Was die App macht, wenn das Netz aus ist.
Wo LocalType unter den dreien steht
Es ist die dritte Art: eine Android-Tastatur mit einer Mikrofontaste, bei der die Erkennung auf dem Handy läuft.
Praktisch heißt das, der Text kommt in der Nachricht, der Notiz, dem Browser oder dem Formular an, in dem du schon warst, ohne Kopieren und ohne dass die Zwischenablage angefasst wird. Es funktioniert überall dort, wo eine Tastatur aufgeht, auf Handys wie auf Tablets ab Android 8.0, und die übrige Zeit ist es eine normale Tastatur: Autokorrektur und Wortvorschläge aus einem Wörterbuch, das zu deiner Sprache passt, die üblichen Layouts einschließlich QWERTZ und AZERTY, ein vollständiger Emoji-Satz, und eigene Namen und Fachbegriffe von Hand ergänzt.
Auf die Frage, wo es passiert, gibt es in der App nur eine Antwort. Das Sprachmodell ist eine Datei in einem Speicher, den nur LocalType lesen kann, und einen Weg in die Cloud, auf den es ausweichen könnte, gibt es nicht. Nach Internet wird für genau einen Zweck gefragt, nämlich um das Modell zu holen, das du aussuchst, und danach nie wieder. Ein Konto existiert nicht, Werbung ist keine drin, Tracking läuft im Produkt keines, ein Archiv deiner Aufnahmen wird nicht geführt, und die Daten der App bleiben absichtlich außerhalb vom Cloud-Backup von Android. In Passwortfeldern schaltet sich das Mikrofon selbst ab.
Drei Modellgrößen mit 60, 190 und 539 MB lassen dich Tempo und Genauigkeit selbst gegeneinander abwägen. Die mittlere brauchte auf dem Testgerät mit 4 GB 4,1 Sekunden, um 6,9 Sekunden Sprache auszuschreiben. Achtzehn Sprachen deckt ein einziges mehrsprachiges Modell ab, und welche davon du gerade sprichst, findet es aus der Aufnahme heraus statt aus einem Menü.
Was es nicht ist
Der Unterschied entscheidet, ob du am Ende das Richtige installierst.
Es tippt keine Aufnahmen ab. Halt ihm eine Stunde Ton hin, und es passiert nichts, denn es ist eine Tastatur und arbeitet an Sprache, während du sie hervorbringst.
Es übersetzt nicht. Sprich Deutsch, und du bekommst deutschen Text.
Und es ist kein Assistent. Es schreibt auf, was du gesagt hast, und das ist die ganze Funktion.
Wenn eines dieser drei das war, wonach du gesucht hast, hat dich der erste Abschnitt in die richtige Kategorie geschickt, und mehr brauchst du hier nicht.