Tastatur, Maus – nun Stimme.

Wispr Flow, Willow Voice oder „Dictation“ von Voicenotes: Sprache entwickelte sich quasi über Nacht zu einem neuen Eingabegerät für Computer – auf Augenhöhe mit Tastatur und Maus. Sie ist nicht neu, aber in puncto Latenz, kontextueller Einordnung sowie sprachlicher Bereinigung plötzlich mehr als ein Diktat.

GPT‑Live ist erschreckend gut; Apples „Advanced Dictation“ in der Beta von iOS 27 hält da noch nicht mit, liefert aber ausdrucksvolle Stimmen.

Noch existieren qualitative Unterschiede zwischen den verschiedenen Angeboten. Alle verbessern sich jedoch rasant, und es ist nur eine Frage der Zeit, bis integrierte Systemfeatures übernehmen und die dedizierten Apps verdrängen. Ich erwarte, dass Wispr Flow, Willow Voice und Co. eher früher als später keine eigenständigen Start-ups mehr bleiben. Basismodelle werden austauschbar; OS-Hersteller integrieren dieselbe Funktion ohne Kosten.

„KI-gestützte Sprachdiktate“ nannte ich die Funktion bislang. Zukünftig sprechen wir wahrscheinlich nur noch schlicht von „Sprache“ und müssen dafür keine separate Einstellung aktivieren. Wie absurd wäre es, Maus und Tastatur vor jeder Nutzung zu aktivieren!?

Was für Gibberish ich manchmal diktiere und trotzdem verstanden werde, ist sicherlich noch faszinierender, wenn man aus dem Zeitalter von Dragon NaturallySpeaking kommt. Ich merke jedoch, wie ich Eigennamen und explizite Schreibweisen von Begriffen inzwischen unbewusst voraussetze.

Transkription ist weitgehend ein gelöstes Problem – das habe ich intellektuell akzeptiert. Das Ganze jedoch in Echtzeit und bereinigt von jedem Stottern sowie allen Füllwörtern und Pausen zu bekommen, bleibt faszinierend. So wird nicht nur mitgeschrieben, sondern interpretiert.

Ich vermute, dass diese Eingabemethode noch nicht spektakulärer erscheint, weil sie a) noch von zu wenigen Menschen genutzt und b) lediglich als reine Niederschrift verstanden wird – obwohl gerade das Sprachverständnis der entscheidende Sprung nach vorn ist.