Glossar
Diktieren, einfach erklärt.
Das Vokabular der Spracherkennung, eine Seite pro Begriff: was er bedeutet, warum er in der Praxis zählt, wo das Marketing ihn gern verwischt und wo du ihn in Aktion sehen kannst.
Auf deinem Mac
Die Einstellungen, Tasten und Funktionen in macOS, auf die das Diktieren trifft, und wo du sie findest.
Globus-TasteFn-Taste, Funktionstaste
Die Globus-Taste ist die Taste mit dem Globussymbol auf Mac-Tastaturen, meist zusätzlich mit fn beschriftet.
Definition lesen
SprachsteuerungSprachbefehle am Mac
Die Sprachsteuerung ist eine in macOS integrierte Bedienungshilfe, mit der du einen Mac vollständig per Stimme bedienst.
Definition lesen
DiktierbefehleMac-Diktierbefehle, Sprachbefehle für Satzzeichen
Diktierbefehle sind die Wörter und Wendungen, die du beim Diktieren auf dem Mac sagst, um statt normalem Text Satzzeichen, Symbole, Großbuchstaben und Formatierung einzugeben.
Definition lesen
Automatische InterpunktionAuto-Interpunktion, automatische Zeichensetzung
Die automatische Interpunktion ist eine Einstellung der Diktierfunktion auf dem Mac, die beim Diktieren automatisch Kommas, Punkte und Fragezeichen einfügt.
Definition lesen
EingangslautstärkeMikrofonlautstärke, Eingangspegel, Mikrofonverstärkung
Die Eingangslautstärke ist die Einstellung auf dem Mac, die bestimmt, wie stark Ton vom ausgewählten Mikrofon oder einem anderen Eingabegerät aufgenommen wird.
Definition lesen
MikrofonmodusMikrofonmodi, Stimmisolation, Breites Spektrum
Der Mikrofonmodus ist eine Einstellung in macOS, die ändert, wie das Mikrofon deines Mac mit den Geräuschen um dich herum umgeht, in Apps, die ihn unterstützen.
Definition lesen
Sichere TastatureingabeSecure Event Input, sichere Eingabe
Die sichere Tastatureingabe ist eine Einstellung im Terminal auf dem Mac.
Definition lesen
Live-UntertitelEchtzeit-Untertitel, Live-Transkription
Live-Untertitel sind eine Bedienungshilfe von macOS, die gesprochenes Audio in Echtzeit als Text in einem Fenster auf deinem Bildschirm zeigt, für Audio aus jeder App und für Gespräche um dich herum.
Definition lesen
Erweiterte DiktierfunktionErweiterte Diktierfunktion verwenden, Offline-Diktat
Die erweiterte Diktierfunktion war ein Markierungsfeld im Bereich „Diktat“ der Systemeinstellungen „Tastatur“ in älteren macOS-Versionen.
Definition lesen
Siri & Diktierfunktion verbessernAudioaufnahmen teilen, Siri- und Diktierverlauf
„Siri & Diktierfunktion verbessern“ ist eine Datenschutzeinstellung, die du selbst einschalten musst.
Definition lesen
Apple Intelligence
Apple Intelligence ist Apples Sammlung generativer KI-Funktionen in macOS, darunter die Schreibtools zum Umschreiben, Korrekturlesen und Zusammenfassen von Text.
Definition lesen
SpeechAnalyzerSpeechTranscriber, Speech-Framework
SpeechAnalyzer ist eine Klasse in Apples Speech-Framework, eingeführt mit macOS 26 und iOS 26, mit der Apps gesprochenes Audio in Text umwandeln.
Definition lesen
Sprechen
Die Begriffe dafür, wie das Diktieren startet, stoppt und in die App gelangt, in der du bist.
Diktieren
Diktieren heißt, geschriebenen Text durch Sprechen zu erzeugen, wobei die Wörter in oder nahezu in Echtzeit an der Stelle transkribiert werden, an der du schreibst.
Definition lesen
Spracheingabe
Spracheingabe ist ein anderer Name für Diktieren: Text in eine Anwendung eingeben, indem man spricht, statt die Tastatur zu benutzen.
Definition lesen
TranskriptionDateitranskription
Transkription ist das nachträgliche Umwandeln einer vorhandenen Audio- oder Videoaufnahme in Text.
Definition lesen
Push-to-TalkHold-to-Talk
Push-to-Talk ist eine Art der Aktivierung, bei der die Aufnahme nur läuft, solange eine Taste gedrückt ist: drücken, sprechen, loslassen, fertig.
Definition lesen
SprachaktivitätserkennungVAD
Sprachaktivitätserkennung (Voice Activity Detection, VAD) ist die Technik, die erkennt, wann jemand spricht und wann nur Stille oder Hintergrundgeräusche zu hören sind.
Definition lesen
AktivierungswortHotword
Ein Aktivierungswort ist eine gesprochene Phrase, die ein zuhörendes Gerät einschaltet, wie „Hey Siri“ oder „Alexa“.
Definition lesen
Berechtigung für BedienungshilfenZugriff auf Bedienungshilfen
Die Berechtigung für Bedienungshilfen ist die macOS-Einstellung, mit der eine App die Oberfläche anderer Apps lesen und steuern kann.
Definition lesen
Wie es dich hört
Die Modelle, die Messgrößen und die Fehlerquellen, wenn aus Audio Wörter werden.
Sprache-zu-TextSTT
Sprache-zu-Text (STT) ist die Technik, die gesprochenes Audio in geschriebene Wörter umwandelt.
Definition lesen
Automatische SpracherkennungASR
Automatische Spracherkennung (Automatic Speech Recognition, ASR) ist das Gebiet des maschinellen Lernens und die Klasse von Modellen, die Audio mit menschlicher Sprache in Text verwandeln.
Definition lesen
Whisper
Whisper ist eine Familie von Open-Source-Spracherkennungsmodellen, die OpenAI 2022 veröffentlicht hat, trainiert mit 680.000 Stunden Audio und für etwa 99 Sprachen.
Definition lesen
Parakeet
Parakeet ist eine Familie von Open-Source-Spracherkennungsmodellen von NVIDIA.
Definition lesen
Neural EngineANE
Die Neural Engine ist der Teil eines Chips mit Apple silicon, der dafür gebaut ist, Machine-Learning-Modelle effizient auszuführen, neben CPU und GPU.
Definition lesen
Streaming-TranskriptionEchtzeit-Transkription
Streaming-Transkription zeigt Wörter auf dem Bildschirm, während du noch sprichst, statt erst, wenn du aufhörst.
Definition lesen
SprachidentifikationLID
Sprachidentifikation ist der Schritt, in dem Sprachsoftware herausfindet, welche Sprache gesprochen wird, bevor oder während sie transkribiert.
Definition lesen
WortfehlerrateWER
Die Wortfehlerrate (WER) ist das Standardmaß für die Genauigkeit der Spracherkennung: die Zahl der Wörter, die ein Modell falsch erkannt hat, geteilt durch die Zahl der tatsächlich gesprochenen Wörter.
Definition lesen
Halluzination
In der Spracherkennung ist eine Halluzination Text, den das Modell erzeugt, obwohl ihn niemand gesagt hat: ein plausibler Satz, erfunden aus Stille, Rauschen oder einem Fragment, das zu kurz zum Transkribieren ist.
Definition lesen
LatenzLatenz nach dem Loslassen
Beim Diktieren ist die Latenz die Zeit zwischen dem Ende deiner Sprache und dem Moment, in dem fertiger Text am Cursor erscheint.
Definition lesen
SprecherkennzeichnungSprecherkennzeichnung
Sprecherkennzeichnung ermittelt, wer in einer Aufnahme wann gesprochen hat, damit sich ein Transkript nach Sprechern kennzeichnen lässt.
Definition lesen
Whisper large-v3 turboWhisper turbo, large-v3-turbo
Whisper large-v3 turbo ist ein Spracherkennungsmodell von OpenAI, veröffentlicht am 1.
Definition lesen
Cohere Transcribecohere-transcribe-03-2026
Cohere Transcribe ist ein Open-Source-Spracherkennungsmodell von Cohere, veröffentlicht im März 2026.
Definition lesen
Qwen3-ASRQwen3-ASR-1.7B, Qwen3-ASR-0.6B
Qwen3-ASR ist eine Familie von Open-Source-Spracherkennungsmodellen des Qwen-Teams von Alibaba, veröffentlicht am 29.
Definition lesen
MLXApple MLX, MLX-Framework
MLX ist ein Open-Source-Array-Framework für maschinelles Lernen auf Apple silicon, entwickelt vom Machine-Learning-Forschungsteam von Apple.
Definition lesen
Core MLCoreML, Apple Core ML
Core ML ist Apples Framework, um Machine-Learning-Modelle in einer App auf dem Gerät auszuführen.
Definition lesen
QuantisierungModellquantisierung, 4-Bit, 8-Bit
Quantisierung bedeutet, die Zahlen eines Modells mit weniger Bits zu speichern, zum Beispiel mit 4 oder 8 Bit, wo das Original 16 oder 32 verwendet hat.
Definition lesen
EchtzeitfaktorRTF, RTFx
Der Echtzeitfaktor (RTF, Real-Time Factor) ist die Zeit, die ein Spracherkennungssystem zum Verarbeiten von Audio braucht, geteilt durch die Länge dieses Audios.
Definition lesen
Was herauskommt
Alles, was zwischen einem rohen Transkript und dem Text passiert, den du getippt hättest.
DisfluenzFüllwörter
Eine Disfluenz ist jede Unterbrechung im flüssigen Sprechen: Füllwörter wie „äh“ und „ähm“, wiederholte Wörter, Fehlstarts und Selbstkorrekturen.
Definition lesen
FormatierungsdurchgangNachbearbeitung
Der Formatierungsdurchgang ist der Schritt nach der Spracherkennung, der aus einem rohen Transkript Text macht, wie ihn ein Mensch getippt hätte: Satzzeichen, Groß- und Kleinschreibung, Zahlen als Ziffern, entfernte Füllwörter und ein Tonfall, der zum Ziel des Textes passt.
Definition lesen
Wörtlicher Modus
Der wörtliche Modus ist eine Diktiereinstellung, bei der die Ausgabe genau das ist, was du gesagt hast, ohne Umformulierung, Anpassung des Tonfalls oder Aufräumen über die reine Erkennung hinaus.
Definition lesen
Gesprochene SatzzeichenSprachbefehle
Gesprochene Satzzeichen heißt: Du sagst den Namen eines Zeichens oder Symbols, etwa „comma“, „open paren“ oder „new paragraph“, und das Diktier-Tool tippt das Symbol statt des Wortes.
Definition lesen
TextexpansionTextbausteine
Textexpansion ersetzt einen kurzen Auslöser durch einen längeren gespeicherten Text: eine Adresse, eine Signatur, eine vorgefertigte Antwort.
Definition lesen
Persönliches Wörterbucheigenes Vokabular
Ein persönliches Wörterbuch ist die Liste von Wörtern, die einem Diktier-Tool beigebracht wurden, damit es sie so schreibt wie du: Namen, Produkte, Fachjargon und alles, was das Spracherkennungsmodell sonst als das wahrscheinlichste gängige Wort schreiben würde.
Definition lesen
TonfallanpassungRegister
Tonfallanpassung ist eine Formatierungsfunktion, die dieselben diktierten Wörter unterschiedlich schreibt, je nachdem, wohin sie gehen: klein und locker in einer Chat-App, mit Satzzeichen und vollständig in einer E-Mail, unverändert im Terminal.
Definition lesen
Wörter pro MinuteWPM
Wörter pro Minute (WPM) messen das Tempo der Textproduktion.
Definition lesen
Wo es läuft
Die zwei Begriffe, die entscheiden, ob deine Stimme zu den Daten von jemand anderem wird.
Verarbeitung auf dem Gerätlokale Verarbeitung
Verarbeitung auf dem Gerät heißt, dass das Spracherkennungsmodell auf deinem eigenen Computer läuft.
Definition lesen
Lokales LLMKI-Sprachmodell auf dem Gerät
Ein lokales LLM ist ein großes Sprachmodell, das auf deinem eigenen Computer läuft statt auf dem Server eines Anbieters.
Definition lesen
Deine Stimme war schon immer schneller.
7 Tage kostenlos, dann $19 USD einmalig. Kein Konto, kein Abo, nichts wird hochgeladen.
macOS 14 oder neuer · Apple silicon