Dictāta Local: Privates On-Device KI-Diktieren. Komplett ohne Cloud.
Diktieren Sie in jedes Programm unter Windows, Mac und Android – ohne Internetverbindung. Ein Streaming-Sprachmodell läuft auf Ihrer eigenen Hardware, sodass Audio und diktierter Text auf Ihrem Gerät bleiben.
Zeit vom Beenden der Aufnahme bis zum fertigen Text mit Streaming-Nemotron 3.5. Gemessen auf einer Windows-Laptop-CPU (Ryzen 7 5700U); in unseren Tests auf einem Mac mit M1 (macOS 26) und einem Google Pixel 9a ähnlich.
Spracherkennung und Textbereinigung laufen im lokalen Speicher. Bei aktivem Local-Modus blockiert die App alle Verbindungen außer Anmeldung, Abrechnung, Modell-Downloads, Versionsprüfung und von Ihnen gesendetem Feedback.
Ein Streaming-Modell auf allen drei Plattformen, ausgeführt über sherpa-onnx.
Ihre Glossarbegriffe werden dem Sprach-Decoder als Hotwords übergeben, ohne Sprachmodell.
Technische Architektur: Echte gerätelokale Ausführung
Dictāta Local führt Spracherkennung und Textbereinigung auf Ihrem eigenen Rechner in einem separaten Hintergrundprozess aus, statt Ihr Audio an einen Server zu streamen.
Lokale PCM-Audioaufnahme
Das Mikrofon nimmt 16-kHz-Mono-PCM-Audio im Arbeitsspeicher auf. Am Desktop gehen die Frames über übertragbare Puffer an einen isolierten Electron-utilityProcess und werden nicht über das Netzwerk gesendet.
Streaming-Inferenz (sherpa-onnx)
Das Audio wird in 100-ms-Blöcken an NVIDIA Nemotron 3.5 ASR Streaming (0,6B, 560 ms, INT8) übergeben, ausgeführt von sherpa-onnx. Das Modell erkennt Sprache schon während Sie sprechen; der fertige Text liegt etwa 120–200 ms nach dem Stopp vor.
Glossar-Hinweise im Decoder
Ihre Smart-Glossar-Begriffe (bis zu 512) werden dem Decoder als Hotwords mit Modified Beam Search übergeben, sodass Namen und Fachbegriffe bei der Erkennung bevorzugt werden. Die üblichen Textkorrekturen laufen danach.
Regelbasierte Bereinigung & direkte Einfügung
Eine regelbasierte Bereinigung auf dem Gerät entfernt Füllwörter, setzt Absätze an Sprechpausen und wendet Sprachbefehle und Glossarkorrekturen an. Danach wird der Text am Cursor eingefügt. Gesprochene Zahlen werden noch nicht in Ziffern umgewandelt.
Gemessene Leistung
Zahlen aus unseren eigenen Messungen des Sprachmodells, das in Dictāta Local steckt. Wir veröffentlichen keine Werte von Wettbewerbern, die wir nicht belegen können.
| Metric | Dictāta Local | Basis |
|---|---|---|
| Stopp bis fertiger Text | ~120–200 ms | Windows 11, Ryzen 7 5700U, 4 CPU-Threads, Aufnahmen von 33–59 s in Echtzeit eingespielt (122 und 126 ms). Nur das Modell, ohne Einfügen in die Ziel-App. |
| Speicher des Sprachmodells | ~0,8 GB | Working Set des Prozesses auf demselben Rechner; bleibt unabhängig von der Diktierlänge konstant. |
| Echtzeitfaktor | ~0,27 | Eingebauter Geschwindigkeitstest nach dem Download auf demselben Rechner. Kleiner ist schneller; unter 1 hält das Modell mit Live-Sprache Schritt. |
| Sprachmodell | Nemotron 3.5 Streaming, INT8 | NVIDIA Nemotron 3.5 ASR Streaming 0,6B (560 ms), ONNX-Export von sherpa-onnx; Download ca. 475 MB. |
| Sprachen | 28 | Sprache in den Einstellungen wählen oder automatische Erkennung nutzen. |
Dictāta Local im Vergleich zu Superwhisper und Rhino Voice
Eine sachliche Übersicht, beschränkt auf das, was die Anbieter selbst veröffentlichen. Angaben können sich ändern; aktuelle Informationen finden Sie auf superwhisper.com und rhinovoice.app.
| Feature / Spec | Dictāta Local | Superwhisper | Rhino Voice |
|---|---|---|---|
| Plattformen | Windows, macOS, Android | macOS, Windows, iOS, Android | macOS 14+ auf Apple Silicon (M1 oder neuer) |
| Spracherkennungs-Engines | NVIDIA Nemotron 3.5 Streaming via sherpa-onnx | Lokale Whisper-Modelle; lokale Parakeet- und Cohere-Transcribe-Modelle sowie Cloud-Modelle in Pro | Whisper- und Parakeet-Modelle auf dem Gerät, dazu Textbereinigung auf dem Gerät |
| Funktioniert ohne Internet | Ja, nach einmaligem Modell-Download | Ja mit lokalen Modellen; Cloud-Modelle brauchen eine Verbindung | Ja, nach dem Download der Modelle |
Systemanforderungen
- OS: Windows 10 / 11, 64-Bit (x64 oder ARM)
- CPU: Moderner 64-Bit-Prozessor; 4 oder mehr Threads empfohlen. Die obigen Messwerte stammen von einem Ryzen 7 5700U.
- RAM: Mindestens 6 GB, empfohlen 8 GB (das Sprachmodell belegt im Betrieb etwa 0,8 GB)
- Disk: Etwa 1,2 GB frei für den einmaligen Download und das Entpacken (das Sprachmodell hat ca. 475 MB). Optionale Textmodelle benötigen je 1,1–3,3 GB zusätzlich.
- GPU: Keine erforderlich. Läuft auf der CPU.
- OS: macOS
- CPU: 64-Bit-Prozessor, Apple Silicon oder Intel
- Memory: Mindestens 6 GB, empfohlen 8 GB
- Disk: Etwa 1,2 GB frei für den einmaligen Download und das Entpacken. Optionale Textmodelle benötigen je 1,1–3,3 GB zusätzlich.
- OS: Android-Smartphone oder -Tablet
- RAM: Getestet auf einem Google Pixel 9a; Mindestanforderungen werden während der Preview abschließend festgelegt
- Disk: Einmaliger Download des Sprachmodells (ca. 475 MB)
Datensouveränität: Auf dem Gerät vs. europäische Cloud
Einige europäische Diktierdienste werben mit Servern in Europa (etwa Sprecho oder Fast Dictate). EU-Hosting ist eine Entscheidung zur Datenresidenz, doch Ihr Audio wird weiterhin zur Transkription an einen Server gesendet. In Dictāta Local läuft die Spracherkennung auf Ihrem Computer.
Wenn Sie Dictāta Local wählen, werden Audio und diktierter Text nirgendwohin gesendet, und Nutzungsstatistiken sind blockiert. Die App verweigert alle Verbindungen außer Anmeldung und Kontodaten, von Ihnen geöffnete Abrechnungsseiten, von Ihnen gestartete Modell-Downloads, die Versionsprüfung und bewusst gesendetes Feedback.
Nach dem einmaligen Modell-Download funktioniert das Diktieren offline, zum Beispiel im Flugzeug oder Zug. Anmeldung und Abo-Prüfung benötigen weiterhin eine Verbindung.
Audio und diktierter Text gehen an keinen Spracherkennungsanbieter, es gibt also keinen externen Auftragsverarbeiter für das Diktat. Ob dies Ihre rechtlichen oder beruflichen Pflichten erfüllt, entscheiden Sie bzw. Ihre Compliance-Abteilung.
Häufige Fragen zu Dictāta Local
Was ist Dictāta Local?+
Dictāta Local ist ein Modus von Dictāta, der Sprache auf Ihrem eigenen Computer oder Smartphone in Text umwandelt. Er nutzt NVIDIA Nemotron 3.5 Streaming über sherpa-onnx, funktioniert nach einem einmaligen Modell-Download ohne Internet und sendet weder Audio noch diktierten Text irgendwohin.
Wie schnell ist es?+
In unseren Tests liegt der fertige Text etwa 120–200 ms nach dem Beenden der Aufnahme vor. Wir haben 122 ms und 126 ms auf einem Windows-Laptop (Ryzen 7 5700U) gemessen und auf einem Mac mit M1 (macOS 26) und einem Google Pixel 9a ähnliche Geschwindigkeit beobachtet. Ältere oder stark ausgelastete Computer sind langsamer. Nach dem Modell-Download prüft Dictāta Ihren Rechner mit einem kurzen Benchmark.
Worin unterscheidet sich Dictāta Local von Superwhisper?+
Superwhisper bietet lokale Whisper-Modelle, im Pro-Tarif lokale Parakeet- und Cohere-Transcribe-Modelle sowie Cloud-Modelle. Dictāta Local nutzt ein einziges Streaming-Modell, Nemotron 3.5, das Sprache schon während des Sprechens erkennt. Aktuelle Funktionen und Preise finden Sie auf superwhisper.com.
Wie schneidet Dictāta Local im Vergleich zu Rhino Voice ab?+
Rhino Voice ist eine macOS-App für Apple-Silicon-Macs (M1 oder neuer) ab macOS 14 mit Whisper- und Parakeet-Modellen auf dem Gerät. Dictāta Local ist für Windows, macOS und Android verfügbar.
Benötigt Dictāta Local eine dedizierte GPU?+
Nein. Das Sprachmodell ist INT8-quantisiert und läuft auf der CPU; im Betrieb belegt es etwa 0,8 GB Arbeitsspeicher.
Werden gesprochene Zahlen in Ziffern umgewandelt?+
Noch nicht. Nemotron schreibt Zahlen als Wörter; wir arbeiten an der Umwandlung in Ziffern.
Welche Funktionen benötigen Dictāta Cloud?+
Der Ask-Dictāta-Chat, Übersetzung während des Diktierens und Memory nutzen Dictāta Cloud. Diktat, Glossar, Sprachbefehle, Verlauf sowie mit einem optionalen lokalen Textmodell auch Prompts, Casual-/Formal-Stile und Textaktionen funktionieren in Local.
Kann ich Dictāta Local für vertrauliche Arbeit nutzen?+
Audio und diktierter Text bleiben bei aktivem Local-Modus auf Ihrem Gerät, und die App blockiert andere Verbindungen außer Anmeldung, Abrechnung, Modell-Downloads und Versionsprüfung. Ob das Ihre rechtlichen oder beruflichen Pflichten erfüllt, entscheiden Sie bzw. Ihre Compliance-Abteilung.
Privat diktieren – direkt auf Ihrem Gerät
Diktieren Sie in Ihre Anwendungen mit einem Sprachmodell, das auf Ihrer eigenen Hardware läuft.
Dictāta Local befindet sich in der Preview. Enthalten in der Lifetime-Lizenz, jedem kostenpflichtigen Dictāta-Cloud-Tarif und der kostenlosen Testphase.