Sprechen statt tippen: FluidVoice bringt schnelle Spracheingabe auf Windows und Mac – kostenlos und ohne Cloud

Die Vorgabe für diesen Beitrag habe ich nicht getippt, sondern gesprochen: zwei Minuten ins Mikrofon, fertig war der Arbeitsauftrag an unsere KI-Assistenz, samt Satzzeichen. Seit einigen Wochen arbeiten wir bei pronetic so, und zwar mit FluidVoice, einem kostenlosen, quelloffenen Diktierprogramm für Windows und Mac. Es ist in wenigen Minuten installiert, läuft bei uns einwandfrei, und das Wichtigste: Die Spracherkennung passiert komplett auf dem eigenen Rechner. Keine Tonaufnahme geht in eine Cloud.

Weil wir so gute Erfahrungen damit gemacht haben, stellen wir das Werkzeug hier vor: was es kann, warum „lokal“ für Betriebe der entscheidende Punkt ist, wo die Grenzen liegen und wie Sie es einrichten. Wenn Sie dabei Hilfe möchten, richten wir es Ihnen gern per Fernwartung ein.

Was FluidVoice ist und was es anders macht

FluidVoice ist ein Diktierprogramm, das Gesprochenes direkt dort als Text einfügt, wo gerade der Cursor steht: in Outlook, Word, im Browser, im Warenwirtschaftssystem oder im Chat mit einem KI-Assistenten. Sie halten eine frei wählbare Taste gedrückt, sprechen, lassen los, und der Text steht da. Entwickelt wird es vom Team hinter altic.dev, der Quellcode liegt offen auf GitHub, seit dem 23. Februar 2026 unter der GPLv3-Lizenz. Das Programm ist kostenlos, ohne Abo und ohne Bezahlstufen; der Hersteller nennt mehr als 350.000 Downloads, auf GitHub haben rund 12.900 Nutzer das Projekt mit einem Stern markiert (Stand 6. November 2026).

Der eigentliche Unterschied zu den meisten Diktierfunktionen steckt unter der Haube. Die Spracheingabe von Windows (Windows-Taste + H) braucht laut Microsoft eine Internetverbindung und nutzt die Online-Erkennung der Azure-Sprachdienste; Ihre Stimme wird also auf Microsoft-Servern verarbeitet. FluidVoice lädt stattdessen einmalig ein Sprachmodell auf Ihren Rechner, zum Beispiel NVIDIAs Parakeet oder das kleinere Fluid Speech Mini, und erkennt die Sprache dort. In den Worten des Herstellers: „By default, your audio and dictated text are processed locally.“

Warum „lokal“ für Betriebe der entscheidende Punkt ist

Was man diktiert, ist selten belanglos: Angebote mit Preisen, Mails an Kunden, Notizen zu Patienten oder Mandanten, Interna über Mitarbeiter. Bei einem Cloud-Diktat verlässt all das als Tonaufnahme den Betrieb, oft Richtung USA. Datenschutzrechtlich heißt das Auftragsverarbeitung, Drittlandübermittlung und Informationspflichten; für Praxen, Kanzleien und Steuerberater kommt die berufliche Schweigepflicht dazu. Mit einem lokal arbeitenden Programm stellt sich die Frage gar nicht erst: Die Aufnahme bleibt auf dem Rechner, das Programm funktioniert auch ohne Internet, und es gibt keinen Dienst, der eines Tages die Bedingungen ändert oder abgeschaltet wird. Es gilt dasselbe wie beim lokalen E-Mail-Archiv: Was im Haus bleibt, ist am einfachsten zu schützen.

Zwei ehrliche Einschränkungen. Erstens bietet FluidVoice optional an, den erkannten Text zur Nachbearbeitung an Cloud-Anbieter wie OpenAI zu schicken; das ist ab Werk aus und sollte in einem Betrieb auch aus bleiben, die lokale Textbereinigung reicht. Zweitens sendet das Programm anonyme Absturz- und Diagnosedaten, laut Hersteller ohne Stimme, Aufnahme oder Text, und abschaltbar. Wer nach unserem Beitrag zu Windows Recall ohnehin genauer hinschaut, findet diese Einstellungen in fünf Minuten.

Wie schnell ist das wirklich, und wie gut auf Deutsch?

Der Hersteller wirbt mit einer etwa 3,7-mal schnelleren Eingabe als beim Tippen und einer Verzögerung unter 100 Millisekunden. Unabhängig davon hat ein Forschungsteam um Sherry Ruan und James Landay (Stanford University) schon 2016 gemessen: Sprechen war beim Erfassen englischer Kurztexte 2,93-mal schneller als die Tastatur, 153 statt 52 Wörter pro Minute, mit weniger Korrekturen während der Eingabe, aber etwas mehr übersehenen Fehlern im fertigen Text. Genau so erleben wir es: Der Text steht praktisch in dem Moment, in dem man die Taste loslässt; einmal drüberlesen muss man trotzdem.

Deutsch ist kein Problem. Das Standardmodell Parakeet TDT v3 von NVIDIA beherrscht 25 europäische Sprachen, Deutsch eingeschlossen, und das seit Oktober auch für Windows verfügbare, nur rund 330 Megabyte große Fluid Speech Mini deckt dieselben 25 Sprachen ab; die Whisper-Modelle kommen auf bis zu 99 Sprachen. Satzzeichen und Großschreibung setzt das Programm bei uns von selbst, Füllwörter wie „ähm“ räumt die optionale lokale Textbereinigung („Fluid-1“) weg. Fachbegriffe und Eigennamen erkennt es überwiegend richtig; wo nicht, hilft ein Blick vor dem Absenden.

Windows, Mac, iPhone: Stand November 2026

Die Mac-Version ist die ausgereifte: Version 1.6.12 vom 22. Oktober 2026, ab macOS 15, auf Apple-Silicon-Macs mit allen Modellen, auf Intel-Macs mit Whisper. Die Windows-Version ist offiziell noch Beta: Build 0.0.12, ebenfalls vom 22. Oktober 2026, ein 12 Megabyte kleiner 64-Bit-Installer, der die Sprachmodelle beim ersten Start nachlädt; den Quellcode der Windows-Fassung hat das Team noch nicht veröffentlicht. Eine NVIDIA-Grafikkarte beschleunigt Erkennung und Textbereinigung, laut Hersteller auch ältere Modelle ab der GTX-900-Reihe mit einem Treiber ab 2024; ohne passende Grafikkarte rechnet der Prozessor, dann langsamer. Bei uns läuft die Beta im Alltag einwandfrei. Für das iPhone gibt es eine Testversion über TestFlight, Linux und Android stehen auf der Warteliste.

Ein Hinweis, den das Projekt selbst groß auf seine Startseite schreibt: Die Adresse fluidvoice.org hat nichts mit FluidVoice zu tun. Laden Sie das Programm nur über die offizielle Seite fluidvoice.com, die auf die Downloads bei GitHub verweist. Und nicht verwechseln: Microsoft nennt eine eigene, neue Diktierfunktion auf Copilot+-PCs „Fluid Dictation“; das ist ein anderes Produkt.

So richten Sie FluidVoice ein

1. Herunterladen: Auf fluidvoice.com „Download for Mac“ oder „Windows beta“ wählen; die Windows-Installationsdatei (FluidVoice_0.0.12_x64-setup.exe) liegt bei GitHub.
2. Installieren und Mikrofon freigeben: Beim ersten Start fragt das Programm nach Mikrofonzugriff, auf dem Mac zusätzlich nach der Bedienungshilfen-Berechtigung, damit es in andere Programme tippen darf.
3. Sprachmodell laden: Für Deutsch zunächst Fluid Speech Mini wählen (rund 330 MB, einmalig). Danach läuft die Erkennung ohne Internet.
4. Taste festlegen: Eine Taste wählen, die Sie sonst nicht brauchen, und in einem Textfeld testen: Taste halten, sprechen, loslassen.
5. Cloud-Anbieter aus lassen: In den Einstellungen keinen externen KI-Anbieter eintragen; die Diagnosedaten nach Wunsch abschalten.
6. Textbereinigung ausprobieren: Das lokale Modell Fluid-1 Mini entfernt Füllwörter und glättet Sätze. Wer wörtliche Diktate braucht, etwa für Protokolle, lässt es aus.
7. Mikrofon prüfen: Ein Headset oder ein kleines Tischmikrofon bringt mehr als jede Einstellung; das eingebaute Laptop-Mikrofon geht, ist aber anfälliger für Nebengeräusche.

Wenn Sie das lieber nicht selbst machen möchten: Wir richten FluidVoice per Fernwartung auf Ihrem Windows-PC oder Mac ein, stellen Modell und Taste passend ein und zeigen Ihnen in zehn Minuten, wie Sie damit Mails, Angebote und Notizen diktieren. Bei Fragen melden Sie sich einfach.

Für wen es sich lohnt, und wo die Grenzen liegen

Lohnend ist es für jeden, der am Tag mehr als eine Handvoll Mails, Notizen oder Angebote schreibt: der Handwerksmeister, der abends die Baustellenberichte diktiert; die Praxis, die Befunde nicht in eine Cloud geben darf; der Vertrieb, der nach dem Telefonat sofort die Gesprächsnotiz ins CRM spricht. Besonders stark ist die Kombination mit KI-Assistenten wie ChatGPT, Gemini oder Claude: Ein gesprochener Auftrag ist in der Regel länger, genauer und besser als ein getippter, und genau davon lebt das Ergebnis (mehr dazu in KI macht nicht automatisch produktiver).

Die Grenzen: Die Windows-Fassung ist Beta-Software, und Hilfe gibt es nicht an einer Hotline, sondern in der Community auf GitHub. In lauten Umgebungen sinkt die Trefferquote, und ein spezialisiertes medizinisches oder juristisches Vokabular, wie es teure Diktiersysteme mitbringen, hat FluidVoice nicht. Für den Büroalltag reicht es nach unserer Erfahrung trotzdem locker, und der Preis von null Euro macht das Ausprobieren leicht.

Kurz gesagt

• FluidVoice diktiert in jedes Programm: kostenlos, quelloffen (GPLv3), für Mac ausgereift, für Windows als Beta, die bei uns stabil läuft.
• Die Erkennung läuft auf Ihrem Rechner: keine Tonaufnahmen in der Cloud, funktioniert ohne Internet, Datenschutz ohne Zusatzverträge.
• Sprechen ist rund dreimal schneller als Tippen (Stanford 2016); Deutsch wird von den Standardmodellen abgedeckt.
• Nur über fluidvoice.com laden, Cloud-Anbieter aus lassen, Text vor dem Absenden kurz prüfen. Die Einrichtung übernehmen wir auf Wunsch per Fernwartung.

Sie möchten FluidVoice ausprobieren? Schreiben Sie uns an info@pronetic.de oder rufen Sie an unter 07131 5948771. Wir richten das Programm per Fernwartung ein, auf Windows wie auf Mac, und beraten Sie, welche KI-Werkzeuge sich für Ihren Betrieb sonst noch lohnen.

Einrichtung anfragen

Quellen: fluidvoice.com, Startseite und FAQ (abgerufen 6. November 2026); GitHub altic-dev/FluidVoice, README und Releases (Lizenz GPLv3 seit 23. Februar 2026; v1.6.12 für macOS und Windows 0.0.12, beide vom 22. Oktober 2026; Windows 0.0.10 vom 8. September 2026); NVIDIA, Modellkarte Parakeet TDT 0.6B v3 auf Hugging Face (14. August 2025); Microsoft Support, „Use voice typing to talk instead of type on your PC“ (abgerufen 6. November 2026); Ruan, Wobbrock, Liou, Ng, Landay: „Comparing Speech and Keyboard Text Entry for Short Messages in Two Languages on Touchscreen Phones“, Proc. ACM IMWUT 1(4), 2017 (Vorabfassung 2016). Passende Leistungen: KI-Beratung, Sicherheit & Datenschutz, IT-Consulting.

Dieser Beitrag wurde mit Unterstützung künstlicher Intelligenz recherchiert und erstellt und von uns redaktionell geprüft.