Diktieren am Mac

Halte die §-Taste gedrückt, sprich, und lass wieder los. Der Text wird an der aktuellen Cursorposition eingefügt, über einen synthetischen Cmd+V-Tastendruck in die App, die gerade den Fokus hat. Das funktioniert überall, wo ein Textfeld Einfügen erlaubt: Mail, Notizen, Slack, Word, Browser-Textfelder, das Terminal. Es gibt keine Erweiterungen zu installieren, weil die Integration auf Betriebssystemebene geschieht und nicht in der einzelnen App.

Der Fall für Transkription auf dem Gerät sind drei Dinge zugleich: Datenschutz, Geschwindigkeit und Langlebigkeit. Wenn das Modell auf deinem Mac läuft, wird das Audio in den Speicher aufgenommen, transkribiert, an der Cursorposition eingefügt und verworfen. Nichts wird auf die Festplatte geschrieben und nichts hochgeladen. Es gibt keinen Datenbestand, der beschlagnahmt werden könnte, keine Angriffsfläche durch ein Leck, und keine Frage, was ein Anbieter protokolliert.

Die ehrliche Einschränkung ist, dass „lokal“ ein Spektrum ist und kein Häkchen. Etliche beliebte Apps transkribieren lokal, schicken das Transkript aber zur Bereinigung durch ein großes Sprachmodell in der Cloud, womit deine Worte wieder im Netz landen. Die Frage ist also selten „ist es lokal“, sondern „welcher Teil ist lokal“. Bei Parakeety ist die Antwort: alles, was mit deinem Audio zu tun hat.

Die Geschwindigkeit ist der Teil, den man am stärksten spürt. Ein Cloud-Dienst fügt jeder Äußerung einen Netzwerk-Roundtrip hinzu; ein lokales Modell auf der Apple Neural Engine tut das nicht. Und Langlebigkeit zählt bei einem Werkzeug, auf das man sich täglich verlässt: Ein Abo-Dienst kann seine Preise, sein Modell oder seine Bedingungen unter dir ändern oder ganz abgeschaltet werden. Eine App, die auf deiner eigenen Maschine läuft, funktioniert weiter.

Das Audio wird in einen Speicherpuffer aufgenommen, auf der Apple Neural Engine verarbeitet, der Text eingefügt, und der Puffer sofort wieder verworfen. Es gibt keine Übertragung an OpenAI, Anthropic oder einen anderen Server, weil es schlicht keine Übertragung gibt. Die einzigen ausgehenden Verbindungen sind der einmalige Modell-Download beim ersten Start und regelmäßige Lizenzprüfungen, bei denen nur der Lizenzschlüssel, ein Hash einer Hardware-Kennung und der Rechnername übertragen werden. Kein Audio, keine Transkripte, keine Analyse, keine Telemetrie.

Genauigkeit ist eine Eigenschaft des Sprachmodells, nicht des Orts, an dem es läuft. Das Modell, das verändert hat, was auf einem Mac möglich ist, ist NVIDIA Parakeet TDT 0.6B v3: rund 600 Millionen Parameter, eine Transducer-Architektur und derzeit die Spitze des Hugging Face Open ASR Leaderboard.

Die Kurzfassung, warum das zählt: Parakeet TDT v3 erreicht eine Wortfehlerrate von 6,32% gegenüber 7,44% bei Whisper Large V3, läuft auf derselben Hardware rund eine Größenordnung schneller und nutzt ein Transducer-Design, das bei Stille auch Stille erzeugt, statt Text zu halluzinieren, wie es Whisper-basierte Systeme tun können. Der Kompromiss ist die Sprachabdeckung: 25 europäische Sprachen gegenüber den rund hundert von Whisper. Für Diktat in diesen Sprachen auf Apple Silicon ist es das Modell der Wahl.

Das zugrunde liegende Modell (NVIDIA Parakeet) erkennt automatisch, welche der 25 europäischen Sprachen du sprichst, ohne dass du etwas auswählen musst. Du kannst mitten im Satz von Deutsch zu Englisch wechseln, ohne eine Einstellung anzufassen. Praktisch, wenn du zweisprachig arbeitest oder Fachbegriffe und Eigennamen aus einer anderen Sprache einstreust. Sprachen außerhalb Europas, etwa Mandarin, Japanisch oder Arabisch, deckt das Modell nicht ab, das gehört zum ehrlichen Bild dazu.

Bei klinischem und juristischem Diktat wird die Datenschutzfrage zu einer Compliance-Frage, und es gibt zwei gültige Antworten. Die eine ist Cloud-Diktat unter einem Vertrag zur Auftragsverarbeitung; die andere ist Diktat auf dem Gerät, bei dem das Audio den Mac gar nicht erst verlässt. Weil bei Parakeety nichts hochgeladen wird, entsteht kein Datenbestand bei einem Anbieter, den man absichern oder offenlegen müsste.

Das ist eine Aussage über die Architektur, kein Compliance-Versprechen. Ob die Architektur auf dem Gerät für deine Praxis ausreicht, hängt von deinen eigenen regulatorischen Pflichten ab, etwa der DSGVO in Europa oder HIPAA in den USA, und die solltest du eigenständig prüfen. Parakeety verringert die Angriffsfläche, indem es das Audio lokal hält; es unterschreibt keine Verträge in deinem Namen.

Ich mache Parakeety, eine Ein-Personen-App für den Mac. Ich habe sie gebaut, weil mir die vorhandenen Diktieroptionen alle zu viel abverlangten: ein Abo, ein Konto, oder meine Stimme auf einem fremden Server. Parakeety ist die Version, die ich selbst wollte, einmal kaufen und alles bleibt auf dem Gerät. Als Ein-Personen-Betrieb bin ich zugleich der Verantwortliche für die Daten, und weil nie Audio übertragen wird, ist diese Liste kurz.

Parakeety ist eine App in der Mac-Menüleiste. Halte die §-Taste, sprich, lass los, und deine Worte werden an der Cursorposition eingefügt, in welcher App du auch gerade tippst. Das Audio verlässt den Mac nie. Es gibt eine kostenlose 7-tägige Testphase, ohne Kreditkarte. Danach kostet es $25 einmalig.

Parakeety kostenlos testen →