Die Diktier-App, die auch ohne Internet funktioniert

Manche Beschwerden zeigen sich erst, wenn etwas kaputtgeht — deshalb unterschätzt man sie leicht, bis es einen selbst trifft: Cloud-Diktat hängt am Netzwerk. Eine Störung beim Anbieter, und Ihre Diktattaste kann nichts mehr ausrichten. Hotel-WLAN, das abreißt, und ein Satz verschwindet in einem Spinner. Ein Flugzeug. Ein Bahntunnel. Ein VPN, das genau im falschen Moment neu aushandelt. Das ist kein Defekt eines einzelnen Produkts; es ist schlicht das, was Abhängigkeit von einem Roundtrip bedeutet.

Das Bittere daran ist, was ausfällt. Wenn Ihre Notiz-App ausfällt, öffnen Sie eine Textdatei. Wenn Ihr Diktat ausfällt, verlieren Sie eine Eingabemethode — genau das, wofür Sie ein Muskelgedächtnis aufgebaut hatten, mitten im Satz, meist während Ihre Hände mit etwas anderem beschäftigt waren. Das war ja der ganze Grund, warum Sie diktiert haben.

Unter der Verfügbarkeitsfrage liegt eine Datenschutzfrage: Verlässt Ihr Audio die Maschine? Auf einem Cloud-Transkriptionspfad reisen Aufnahmen, in denen Sie laut denken — Kundennamen, unveröffentlichte Features, das Sicherheitsproblem, das Sie einem Kollegen schildern —, in fremde Infrastruktur, um dort zu Text zu werden. Dieser Pfad kann außerdem von Sessions, Konten und einer Dienstverfügbarkeit abhängen, die Sie nicht kontrollieren.

Ich habe Keebyes Antwort darauf gebaut, bevor ich sie als Feature formuliert habe, denn meine eigene Anforderung war unmissverständlich: Es musste mit ausgeschaltetem WLAN funktionieren. So sieht das konkret aus — und das kostet es.

Warum Cloud-Diktat auf null ausfällt

Die Mechanik auf Kategorieebene lohnt eine Erklärung, denn sie zeigt, warum diese Beschwerde nie ganz verschwindet, egal wie gut die Produkte werden.

Eine Cloud-Diktatschleife hat mindestens vier Glieder: Audio auf Ihrer Maschine aufnehmen, es an einen Server schicken, dort Inferenz laufen lassen, Text zurückschicken. Jedes Glied ist eine Abhängigkeit — Ihr Netzwerk, deren Netzwerk, deren Auth-Schicht, deren Kapazität, deren Uptime. Meist ist die Kette in Ordnung. Aber wenn ein Glied bricht, bricht die ganze Schleife, und sie bricht auf null. Nicht „langsamer“, nicht „ungenauer“ — es kommt nichts an Ihrem Cursor an. Verschlechterung wäre erträglich; Diktat verschlechtert sich zu Stille.

Anbieter können hart dagegen anbauen, aber sie können keine Glieder reparieren, die ihnen nicht gehören: den Hotelrouter, den Flug, Ihr Firmen-VPN, den Backbone-Vorfall zwischen Ihnen und ihnen. Ein Werkzeug, dessen Verfügbarkeit von mehreren Systemen abhängt, kann ausfallen, sobald eines davon nicht verfügbar ist.

Was passiert, wenn es keine Cloud gibt, von der man zurückfallen könnte?

Keebyes Architektur beantwortet die Frage, indem sie sie entfernt. Speech-to-Text läuft vollständig auf dem Gerät — ONNX-Modelle, lokale Inferenz, auf dem Silizium Ihres eigenen Macs. Im Diktierpfad gibt es null Netzwerkaufrufe. Nicht „wir minimieren sie“, nicht „wir bündeln sie“ — null. Telemetrie gibt es ebenfalls nicht. Keine. Wenn Sie die Taste halten und sprechen, verlässt kein Paket in Ihrem Namen die Maschine.

Ich möchte den architektonischen Punkt unterstreichen, denn er ist der Unterschied zwischen diesem Ansatz und einem „Offline-Modus“. Ein Offline-Modus ist ein Rückfall: Der normale Pfad geht in die Cloud, und wenn die Cloud nicht erreichbar ist, übernimmt ein abgespeckter lokaler Pfad — falls die App es rechtzeitig merkt, falls der lokale Pfad gepflegt wird, falls die Übergabe mitten im Satz klappt. Keebye hat keine solche Übergabe, weil es keinen Cloud-Pfad gibt, von dem übergeben werden könnte. Lokale Inferenz ist nicht der Notfallplan; sie ist der einzige Plan. Eine Störung stromaufwärts kann sie aus demselben Grund nicht lahmlegen, aus dem ein Stromausfall in einem anderen Land Ihre Schreibtischlampe nicht ausschaltet. Immunität durch Konstruktion, nicht durch Rückfallebene.

Hier wird auch die leisere Beschwerde beantwortet, ganz ohne Einstellungsseite. Ihr Audio verlässt die Maschine nie — nicht verschlüsselt übertragen, nicht anonymisiert, sondern schlicht nie gesendet, weil es nichts gibt, wohin man es senden könnte. Wenn Sie den Diktatverlauf einschalten, wird nur Text gespeichert, in einer lokalen SQLite-Datenbank auf Ihrer eigenen Platte. (Dieser Verlauf ist eine eigene Geschichte über Alltagstauglichkeit — die wiederkehrende Frage „Wo ist mein Diktat hin?“ —, die wir in Ihr Diktat sollte niemals einfach verschwinden behandelt haben.) Und die Fragilität von Konten und Sessions verschwindet mit den Konten: Im Diktierpfad gibt es keine Cloud-Session, die ablaufen kann, also steht auch keine erneute Anmeldung zwischen Ihnen und einem funktionierenden Hotkey.

Das eine Mal, in dem Sie doch Internet brauchen

Nötige Ehrlichkeit, klar gesagt: Die Modelle müssen irgendwie auf Ihre Maschine kommen. Beim ersten Start lädt Keebye sein Sprachmodell herunter — rund 700 MB für die englische Engine und etwa 1,3 GB, wenn Sie die mehrsprachige Engine aktivieren. Das ist ein echter Download, einmal pro Engine, und dafür brauchen Sie Internet.

Danach liegen die Modelle auf der Platte, und die Transkription läuft lokal gegen sie, mit oder ohne Netzwerk, bis Sie sie entfernen oder ersetzen. Aber wenn dieser erste Start im Flugzeug passiert, haben Sie Pech, bis Sie landen — machen Sie die Einrichtung vor der Reise, nicht während. Lieber hören Sie das von mir, als es über dem Atlantik zu entdecken.

Die Genauigkeitsfrage, ehrlich beantwortet

Der Download ist der kleine Vorbehalt. Hier der größere, denn Werkzeuge, die auf dem Gerät laufen, überspringen ihn gern.

Die größten Cloud-Modelle können genauer sein als ein Modell auf dem Gerät. Ein Modell, das ein Server-Rack füllt, hat Kapazitäten, die eine 700-MB-Datei nicht hat, und etwas anderes zu behaupten wäre eine Beleidigung Ihrer Intelligenz. Was ich sage — und was ich glaube, nachdem ich mit beidem gelebt habe —, ist, dass der Abstand deutlich kleiner geworden ist und, wichtiger noch, dass sich die Fehlerbilder grundsätzlich unterscheiden. Der schlechteste Tag eines Modells auf dem Gerät ist ein falsch gehörtes Wort, das Sie korrigieren. Der schlechteste Tag eines Cloud-Modells ist null Ausgabe, denn seine Genauigkeit wird mit seiner Verfügbarkeit multipliziert, und die Verfügbarkeit ist der Faktor, der im Zug gegen null geht. Welches Fehlerbild Ihnen lieber ist, hängt von Ihrem Tag ab; in meinem kommen zu viele Züge vor.

Es gibt es heute nur für macOS, und es ist Early Access. Kein Windows-Build und die rauen Kanten, die Early Access mit sich bringt. Wenn Ihr Setup Windows-first ist, lautet die ehrliche Antwort: Keebye kann Ihnen noch nicht helfen.

Wenn Sie das gegen ein Werkzeug abwägen, das Sie bereits nutzen, sind die Vergleichsseiten die faire Fassung dieses Arguments. Keebye vs Superwhisper vergleicht zwei Produkte mit Transkription auf dem Gerät; Keebye vs Wispr Flow behandelt die Entscheidung zwischen lokal und Cloud. Und wenn die Alternative, die Sie abwägen, das in macOS eingebaute Diktat ist, behandelt Sprachdiktat für den Mac, was das eingebaute Werkzeug gut kann und wo Keebye sich unterscheidet.

Verfügbarkeit ist ein Feature

Die Diktat-Kategorie hat Jahre damit verbracht, um Genauigkeitsprozente zu konkurrieren, und Genauigkeit zählt. Aber die Beschwerde, die Menschen tatsächlich zum Wechsel bewegt, ist selten „es hat mich einmal falsch verstanden“. Sie lautet: „Es hat wieder aufgehört zu funktionieren, ich weiß nicht warum, und die Lösung bestand darin, sich irgendwo anzumelden.“ Verfügbarkeit — langweilige, unglamouröse Verfügbarkeit — ist das Feature, das man erst als Abwesenheit bemerkt.

Der Weg, eine Eingabemethode so verlässlich wie eine Tastatur zu machen, ist, ihr dieselbe Abhängigkeitsliste zu geben wie einer Tastatur: die Maschine vor Ihnen und sonst nichts. Das ist das ganze Design.

Keebye ist im Early Access für macOS. Starten Sie unten Ihre kostenlose Testphase, machen Sie den Download beim ersten Start, solange Sie noch Internet haben, fahren Sie dann in den Bahntunnel — oder schalten Sie einfach das WLAN aus — und diktieren Sie denselben Satz noch einmal.