Sag, was ich gesagt habe: Diktat ohne KI-Umschreibung

Es gibt eine Beschwerde über KI-veredeltes Diktat, die paradox klingt, bis man sie erlebt hat: Die Transkription war in Ordnung — kaputtgemacht hat es das, was danach passierte. Sie haben eine Sache gesagt, und das Werkzeug lieferte eine polierte, selbstbewusste, leicht andere Sache. Eine Einschränkung still gestrichen. Ein Vorbehalt entfernt. Ein Satz zu etwas umgebaut, das Sie nie sagen würden. Und in der schlimmsten Ausprägung des Musters — der, die Leute ein Werkzeug auf der Stelle aufgeben lässt — kippt die Bedeutung. Aus „Nicht deployen, bevor die Tests durchlaufen“ wird am anderen Ende eine Anweisung zum Deployen, ohne das nicht.

Beim gelegentlichen Diktieren ist das ein Ärgernis. Für die Art, wie ich Diktat tatsächlich nutze — Prompts an Claude Code füttern, der Workflow aus Claude Code mit der Stimme steuern —, ist es Gift. Ein Coding-Agent nimmt Ihre Worte als Spezifikation. Er weiß nicht, dass Ihr Diktierwerkzeug Sie paraphrasiert hat. Wenn die Einschränkung, die die Anweisung sicher machte, zwischen Ihrem Mund und dem Terminal weggeglättet wurde, führt der Agent munter die geglättete Fassung aus. Präzision ist der ganze Sinn eines Prompts, und eine KI-Umschreibeschicht ist eine Maschine, die Präzision entfernt und das Ergebnis dabei bewusster aussehen lässt.

Warum schreiben KI-Diktierwerkzeuge um, was Sie gesagt haben?

Die Antwort auf Kategorieebene ist nicht, dass jemand vorhatte, Sprache zu verzerren. Sie lautet: „Diese Transkription aufräumen“ ist ein wirklich reizvolles Feature, und der naheliegende Weg, es zu bauen, ist, das Rohtranskript durch ein Sprachmodell zu schicken.

Rohe Sprache ist unordentlich — Füllwörter, Fehlstarts, Wortwiederholungen, fehlende Interpunktion. Ein LLM, das das aufräumen soll, produziert wunderschöne Ausgaben. Das Problem: Ein Sprachmodell redigiert nicht so, wie ein menschlicher Lektor redigiert, der „äh“ streicht. Es generiert neu. Die Ausgabe ist ein neuer Text, den das Modell für eine gute Fassung Ihrer Eingabe hält — und in diesem „gut“ sickert Ihre Absicht aus. Modelle, die auf Hilfsbereitschaft und Sprachfluss trainiert sind, haben Meinungen: Vorbehalte sehen aus wie Rauschen, Einschränkungen wie Ballast, eine sperrige, aber präzise Formulierung wie etwas, das man verbessern sollte. Meistens ist die Umschreibung harmlos. Aber sie ist probabilistisch, und man sieht der Ausgabe nicht an, welche Sätze transkribiert und welche verfasst wurden. Die Politur ist gleichmäßig; die Texttreue nicht.

Das ist das tiefe Problem mit LLM-Politur-Pipelines: Sie scheitern lautlos und selbstbewusst. Eine Spracherkennung, die Sie falsch versteht, produziert meist etwas sichtbar Falsches. Eine Umschreibeschicht, die Sie verrät, produziert etwas sichtbar Richtiges — grammatisch, plausibel, in Ihrer Stimme —, und genau deshalb wird das umgedrehte „nicht deployen“ abgeschickt statt abgefangen.

Wörtlich als Standard

Keebyes Position ist einfach: Was das Speech-to-Text-Modell gehört hat, landet an Ihrem Cursor. Standardmäßig sitzt kein Sprachmodell zwischen der Transkription und Ihrem Terminal und verfasst eine bessere Version von Ihnen — die Standard-Politurstufe ist eine kurze Liste deterministischer Regeln, mehr nicht.

Das ist eine bewusste Wette, und sie kommt aus dem Vibecoding-Anwendungsfall. Wenn Ihr Diktat der Steuerkanal für Coding-Agents ist, ist die Aufgabe des Werkzeugs Transport, nicht Autorschaft. Sie sind der Autor; der Agent ist das Publikum; die Diktierschicht sollte keine Meinungen haben. Dieser Workflow — ganze Prompts sprechen statt tippen — ist in Sprachdiktat für KI-Prompts beschrieben.

Es gibt eine LLM-Politur in Keebye — dazu komme ich —, aber sie ist opt-in, läuft vollständig auf Ihrer Maschine und arbeitet unter einer Absicherung, die gängige Formen von Abdriften, ausuferndem Wachstum und Wiederholung zurückweisen soll. Fällt die Ausgabe bei dieser Prüfung durch, fällt Keebye auf die Regeln zurück. Der Standard bleiben die Regeln.

Was macht die Bereinigung also tatsächlich?

Wörtlich muss nicht roh heißen. Keebye bringt einen optionalen Bereinigungsdurchlauf mit — die Veredelung, standardmäßig an und pro App überschreibbar —, aber sie ist regelbasiert, kein Modell, und die vollständige Liste dessen, was sie tut, passt in einen Absatz:

Sie entfernt alleinstehende Füllwörter (äh, ähm, hm, na ja). Sie fasst unmittelbare Wortwiederholungen zusammen — aus „das das“ wird „das“. Sie fasst Leerzeichen zusammen. Sie schreibt den ersten Buchstaben groß und ergänzt einen Schlusspunkt, wenn Sie keinen gesprochen haben. Das ist die ganze Liste. Die Regeln sind deterministisch und eng gefasst; sie stellen keine Satzteile absichtlich um, entfernen keine Verneinungen und ersetzen keine Wörter durch Synonyme.

Bevor die Bereinigung läuft, greifen Ihre Wörterbuch-Ersetzungen — selbst definierte Ersetzungen für den Jargon und die Eigennamen, an denen Sprachmodelle scheitern, damit „pnpm“ und Ihre Modulnamen so ankommen, wie Ihre Codebasis sie schreibt.

Und wenn Ihnen selbst der regelbasierte Durchlauf zu viel Eingriff ist, schalten Sie die Veredelung ab, und Keebye fügt das rohe Transkript des Sprachmodells ein: Füllwörter, Wiederholungen und alles. In manchen Kontexten — jemanden zitieren, in ein Feld diktieren, in dem der Schlusspunkt Dinge kaputtmacht — ist das Rohtranskript die bessere Wahl, und die App-spezifische Überschreibung lässt Sie das wählen.

Die Opt-in-Politur und die Treueprüfung drumherum

Jetzt das LLM, das ich versprochen habe. Für Menschen, die klügere Bereinigung wollen, bietet Keebye einen optionalen Politur-Modus (polish_mode auf local_llm): ein kleines Qwen3-Modell, das über llama.cpp auf dem Gerät läuft, Metal-beschleunigt, nichts wird irgendwohin gesendet. Seine Anweisungen sind die enge Fassung von Politur — Interpunktion und Großschreibung korrigieren, Füllwörter entfernen, die exakten Wörter, die Sprache und die Bedeutung des Nutzers behalten, Code und Dateinamen wortgetreu erhalten. Die Generierung ist deterministisch (Greedy Sampling, gleiche Eingabe → gleiche Ausgabe) und gedeckelt; hängt das Modell über eine Frist von zwei Sekunden hinaus, wird seine Ausgabe verworfen.

Aber Anweisungen sind Hoffnungen, und dieser Artikel existiert, weil Hoffnungen keine Garantien sind. Deshalb durchläuft jedes LLM-polierte Ergebnis eine Treueprüfung, bevor es Ihren Cursor erreichen darf. Die Ausgabe muss mindestens 50 % der Tokens des ursprünglichen Transkripts behalten. Sie darf nicht aufblähen — alles jenseits von etwa der doppelten Ursprungslänge (plus vier Tokens) fällt durch. Ausufernde Wiederholung wird erkannt. Fällt das polierte Ergebnis bei einer dieser Prüfungen durch, verwirft Keebye es und fällt stattdessen auf die regelbasierte Bereinigung zurück.

Diese Prüfung fängt starken Token-Verlust, ausuferndes Wachstum und Wiederholung ab, bevor die Modellausgabe das regelbereinigte Transkript ersetzen kann. Sie ist eine Heuristik, kein semantischer Beweis: Eine kurze Umschreibung oder eine geänderte Verneinung könnte ihre Schwellen trotzdem passieren. Wenn eine Einschränkung nicht abdriften darf, lassen Sie die KI-Politur aus und prüfen Sie den eingefügten Text, bevor Sie ihn abschicken.

Die ehrlichen Grenzen

Wörtlich heißt wörtlich. Wenn Sie abschweifen, landet Ihr Abschweifen — selbst die Opt-in-Politur ist auf Bereinigung angewiesen und abgesichert, nicht auf Komposition, Keebye macht aus einem mäandernden Gedanken also keine knackige Anweisung. Die Disziplin, zu sagen, was Sie meinen, bleibt bei Ihnen.

Die regelbasierte Bereinigung ist absichtlich dumm. Sie entfernt „äh“; sie repariert Ihre Grammatik nicht, baut keinen Schachtelsatz um und bemerkt nicht, dass Sie sich widersprochen haben. Alles Klügere würde die Ermessensentscheidungen zurückbringen, um deren Vermeidung willen dieses Design existiert.

Und Texttreue schützt vor Umschreiben, nicht vor Falscherkennung. Wenn das Sprachmodell „Cache“ als „Cash“ hört, wird dieser Fehler getreu bewahrt — die Prüfung weiß nicht, was Sie sagen wollten, nur, was transkribiert wurde. Wörtliches Diktat verschiebt die Vertrauensgrenze zum STT-Modell; es beseitigt sie nicht. (Verwandt: Wenn Ihr Problem darin besteht, dass das Modell in der komplett falschen Sprache transkribiert, ist das ein anderer Fehler mit einer anderen Lösung — Pinnen Sie Ihre Diktatsprache.)

Zuletzt die Einordnung der Kategorie: KI-Politur ist kein Betrug, und viele Nutzer bevorzugen ehrlich Ausgaben, die glatter lesen, als sie sprechen. Wenn das auf Sie zutrifft, lehnen sich andere Werkzeuge gut darin hinein, und unsere Vergleiche sagen das offen — Keebye vs Wispr Flow und Keebye vs Superwhisper enthalten beide einen echten Abschnitt „Wann das andere Werkzeug besser passt“.

Transport, nicht Autorschaft

Der Handel, den Keebye anbietet, ist absichtlich eng: Sie sprechen, und ein leicht bereinigtes Transkript landet dort, wo Ihr Cursor steht. Wenn diese Worte Prompts an einen Agent sind, der sie wörtlich ausführt, ist Enge ein Feature. Das Teuerste, was ein Diktierwerkzeug einem Entwickler antun kann, ist kein Tippfehler. Es ist ein flüssiger Satz, den Sie nie gesagt haben.

Keebye ist im Early Access für macOS. Starten Sie unten Ihre kostenlose Testphase, diktieren Sie „Nicht deployen, bevor die Tests durchlaufen“ und prüfen Sie, ob genau diese Einschränkung die Bereinigung überlebt. Dieser Test ist das ganze Produkt.