Nach 1.3.0 haben wir gelesen, worüber sich Leute bei Diktier-Apps wirklich beschweren — Hacker-News-Threads, die Issue-Tracker der Open-Source-Apps, die Support-Seiten der Abo-Apps. Zwei Dinge stachen heraus. Testnutzer entscheiden in den ersten hundert Diktaten, ob eine App zuverlässig ist, und sobald nichts eingefügt wird und nichts erklärt, warum, sind sie weg. Und die am schnellsten wachsende Nutzergruppe diktiert gar keine E-Mails — sie spricht mit Coding-Agenten.

1.4.0 ist auf beides ausgerichtet.

Vext ist jetzt ein MCP-Server

Vext bringt einen eingebauten MCP-Server mit. Schalte ihn unter Einstellungen → Allgemein → MCP-Server für KI-Agenten ein, und Claude Code, Codex, OpenCode, Cursor, Claude Desktop, Octomind und jeder andere MCP-Client auf deinem Mac können Vext als Werkzeug nutzen.

Was ein Agent damit tun kann — dasselbe wie du über die Menüleiste und das Hauptfenster:

  • Diktieren. start_dictation, du sprichst, stop_dictation liefert das Transkript — nach Vokabular, Bereinigung und aktivem Stil. Mit paste: true landet es wie ein normales Diktat an deinem Cursor; ohne bekommt der Agent nur den Text.
  • Beliebige Audiodateien transkribieren, mit dem lokalen Modell.
  • Meetings. Aufnahme starten und stoppen, das Transkript mit Sprechernamen und Zeitstempeln lesen, die Zusammenfassung abrufen oder neu erzeugen, einen Sprecher benennen („Speaker 2“ → „Sarah“, auf Wunsch mit gemerkter Stimme), als Markdown, Text, SRT oder VTT exportieren.
  • Verlauf. Diktate und Notizen auflisten, durchsuchen, lesen und löschen; ein fehlgeschlagenes Diktat wiederholen.
  • Alles aus den Einstellungen. Diktierstil, Übersetzung, Füllwörter, Auto-Senden, Mikrofon, App-Stile, Vokabular, bekannte Sprecher.

Die Einrichtung ist für Claude Code ein einziger Befehl:

claude mcp add --transport http vext http://127.0.0.1:58398/mcp --header "Authorization: Bearer <dein Token>"

In den Einstellungen gibt es ein Menü Konfiguration kopieren für…, das dein Token für Claude Code, Codex CLI, OpenCode, Cursor und Windsurf, Claude Desktop und Octomind einsetzt. Der Server lauscht nur auf 127.0.0.1, jede Anfrage braucht das Token, das Vext erzeugt, und das Ganze ist aus, bis du es einschaltest. Nichts von deiner Stimme, deinen Transkripten oder Meetings verlässt den Rechner — der Agent spricht mit einem lokalen Port, und das lokale Modell erledigt die Arbeit.

Er unterstützt sowohl den klassischen MCP-Handshake als auch die 2026er Revision mit Metadaten pro Anfrage, funktioniert also mit heutigen Clients und denen, die gerade aktualisieren. Wenn du in Coding-Agenten diktierst, wird aus „Taste halten und sprechen" ein „der Agent bittet dich zu sprechen und macht dann etwas mit der Antwort".

Sieh die Wörter beim Sprechen

Beim Diktieren erscheint jetzt eine Pille am unteren Bildschirmrand: eine Wellenform, die verstrichene Zeit und das Transkript, das Satz für Satz hereinrollt, sobald die Erkennung einen Abschnitt abgeschlossen hat. Du kannst lesen, was sie gehört hat, bevor du die Taste loslässt.

Mitten im Satz anders überlegt? Drücke Escape oder klicke das ✕ der Pille. Die Aufnahme wird verworfen, nichts wird transkribiert, nichts eingefügt — und das Escape erreicht die App darunter nicht, schließt also nicht, was du gerade offen hattest.

Nichts scheitert mehr still

Das war das Zuverlässigkeitsproblem. Ein Diktat, das nichts ergab, ergab nichts: keinen Text, keine Meldung, keine Spur im Verlauf. Eine stille Aufnahme war von einer abgestürzten Erkennung nicht zu unterscheiden.

Jetzt:

  • Eine Aufnahme ohne Sprache zeigt „Keine Sprache erkannt“.
  • Scheitert die Erkennung an Audio, das eindeutig Sprache enthält, behält Vext das Audio, zeigt, was passiert ist, und legt im Verlauf eine Zeile „Transkription fehlgeschlagen" mit einem Wiederholen-Button an. Ein Klick auf Wiederholen fährt die gesamte Pipeline erneut — Erkennung, Vokabular, Bereinigung, dein Stil — und legt das Ergebnis in die Zwischenablage, denn dein Cursor ist längst woanders. Löschen der Zeile löscht das Audio.

Audio erfolgreicher Diktate wird weiterhin nie aufbewahrt.

Ein Stil pro App

Der Diktierstil aus 1.3.0 war global. Jetzt gibt es ihn auch pro App: Einstellungen → Sprache & LLM → Stile pro App. Nachricht für Slack, Wie gesprochen für Terminal und Claude Code, E-Mail für Mail, jeweils mit eigenem Auto-Senden-Schalter. Füge eine App aus der Liste der laufenden hinzu oder wähle eine von der Festplatte.

Den Stil bestimmt die App, die im Vordergrund war, als du zu sprechen begonnen hast — und dorthin geht auch der Text. Wenn du per Cmd-Tab wechselst, während Vext noch verarbeitet, springt es vor dem Einfügen zur ursprünglichen App zurück, statt den Text in das zu kippen, was gerade den Fokus hat.

Wähle dein Mikrofon

Einstellungen → Audio & STT → Mikrofon. Systemstandard oder ein beliebiges Eingabegerät, für Diktat, Notizen und Meetings gleichermaßen. Interfaces mit mehreren Eingängen, die bisher Stille vom falschen Kanal aufnahmen, nehmen jetzt den Kanal auf, den du gewählt hast.

Ziehst du das Mikrofon ab, fällt Vext auf den Systemstandard zurück und sagt es dir; die Auswahl behält deine Wahl als „(nicht verfügbar)“, bis das Gerät zurück ist. Wenn deine ersten Wörter mit AirPods weiter verloren gehen, ist das die Lösung: Drahtlose Mikrofone brauchen einen Moment zum Aufwachen, ein eingebautes oder kabelgebundenes nicht.

Hotkeys: Maustasten und kurzes Tippen

Mittlere und seitliche Maustasten lassen sich jetzt als Hotkeys aufnehmen — Push-to-Talk auf einer Daumentaste funktioniert genau wie eine Modifiertaste.

Neu ist außerdem das optionale Kurzes Tippen schaltet Freisprech-Diktat um: Ein Druck kürzer als die Haltezeit auf deiner Push-to-Talk-Taste startet den Freisprechmodus, ein weiteres Tippen stoppt ihn, ein langer Druck bleibt Push-to-Talk. Eine Taste, beide Verhalten. Standardmäßig aus, weil mit Shift als PTT-Taste jeder Großbuchstabe als Tippen zählen würde; mit Fn, rechter ⌥ oder einer Maustaste einschalten.

Und eine normale Taste zu tippen, während die Push-to-Talk-Kombination gehalten wird, bricht das Halten jetzt ab — Shift+Buchstabe ist Tippen, nicht Diktieren.

„Diesen Anruf aufnehmen?“

Wenn Zoom, Teams, Slack, FaceTime, Discord, Webex, Skype oder Loom dein Mikrofon benutzt, zeigt Vext eine kleine Abfrage in der Ecke: Zoom verwendet dein Mikrofon — Dieses Meeting aufnehmen und transkribieren? Aufnehmen startet die gewohnte Meeting-Pipeline mit Sprecherlabels und Zusammenfassung; Nicht jetzt verwirft sie, und nach dreißig Sekunden verschwindet sie von selbst.

Nichts wird aufgenommen, bevor du auf Aufnehmen klickst, und die Abfrage lässt sich unter Einstellungen → Audio & STT → Meetings abschalten.

Fehlerbehebungen

  • Einen Vokabulareintrag zu löschen, während sein Textfeld den Fokus hatte, ließ die App abstürzen. Behoben, und dasselbe Muster wurde in der neuen App-Liste behoben, bevor es zuschlagen konnte.
  • Das Hotkey-Aufnahmefeld konnte beim Neuzeichnen abstürzen, wenn eine Systemschriftabfrage nichts lieferte. Es nutzt jetzt ein natives Label.
  • Text wird in die App eingefügt, in der du zu diktieren begonnen hast, nicht in die, zu der du inzwischen gewechselt bist.

Aktualisieren

brew upgrade muvon/tap/vext

Oder lade Vext 1.4.0 direkt herunter. Meetings, Sprecherprofile, Vokabular und Hotkeys bleiben erhalten. Der MCP-Server bleibt aus, bis du ihn aktivierst.

Alles läuft weiterhin vollständig auf deinem Mac: keine Cloud, kein Konto, kein Abo.

Vext 1.4.0 herunterladen