Ein Diktierkürzel muss zwei Fragen beantworten: Nimmt das Mikrofon auf, und was passiert gerade mit meinem Text? Vext 1.5.1 macht beides an einer Stelle sichtbar. Die neue Diktieranzeige bleibt vom Start des Mikrofons über die Transkription bis zur optionalen KI-Überarbeitung auf dem Bildschirm.

Diese Version baut auf dem laufenden Transkript, gespeicherten Aufnahmen und den Agentenwerkzeugen aus Vext 1.4.0 auf. Im Mittelpunkt steht die Zeit zwischen dem Drücken des Kürzels und dem fertigen Text in deiner App.

Rot bedeutet: Das Mikrofon nimmt auf

Halte dein Diktierkürzel gedrückt. Zunächst zeigt die Anzeige den Mikrofonstart. Sie wird erst rot, wenn tatsächlich Audio aufgenommen wird. Das ist dein Signal, mit dem Sprechen zu beginnen. Während du sprichst, erscheint weiterhin laufend Text.

Bisher konnte das Absenken der Systemlautstärke die Aufnahme verzögern und den Satzanfang abschneiden. In 1.5.1 verzögert die Audioabsenkung die Aufnahme nicht mehr — Rot steht für ein tatsächlich aufnahmebereites Mikrofon, nicht bloß für einen Tastendruck. Ein Hinweis: Bluetooth-Mikrofone brauchen möglicherweise weiterhin einen Moment zum Aufwachen. Warte also auf das rote Signal, bevor du sprichst, oder nutze ein eingebautes oder kabelgebundenes Mikrofon.

Dieselbe Anzeige bis zum Schluss

Lass das Kürzel los: Die Anzeige bleibt stehen. Zuerst zeigt sie die Transkription, danach bei einem Stil mit KI die Überarbeitung samt gewähltem Stil, etwa E-Mail. Eine Uhr zeigt die verstrichene Zeit. Auch das Menüleistensymbol signalisiert die Verarbeitung.

Kein Fortschrittskreisel folgt deinem Mauszeiger durch diesen Ablauf. Der Text bleibt in der Anzeige, dein Blick ruht also an einer Stelle, während Vext die Aufnahme fertig verarbeitet.

Drücke Esc, um eine langsame KI-Überarbeitung oder das Laden des Modells zu überspringen und den Text wie gesprochen einzufügen. Das überspringt den KI-Durchlauf — nicht die Transkription selbst: Noch laufende Spracherkennung wird nicht vorzeitig eingefügt. Scheitert ein Versuch, behält Vext das Audio und bietet direkt in der Anzeige einen erneuten Versuch mit einem Klick: dieselbe Aufnahme noch einmal verarbeiten, statt sofort alles neu zu sprechen.

Der passende Stil für die App

Die Diktierstile heißen Wie gesprochen, Bereinigen, E-Mail, Nachricht, Stichpunkte, Förmlich und Benutzerdefiniert. Mit Stilen pro App kannst du etwa Nachricht für einen Chat und Wie gesprochen für ein Terminal wählen. Das sind die bestehenden Diktierstile, nun eingebettet in einen verständlicheren Verarbeitungsablauf.

Wie gesprochen lässt das Transkript ohne KI-Umformulierung bestehen. Andere Stile fordern unterschiedliche Bearbeitungen an. Prüfe deshalb das Ergebnis, wenn der genaue Wortlaut wichtig ist. Mit Esc kannst du das ursprüngliche Transkript verwenden, wenn du nicht auf die Überarbeitung warten möchtest.

Zuverlässigkeit und alltägliche Bedienung

Die kleineren Änderungen entfernen Reibung aus dem Alltag:

  • Freihändiges Diktieren mit rechter Cmd-Taste und Meeting-Umschaltung mit Fn reagieren nicht mehr auf Kombinationen wie rechte Cmd+C oder Fn+Entf. Menühinweise zeigen deine eigenen Belegungen.
  • Käufer behalten ihren bezahlten Zugang auch offline.
  • Das lokale KI-Modell wird erst heruntergeladen, wenn ein Stil oder eine Übersetzung es tatsächlich benötigt.
  • Native Auswahlfelder, lokalisierte Anzahlen und Zeitangaben sowie eine Seitenleiste in den Einstellungen vereinheitlichen die Bedienung.
  • Exportiere Diktate, Notizen und Meetings direkt aus der App — TXT und Markdown, für Meeting-Transkripte zusätzlich SRT und VTT. Nach einer verweigerten Berechtigung führt die Einführung zu den Systemeinstellungen, und der Kaufknopf zeigt den Preis.

Standardmäßig lokal arbeiten

Diktieren läuft standardmäßig lokal. Parakeet TDT v3 läuft über FluidAudio auf Apple Silicon, Apple Speech ist eine weitere Option, und die Überarbeitung nutzt ein lokales MLX-Modell. Lieber in der Cloud? Hinterlege deinen eigenen API-Schlüssel für OpenAI-kompatible Cloud-Modelle — sie sind standardmäßig ausgeschaltet.

Wähle aus 29 Zielsprachen oder behalte die ursprüngliche Sprache; unterstützte gesprochene Sprachen hängen von der Spracherkennung ab. Mit 1.5.1 ist der Weg vom Mikrofon zum eingefügten Text leichter nachvollziehbar — du weißt immer, wo du gerade bist.