Handy bringt private Spracheingabe direkt auf den Desktop

Worum es geht

Handy ist eine kostenlose Open-Source-App, die gesprochene Wörter auf dem eigenen Computer in Text umwandelt. Ein Tastenkürzel startet die Aufnahme, nach dem Sprechen erscheint die Transkription im aktuell geöffneten Textfeld. Der entscheidende Unterschied zu vielen Diktierdiensten: Laut Projektbeschreibung bleiben Aufnahme und Verarbeitung auf dem Gerät.

Das macht Handy für Menschen interessant, die häufig E-Mails, Notizen, Dokumentation oder Prompts schreiben, aber ihre Stimme nicht an einen Cloud-Dienst übertragen möchten. Die App ist für Windows, macOS und Linux verfügbar und wird als MIT-lizenziertes Projekt auf GitHub entwickelt.

Was Handy tatsächlich macht

Handy läuft als Desktop-App im Hintergrund. Nutzer legen ein globales Tastenkürzel fest, halten es zum Sprechen gedrückt oder schalten die Aufnahme ein und aus. Danach filtert eine lokale Spracherkennung die Aufnahme und setzt den erkannten Text dort ein, wo gerade der Cursor steht.

Laut Projektdokumentation unterstützt Handy mehrere lokale Modellfamilien. Whisper-Modelle decken unterschiedliche Größen und damit verschiedene Kompromisse aus Geschwindigkeit, Speicherbedarf und Genauigkeit ab. Parakeet V3 ist als CPU-orientierte Alternative mit automatischer Spracherkennung vorgesehen. Silero VAD erkennt Sprachpausen, damit unnötige Stille nicht verarbeitet wird.

Die App bietet außerdem einen Verlauf, ein persönliches Wörterbuch, konfigurierbare Modelle und Kommandozeilenparameter. Eine Raycast-Erweiterung kann auf macOS Aufnahme, Verlauf, Wörterbuch und Modellauswahl steuern. Für die Installation verweist das Projekt auf fertige Releases; zusätzlich existieren Pakete für Homebrew und winget, die laut README nicht vom Handy-Team gepflegt werden.

Warum das wichtig ist

Spracheingabe kann besonders bei kurzen Entwürfen, Barrierefreiheit und wiederkehrender Dokumentation Zeit sparen. Der praktische Wert von Handy liegt weniger in einem neuen Modell als in der Verbindung zwischen lokaler Erkennung und beliebigen Desktop-Programmen. Statt eine Aufnahme erst hochzuladen, zu transkribieren und den Text zu kopieren, landet das Ergebnis direkt im aktiven Feld.

Der lokale Ansatz reduziert zugleich die Datenweitergabe. Das ist relevant, wenn Notizen Namen, Kundendaten, interne Ideen oder andere sensible Inhalte enthalten. Lokal bedeutet allerdings nicht automatisch risikofrei: Der erzeugte Text kann weiterhin in einer Cloud-App landen, sobald er dort eingefügt oder gespeichert wird.

Für technisch versierte Nutzer ist zudem die offene Architektur wichtig. Handy basiert auf Tauri, React, TypeScript und Rust. Der Quellcode kann geprüft, angepasst und selbst gebaut werden. Die MIT-Lizenz erlaubt weitgehende Nutzung und Veränderung, ersetzt aber weder eine Sicherheitsprüfung noch einen Supportvertrag.

Einfach erklärt

Handy funktioniert wie ein Diktiergerät, das direkt neben der Tastatur sitzt und nur im eigenen Zimmer zuhört. Man drückt eine Taste, spricht einen Satz und der kleine Schreiber legt ihn genau an der Stelle ab, an der der Cursor wartet. Anders als bei einem externen Schreibbüro muss die Aufnahme das Haus dafür nicht verlassen.

Praktisches Beispiel

Eine Beraterin dokumentiert nach fünf Kundengesprächen jeweils eine Notiz mit etwa 120 Wörtern. Sie öffnet ihr lokales Notizprogramm, drückt das festgelegte Kürzel und spricht die Zusammenfassung. Handy verarbeitet die Stimme auf ihrem Laptop und fügt den Text in die Notiz ein.

Bei fünf Notizen entstehen so ungefähr 600 Wörter Rohtext. Anschließend prüft sie Namen, Zahlen und Fachbegriffe manuell. Wenn eine Notiz in ein cloudbasiertes CRM übertragen wird, gelten ab diesem Moment dessen Datenschutz- und Zugriffsregeln; Handys lokale Erkennung schützt nicht vor der späteren Übertragung.

Einordnung und Grenzen

• Die Erkennungsqualität hängt von Mikrofon, Umgebung, Sprache, Akzent und gewähltem Modell ab. Namen, Abkürzungen und Zahlen müssen kontrolliert werden.
• Größere lokale Modelle benötigen mehr Speicher und Rechenleistung. Auf älteren Geräten kann die Verarbeitung spürbar langsamer sein oder instabil laufen.
• Betriebssysteme verlangen Mikrofon- und Bedienungshilfen-Rechte. Nutzer sollten prüfen, welche Rechte die App erhält und aus welcher Quelle das Installationspaket stammt.
• Handy ist kein Meeting-Archiv, kein Dienst für Sprechertrennung und kein Ersatz für rechtssichere medizinische oder juristische Transkription.
• Lokale Transkription schützt die Audiodaten während der Erkennung, aber nicht den Zieltext, wenn dieser anschließend in eine Cloud-Anwendung eingefügt wird.

Der sinnvollste Test ist klein: eine aktuelle Release-Version aus einer offiziellen Quelle installieren, ein kompaktes Modell wählen und zehn typische Diktate mit Fachbegriffen durchführen. Erst die Fehlerquote im eigenen Alltag zeigt, ob Handy die Tastatur sinnvoll ergänzt.

SEO- und GEO-Schlüsselbegriffe

Handy, Offline-Spracherkennung, lokale Transkription, Speech-to-Text, Whisper, Parakeet V3, Open-Source-Diktierapp, Desktop-Spracheingabe, Datenschutz, Windows, macOS, Linux