Diktieren unter Windows – offline, direkt in jedes Programm
Du denkst schneller, als du tippen kannst. Hotkey drücken, sprechen, nochmal drücken — der Text landet dort, wo dein Cursor steht: in Outlook, Word, im Browser, im Chat. Die Spracherkennung läuft mit Whisper oder Parakeet auf deinem Rechner. Weder Aufnahme noch Text werden hochgeladen.
Kein Konto nötig · Kostenlos in deiner Systemsprache
Läuft ab Windows 10 · Keine Adminrechte nötig · Kein Konto
Tippen ist der Flaschenhals
Du weißt genau, was in der Mail stehen soll. Du brauchst nur zwölf Minuten, um es zu tippen.
Diktier-Apps gibt es. Nur haben die meisten drei Haken: Sie schicken deine Stimme an einen Server, sie kosten monatlich, und sie sind eine eigene Anwendung — du diktierst dort hinein, kopierst den Text und fügst ihn woanders wieder ein.
Celerando hat kein eigenes Fenster zum Reinsprechen. Der Text erscheint direkt in dem Programm, in dem du gerade arbeitest.
Drei Schritte, kein vierter
Überall in Windows, egal welches Programm gerade vorn ist. Voreingestellt ist Strg+Umschalt+Leertaste; in der Konfiguration legst du bei Bedarf eine andere Tastenkombination fest.
Ganz normal. Keine Kommandos, keine Pausen an bestimmten Stellen.
Der Text steht da, wo dein Cursor war. Kein Kopieren, kein Einfügen, kein Fensterwechsel. Lieber halten und loslassen? Ab Business geht auch Push-to-Talk.
Whisper und Parakeet: 26 Sprachen, alles auf deinem PC
Celerando erkennt Sprache mit quelloffenen Modellen von OpenAI und NVIDIA. Alle laufen lokal, alle lädt die App direkt von Hugging Face:
Drei Modellgrößen: Base (141 MB), Small (466 MB) und Turbo (574 MB). Läuft auf dem Prozessor oder per Vulkan auf jeder Grafikkarte, mit NVIDIA-Karte wahlweise per CUDA. In jeder Edition dabei, kostenlos in deiner Systemsprache.
17 europäische Sprachen mit automatischer Spracherkennung, sehr niedrige Latenz, streaming-tauglich. Läuft per Vulkan auf jeder Grafikkarte ab 2 GB Grafikspeicher — AMD, Intel oder NVIDIA —, sonst auf dem Prozessor. Ab Business.
Kostenlos: deine Systemsprache mit Whisper Small oder Base. Ab Pro: alle 26 Sprachen, alle Modelle, GPU-Beschleunigung. Ab Business: automatische Spracherkennung und Parakeet.
- Deutsch
- Englisch
- Spanisch
- Französisch
- Italienisch
- Portugiesisch
- Niederländisch
- Polnisch
- Russisch
- Ukrainisch
- Schwedisch
- Norwegisch
- Finnisch
- Slowakisch
- Katalanisch
- Türkisch
- Japanisch
Diese 17 Sprachen erkennt Celerando mit dem jeweils besten Modell sehr gut, weitere 9 gut mit gelegentlicher Korrektur: Tschechisch, Dänisch, Griechisch, Rumänisch, Kroatisch, Bulgarisch, Ungarisch, Koreanisch und Chinesisch. Grundlage sind die veröffentlichten Messungen von OpenAI und NVIDIA. Wählbar sind außerdem Estnisch, Lettisch, Litauisch, Maltesisch, Slowenisch und Arabisch, dort aber mit deutlich mehr Fehlern. Die Sprache wird pro Diktat eingestellt oder — ab Business — automatisch erkannt.
Spracherkennung offline: Modelle einmal laden, dann ohne Internet
Die Modelle werden einmalig innerhalb der App heruntergeladen und liegen danach in deinem Benutzerprofil — ohne Adminrechte. Empfohlen ist Whisper Small, die Einführung beim ersten Start schlägt es vor; alle anderen wählst du in den Einstellungen.
Danach braucht die Spracherkennung keine Verbindung mehr. Zug, Flugzeug, Keller, abgeschottetes Firmennetz — das Diktat läuft weiter.
| Modell | Download | Wofür |
|---|---|---|
| Whisper Base | 141 MB | Kleinster Download, für schwache Rechner |
| Whisper Small (empfohlen) | 466 MB | Gute Genauigkeit, läuft ohne Grafikkarte |
| Whisper Turbo | 574 MB | Beste Whisper-Genauigkeit, Grafikkarte empfohlen |
| Parakeet TDT 0.6B v3 | 638 MB | Schnell auch ohne Grafikkarte, 17 Sprachen automatisch erkannt — ab Business |
Die optionale CUDA-Laufzeit für NVIDIA-Karten (rund 140 MB) kommt von downloads.menterium.net, sobald du sie in den Einstellungen wählst. Ohne sie nutzt Celerando Vulkan — kein Fehler, nur ein anderer Weg auf dieselbe Grafikkarte. Welche Modelle angeboten werden, kann sich mit Updates ändern: Neue, teils bessere kommen hinzu, ältere können wegfallen.
Läuft das auf deinem Rechner?
Drei Stufen, vom Bürorechner bis zur Workstation — und keine davon braucht zwingend eine Grafikkarte:
Windows 10 (Build 19041) oder Windows 11, 4 GB RAM, ein Prozessor mit AVX2 (Intel Core ab 2013, AMD Ryzen). Whisper Base und Small laufen rein auf dem Prozessor — auch auf einem älteren Notebook.
8 GB RAM und eine Grafikkarte ab 2 GB Grafikspeicher von AMD, Intel oder NVIDIA. Alltagsdiktat mit Whisper Turbo oder Parakeet auf der Grafikkarte.
16 GB RAM und eine Grafikkarte ab 8 GB Grafikspeicher. Lange Diktate, Smart Modes und Übersetzer auf der Grafikkarte.
Die Seite Spracheingabe – Voraussetzungen hat einen Self-Check: drei Klicks, und du weißt, welches Modell zu deiner Maschine passt.
„Menterium“ ist kein Wort. Für Celerando schon.
Jede Spracherkennung scheitert an denselben Dingen: Eigennamen, Firmennamen, Produktnamen, Fachbegriffe aus deinem Beruf. Du diktierst deinen eigenen Nachnamen und bekommst etwas zurück, das nur so ähnlich klingt.
Im Personal Dictionary trägst du diese Wörter einmal ein — samt der Varianten, die die Erkennung fälschlich produziert. Ab dann sitzt es.
Das wirkt in beide Richtungen: Die Begriffe werden der Erkennung schon vor der Transkription mitgegeben, und falsche Schreibweisen werden danach korrigiert. Bei Parakeet (ab Business) zählen sie zusätzlich als Hotwords: Klingt ein Wort ähnlich, bevorzugt die Erkennung deine Schreibweise.
Enthalten ab Pro.
Vom Diktat zum fertigen Text
Nach der Erkennung läuft der Text durch mehrere Stufen, alle lokal, alle abschaltbar:
Gesprochene Zahlen werden zu Ziffern: „zweihundertvierundfünfzig“ → 254, „acht Uhr sieben“ → 8:07 Uhr, „drei Komma fünf Prozent“ → 3,5 Prozent. Für deutsche Diktate, in jeder Edition, standardmäßig an.
Gesprochene Zeichen werden zu Symbolen („Euro“ → €), Abkürzungen ausgeschrieben oder gekürzt, eigene Ersetzungen per regulärem Ausdruck. Ab Pro.
Ein lokales Sprachmodell (Gemma 3 4B) räumt auf: Füllwörter raus, Interpunktion rein, Ton abmildern oder als E-Mail formulieren. Mit einer Grafikkarte ab 8 GB Grafikspeicher meist in unter einer Sekunde, ohne sie in der CPU-Fassung ein paar Sekunden pro Satz. Ab Business.
Der Text erscheint schon, während du sprichst — Stück für Stück, direkt im Zielprogramm. Ab Business, ebenso wie Push-to-Talk; beides lässt sich unabhängig voneinander einschalten.
Deine Stimme verlässt deinen Rechner nicht
Cloud-Diktat bedeutet: Deine Aufnahme wird auf einen fremden Server übertragen, dort verarbeitet und der Text zurückgeschickt.
Wer Mandantengespräche, Patientendaten, Personalakten oder Vertragsentwürfe diktiert, hat es mit Berufsgeheimnissen und der DSGVO zu tun. Ein Cloud-Dienst ist dann oft nicht freigabefähig.
Celerando verarbeitet Aufnahme und Text auf deinem PC. Was die App überhaupt kontaktiert: den Download jedes Modells und jeder Zusatzsprache, die du wählst, die optionale CUDA-Laufzeit, die Update-Prüfung, die Lizenzaktivierung samt Abfrage der belegten Arbeitsplätze, beim allerersten Start einen einmaligen Installations-Ping und die Adressen, die du selbst einträgst (Web-App-Kacheln laden das Symbol der Seite, die Kachel „Verbindungen“ prüft deine Server). Der Ping enthält eine zufällige Installations-ID, einen gekürzten Hash der Geräte-Kennung sowie App-, .NET- und Windows-Version — kein Konto, kein Name, keine Inhalte. Lizenzaktivierung und Platzabfrage übermitteln den Hardware-Fingerabdruck des Rechners, der zum Aktivierungscode gespeichert wird. Der Server speichert die IP-Adresse nicht im Klartext: Ein Hash davon wird nach 48 Stunden gelöscht, die daraus abgeleitete ungefähre Herkunft (Land, Region, Stadt mit Genauigkeitsradius) bleibt mit dem Eintrag 24 Monate erhalten. Audio und Text sind nie Teil davon. Das lässt sich mit jedem Netzwerk-Monitor nachprüfen.
Der optionale Transkriptions-Verlauf (ab Pro) speichert Text und Aufnahme ausschließlich in deinem Benutzerprofil — standardmäßig aus.
Celerando und die Windows-Spracheingabe im Vergleich
Windows bringt mit Win + H eine eigene Spracheingabe mit. Der Unterschied liegt nicht darin, ob sie funktioniert — sondern wo.
| Celerando | Windows-Spracheingabe (Win + H) | Cloud-Diktier-Apps | |
|---|---|---|---|
| Wo erkannt wird | Auf deinem PC | Auf Microsoft-Servern (Online-Spracherkennung) | Auf den Servern des Anbieters |
| Internet nötig | Nie beim Diktieren — nur Downloads, Updates, der Erst-Start-Ping und einmal die Aktivierung einer Bezahl-Edition | Bei jedem Diktat | Bei jedem Diktat |
| Erkennungsmodell | Whisper oder Parakeet, Modell ab Pro frei wählbar | Microsoft, nicht wählbar | Proprietär |
| Sprachen | 26 gut erkannte (ab Pro), automatische Erkennung ab Business | Je nach installiertem Sprachpaket | Je nach Dienst |
| Eigene Begriffe | Personal Dictionary, Regeln, Smart Modes | — | Je nach Dienst |
| Preis | Kostenlos (Systemsprache), Pro 36 € einmalig | In Windows enthalten | Meist 7–15 € im Monat |
Stand September 2026. Die Windows-Spracheingabe ist für gelegentliche Notizen völlig in Ordnung — die Frage ist nur, ob dein Diktat auf einen fremden Server darf.
Wenn Tippen keine Option ist
Sehnenscheidenentzündung, RSI, Tendinitis. Diktieren ist dann kein Komfort, sondern die Voraussetzung dafür, weiterarbeiten zu können.
Sprechen fällt fast immer leichter als schreiben.
Mails, Protokolle, Dokumentation, Notizen.
Einmal zahlen. Nicht monatlich.
Ein Diktier-Abo für 5 € im Monat klingt nach wenig. Nach einem Jahr sind es 60 €, nach drei Jahren 180 €.
Celerando Pro kostet 36 € einmalig. Updates innerhalb der Version sind eingeschlossen.
Guides zum Thema
- ChatGPT Spracheingabe: am PC diktieren, Fehler beheben, AlternativeSo diktierst du in ChatGPT per Mikrofonsymbol, was hilft, wenn es nicht geht, und wie du Prompts am PC sprichst, ohne dass deine Aufnahme hochgeladen wird.
- Google Docs Spracheingabe: einschalten, Fehler beheben, AlternativeSo startest du die Spracheingabe in Google Docs, warum der Menüpunkt fehlt oder nichts passiert und wie du in Docs auch in Firefox und ohne Upload diktierst.
- In Outlook diktieren: E-Mails sprechen statt tippenWo „Diktieren“ in Outlook steckt, warum die Schaltfläche fehlt oder ausgegraut ist und wie du E-Mails ohne Abo und ohne Internet diktierst.
- Sehnenscheidenentzündung: Maus und Tastatur am PC entlastenSehnenscheidenentzündung durch Maus und Tastatur? Was die Hände am PC belastet, was eine ergonomische Maus leistet und wie du Tippen durch Diktieren ersetzt.
Häufige Fragen zum Offline-Diktieren
Ist Celerando eine Diktiersoftware?
Ja: eine Diktiersoftware für Windows, die komplett offline arbeitet. Du drückst einen Hotkey und sprichst, und der Text erscheint in dem Programm, in dem du gerade schreibst; ein eigenes Diktierfenster gibt es nicht. Die Spracherkennung läuft mit Whisper oder, ab Business, mit Parakeet auf deinem PC. Diktieren ist schon in der kostenlosen Version enthalten (30 Sekunden pro Aufnahme, deine Systemsprache). Daneben bringt Celerando einen lokalen Übersetzer, Texterkennung (OCR, ab Pro) und QuickShare mit.
Funktioniert das Diktieren ohne Internet?
Ja, vollständig. Das Sprachmodell wird einmal innerhalb der App heruntergeladen — empfohlen ist Whisper Small mit 466 MB, Base hat 141 MB, Turbo 574 MB und Parakeet 638 MB — und liegt danach in deinem Benutzerprofil. Die Erkennung selbst baut keine Verbindung auf; du kannst das im Flugmodus ausprobieren.
Brauche ich ein Konto, und prüft Celerando die Lizenz regelmäßig online?
Nein, beides nicht. Die kostenlose Version braucht keine Lizenz. Eine Bezahl-Edition aktivierst du einmal mit dem Code aus der Kauf-Mail; dabei wird der Hardware-Fingerabdruck des Rechners zum Code gespeichert. Danach liegt eine signierte Lizenzdatei auf deinem PC, die Celerando lokal prüft, ohne Ablaufdatum. Nur wenn du in der Konfiguration die Lizenzseite öffnest, fragt die App die belegten Arbeitsplätze ab und zeigt sie bei Mehrplatz-Lizenzen an; ohne Internet bleibt diese Zeile leer, und die Lizenz gilt weiter. Rechner, die nie ins Internet dürfen, aktivierst du mit einer Lizenzdatei (siehe „Aktivierung ohne Internetverbindung“).
Welche Sprachen werden erkannt?
26 Sprachen werden gut erkannt. Sehr gut: Deutsch, Englisch, Spanisch, Französisch, Italienisch, Portugiesisch, Niederländisch, Polnisch, Russisch, Ukrainisch, Schwedisch, Norwegisch, Finnisch, Slowakisch, Katalanisch, Türkisch und Japanisch. Gut, mit gelegentlicher Korrektur: Tschechisch, Dänisch, Griechisch, Rumänisch, Kroatisch, Bulgarisch, Ungarisch, Koreanisch und Chinesisch. Grundlage sind die veröffentlichten Messungen von OpenAI und NVIDIA mit dem jeweils besten Modell. Kostenlos ist deine Systemsprache, ab Pro stehen alle zur Wahl, und ab Business erkennt Celerando die Sprache automatisch. Wählbar sind außerdem Estnisch, Lettisch, Litauisch, Maltesisch, Slowenisch und Arabisch, dort aber mit deutlich mehr Fehlern.
Whisper oder Parakeet — was soll ich nehmen?
Whisper ist der Standard: in jeder Edition dabei, ab Pro in allen 26 Sprachen, mit Grafikkarte und dem Modell Turbo sehr genau. Parakeet lohnt sich, wenn du in einer europäischen Sprache diktierst, viele Fachbegriffe nutzt oder keine starke Grafikkarte hast: Die Wörter aus deinem Personal Dictionary fließen als Hotwords direkt in die Erkennung ein, und auch auf dem Prozessor ist Parakeet schnell. Parakeet ist ab Business enthalten.
Ist die Erkennung so gut wie bei Cloud-Diensten?
Nein. Whisper und Parakeet laufen auf deinem PC und sind deutlich kleiner als die großen Cloud-Modelle; an deren Qualität kommen sie nicht heran. Am ehesten merkst du das bei seltenen Fachbegriffen, Dialekt und Störgeräuschen – bei Fachbegriffen hilft das Personal Dictionary. Für klar gesprochene Mails, Notizen und Texte ist die Erkennung gut nutzbar; probier es mit der kostenlosen Version selbst aus.
Wie groß ist der Download, und wo liegen die Modelle?
Whisper Base hat 141 MB, Small 466 MB und Turbo 574 MB, Parakeet belegt 638 MB, und die optionale CUDA-Laufzeit kommt mit rund 140 MB dazu. Die Modelle kommen direkt von Hugging Face und liegen in deinem Windows-Benutzerprofil unter %LOCALAPPDATA%\Menterium\Celerando — ohne Adminrechte, und sie lassen sich in der App wieder löschen.
Brauche ich eine Grafikkarte?
Nein. Whisper Base und Small laufen auf dem Prozessor, auch auf einem älteren Bürorechner, Parakeet ebenfalls. Eine Grafikkarte ab 2 GB Grafikspeicher macht Whisper Turbo und Parakeet deutlich schneller — angesprochen per Vulkan, auf NVIDIA-Karten wahlweise per CUDA. GPU-Beschleunigung ist ab Pro enthalten. Wählst du CUDA ohne installierte Laufzeit, fällt Celerando auf Vulkan zurück — kein Fehler, kein Abbruch. Voraussetzung für die Spracherkennung ist ein Prozessor mit AVX2 (Intel Core ab 2013, AMD Ryzen).
Wird meine Stimme irgendwo gespeichert?
Nicht außerhalb deines Rechners. Der optionale Transkriptions-Verlauf (ab Pro) speichert Text und Aufnahme in deinem Benutzerprofil, damit ein Diktat nicht verloren ist, wenn es im falschen Fenster landet — er ist standardmäßig aus und lässt sich jederzeit leeren.
In welchen Programmen funktioniert das Diktieren?
In allen, die Texteingabe erlauben — Outlook, Word, Browser, Teams, Slack, Editoren, Eingabemasken. Celerando fügt den Text standardmäßig per Zwischenablage und Strg+V ein; für Remote-Desktop und Terminals gibt es einen Modus, der Zeichen für Zeichen tippt.
Wie lang darf eine Aufnahme sein?
In der kostenlosen Version 30 Sekunden pro Aufnahme. Ab Pro unbegrenzt.
Erscheint der Text schon während des Sprechens?
Das ist der Streaming-Modus, enthalten ab Business — der Text erscheint Stück für Stück, während du sprichst. In Free und Pro wird der Text eingefügt, sobald du die Aufnahme beendest.
Was sind Smart Modes?
Ein lokales Sprachmodell, das den erkannten Text nachbearbeitet — Füllwörter entfernen, Interpunktion setzen, den Ton abmildern, als E-Mail formulieren. Celerando nutzt dafür Gemma 3 4B von Google. Mit einer Grafikkarte ab 8 GB Grafikspeicher (AMD, Intel oder NVIDIA) läuft es neben der Spracherkennung auf der Karte, meist in unter einer Sekunde; ohne sie wählst du die kompaktere CPU-Fassung desselben Modells, die ein paar Sekunden pro Satz braucht. Ab Business.
Ist das für Kanzleien, Praxen und Unternehmen mit Schweigepflicht geeignet?
Die Ausgangslage ist eine andere als bei einem Cloud-Dienst: Es gibt keinen Dritten, der Aufnahme oder Text verarbeitet, und damit auch keinen Auftragsverarbeiter, der vertraglich gebunden werden müsste. Ob das für deinen Fall genügt, entscheidet eure Datenschutzprüfung — diese Seite liefert die technischen Fakten dafür.
Brauche ich Adminrechte?
Nein. Celerando installiert sich in dein Benutzerprofil, die Modelle ebenfalls.