Alles in eine App

Ihre Stimme verlässt Ihren Computer niemals.

Dieser Satz ist die gesamte Beschreibung – und er gilt weiterhin. Drei Dinge erreichen das Netzwerk, und zwar nur dann: eine Lizenzprüfung beim Start, eine Aktualisierungsprüfung beim Start sowie das Herunterladen des Modells durch den Benutzer selbst. Kein Audio, kein Text – niemals.

• Kein Audio. Kein Text. Niemals.
• Sobald die Modelle auf Ihrer Festplatte sind und die Aktualisierungsprüfung deaktiviert ist, wird überhaupt nichts gesendet.
• Kein Netzwerk – kein Problem.

Funktioniert auf dem Laptop, den Sie bereits haben.

Keine Arbeitsstation erforderlich. Das kleine Modell läuft mit jeder Grafikkarte mit 4 GB Speicher, und die gesamte Anlage funktioniert auch ohne Grafikkarte – es werden 8 GB RAM, ein Vierkern-Prozessor vom Typ x86_64 sowie 5 GB Festplattenspeicher benötigt.

• NVIDIA — Vulkan 1.2+-GPU-Schirme
• AMD — Vulkan 1.2+-GPU-Schirme
• Unter Linux wird es als ein einzelnes, portables Dateiformat bereitgestellt, wobei nichts installiert werden muss.
• Unter Windows handelt es sich um einen normalen Installer, der keine Administratorrechte erfordert.

Dreißig Sprachen, zweiundzwanzig chinesische Dialekte – auf Ihrem Gerät

Es kann in dreißig Sprachen transkribieren und erkennt ohne Anweisung, welcher Dialekt gesprochen wird, zwanzig zwei chinesische Regionaldialekte selbstständig.

Alles läuft auf Ihrem Gerät – es fallen keine Gebühren pro Minute an, und es ist kein Hochladen erforderlich.

Übersetzung in 38 Sprachen – neu in v2.0.0

Übersetzung in achtunddreißig Sprachen – neu in v2.0.0

• Sprich Polnisch, erhältst Englisch. Sprich Englisch, erhältst Japanisch.
• Sagen Sie es einmal, und es soll gleichzeitig auf Englisch, Japanisch, Französisch und Spanisch eingegeben werden – jeweils in einer Zeile oder nebeneinander in derselben Zeile, so viele Zielsprachen wie gewünscht.
• Die Übersetzung hält dem Vergleich mit den Cloud-Riesen stand. Angetrieben von Tencent’s Hunyuan MT2 erreicht sie im FLORES-200-Benchmark bei gleicher Qualität 97,9 Prozent der Leistung von Google Gemini 3.1 Pro und übertrifft dieses bei Übersetzungen in der Praxis sowie in Minderheitensprachen.
• Untertitel ebenfalls – als reiner Text oder in SRT-Format, zeitgesteuert nach Sätzen oder Wort für Wort, wenn eine präzise Bearbeitung erforderlich ist.
• Und das Übersetzen einer Untertitelfdatei bewahrt die gesamte Zeitangabe bei.

Ihre Maschine, Ihre Entscheidung

Zwei Modellgrößen – eine Wahl statt einer Hierarchie: das kleinere Modell für Laptops mit integrierter Grafik, das größere Modell für verbesserte oder leisere Audioqualität. Sie können jederzeit wechseln. Zudem verwenden die Transkription und Übersetzung jeweils ihren eigenen Prozessor – einer kann auf der Grafikkarte laufen, während der andere auf der CPU arbeitet.

• Klein — für Laptops und integrierte Grafikchips
• groß — für akzentuierte oder laute Audiodateien

Optionale Zusatzmodule werden bei Bedarf über Einstellungen → Modelle heruntergeladen: Forced Aligner (~540 MB) für Wort-für-Wort-Zeitstempel, Hunyuan MT2 Fast (~1 GB) oder Qualität (~4,3 GB) für Übersetzung.

Rauschreduzierung

Die Geräuschreduzierung dient Aufnahmen, die in einem lauten Raum gemacht werden.

• Es ist standardmäßig deaktiviert, weil es dazu dient, kurze, klare Mikrofonclips zu verschlechtern.
• Schalten Sie es ein, wenn es im Raum laut ist.
• Lassen Sie es weg, wenn Ihre Aufnahme in Ordnung ist.
• Standardmäßig ausgeschaltet – pro Aufnahme umschalten oder dauerhaft aktiviert

Es lernt aus den Korrekturen, die Sie bereits vornehmen.

Die meisten Sprach-Apps bitten Sie, Beispielsätze vorzulesen. Diese App trainiert hingegen anhand der Korrekturen, die Sie bereits vornehmen: Sie korrigieren ein falsch gehörtes Wort – und diese Korrektur wird zum Beispiel.

• Keine Musteraufnahme, keine Hausaufgaben.
• Training – mit nur einem Klick
• Funktioniert mit Ihrer eigenen Hardware
• Das neue Modell ist bereit, aktiviert zu werden, sobald es fertig ist.
• Keine Aufnahmesessions
• Kein „Bitte wiederholen Sie den folgenden Absatz“.
• Nur Ihre Stimme und die Änderungen, die Sie ohnehin vorhatten vorzunehmen.

Die Tastatur, die zuhört

Tippen Sie an jeder Stelle, an der sich der Cursor befindet – im Editor, im Terminal, in einem Chat-Fenster, in einem Formular, in jedem Feld, das eine Tastatur akzeptiert. Und wenn Sie möchten, schreibt es die Übersetzung statt der Transkription: Sagen Sie es auf Polnisch, und der englische Text erscheint auf der Seite.

• Das Mikrofon
• Ein Audior oder Videofail
• Der Ton, der über Ihre Lautsprecher abgespielt wird
• Funktioniert mit jedem Textfeld, Editor, Terminal oder Chat
• X11 und Wayland unter Linux, natives Eingabesystem unter Windows

Ihre Worte, geschrieben auf Ihre Weise

Markennamen, Fachbegriffe, Namen von Kollegen. Markieren Sie sie einmal – dann erscheinen sie nicht mehr falsch. Derselbe Liste dient zur Steuerung der Transkription und Übersetzung, sodass ein Name niemals versehentlich lokalisiert wird. Korrigieren Sie ein falsch gehörtes Wort einmal – es wird zu Trainingsdaten; Sie müssen es nicht erneut zum Üben vorlesen.

• Fügen Sie Begriffe in den Einstellungen hinzu – einen pro Zeile
• Verbessert die Erkennung von Eigennamen und Abkürzungen
• Markennamen und technische Begriffe bleiben in den Übersetzungen unverändert.
• Kein Retraining erforderlich – wird zur Inferenzzeit angewendet

Der Agent bekommt Ohren.

Geben Sie Ihrem KI-Agenten die Fähigkeit zum Zuhören. Über MCP kann er auf Ihrem Gerät, ohne API-Schlüssel, Meetings jeder Länge transkribieren, übersetzen und aufzeichnen.

• Transkribieren Sie Audio-/Video-Dateien, Mikrofonaufnahmen oder Systemaudio
• Übersetzen Sie Text, SRT- oder VTT-Dateien (zweisprachiger Modus unterstützt)
• ASR- oder MT-Berechnungsgerät im laufenden Betrieb wechseln
• Persönliche Sprachprofile auflisten und wechseln
• Lese-/Schreibzugriff auf beliebige App-Einstellungen über den Agenten

Ein dreistündiger Anruf unterscheidet sich nicht von einem dreiminütigen – es gibt nichts, worauf man achten muss, und falls man vergisst, dass er aufgezeichnet wird, geht nichts verloren: Er endet von selbst und speichert die Transkription für einen.