Jedes große Diktierprodukt – Dragon, Otter, Googles Diktierfunktion, Apples Diktierfunktion sowie alle Cloud-Transkriptions-SaaS-Lösungen – leitet Ihre Stimme über den Server eines Dritten weiter. Das Audio wird auf Ihrem Gerät aufgenommen, über HTTPS an ein Rechenzentrum übertragen, dort transkribiert und anschließend als Text zurückgesendet. Manchmal wird das Audio gespeichert, manchmal verwendet, um Modelle zu trainieren, und manchmal wird es „anonymisiert“ – ein Begriff, der den größten Teil seiner Bedeutung verloren hat.
Wir sind der Ansicht, dass das die falsche Standardeinstellung ist.
Was die Leute tatsächlich diktieren
Sobald man mit der Beobachtung des tatsächlichen Gebrauchs beginnt, ist der Inhalt des Diktats fast nie ungezwungen. Er ist vielmehr:
- Medizinische Notizen – ein Arzt, der eine Beratung transkribiert.
- Rechtliche Entwürfe – ein Anwalt, der einen Antrag oder einen Brief an den Klienten diktiert.
- Journalismus – Interviews mit namentlich genannten Quellen, die annahmen, dass die Aufnahme nicht das Gerät des Journalisten verlassen würde.
- Therapienotizen – eine Zusammenfassung der Sitzungen, verfasst von einem Psychologen.
- Geschäftsstrategie – eine Führungskraft, die Memos zu Geschäften, Personen und Finanzen verfasst.
- Persönliche Tagebücher – das, was die Menschen wirklich denken, und was niemand sonst je lesen sollte.
All das wird standardmäßig routinemäßig in Cloud-Dienste hochgeladen. Oft im Widerspruch zu HIPAA, GDPR, dem Anwalt-Klienten-Vertraulichkeitsgebot oder einfachen Anstandsregeln – weil der Nutzer es nicht bemerkt hat oder keine Alternative hatte.
Was Voice Pro anders macht
- Kein Cloud-Modus, Punkt. Es gibt keinen Schalter für „Senden an den Server zur besseren Genauigkeit“. Das Modell läuft auf Ihrer CPU oder GPU. Das ist die einzige Option.
- Keine Telemetrie. Die App sendet keine Nutzungsstatistiken, Absturzberichte oder etwas anderes an den Server. Die einzigen Netzwerkanrufe sind (a) die Lizenzprüfung beim Start, (b) die Update-Prüfung, (c) optionale manuelle Modell-Downloads. Alle drei sind dokumentiert und können deaktiviert werden.
- Es ist kein Konto erforderlich, um zu transkribieren. Sie können die 14-tägige Testversion ohne Erstellung eines Kontos verwenden. Eine E-Mail-Adresse ist nur erforderlich, wenn Sie eine Lizenz kaufen möchten.
- Audio wird niemals auf die Festplatte gespeichert. Der Audiospeicher befindet sich während der Transkription im RAM und wird sofort freigegeben, sobald der Text erstellt ist. Es gibt nichts, was durchsickern könnte, nichts, was forensisch rekonstruiert werden könnte.
Können lokale Modelle wirklich mit der Cloud mithalten?
Vor zwei Jahren nein. Ein lokales 100-MB-Modell auf der CPU eines Laptops konnte nicht mit dem mithalten, was Googles Rechenzentrum mit 200 GB an Modellen und 40 GPUs leistete.
Heute ja. Qwen3-ASR 3B auf einem Mittelklasse-CPU erreicht bei den meisten Sprachen Fehlerraten im Wortbereich, die nur 2 % von denen der großen Cloud-Anbieter abweichen, und schlägt bei ressourcenarmen Sprachen, bei denen die Cloud-Anbieter über weniger Trainingsdaten verfügen. Bei der Diktatverarbeitung – also kurzen, gezielten Äußerungen – liegt die Lücke bei fast 0 %. Lokales ASR ist inzwischen gut genug und wird ständig besser. Wir sind diejenigen, die sich dafür entscheiden, es auszuliefern.
Das Prinzip
Ihre Stimme sind die persönlichsten Daten, die Sie erzeugen. Sie tragen Ihre Identität, Ihre Gedanken, die Personen, über die Sie sprechen, sowie die Wörter, die Sie gewählt haben – ohne dass jemand sie bearbeitet hat. Sie sollten Ihr Gerät nicht verlassen, es sei denn, Sie senden sie ausdrücklich und bewusst an einen anderen Ort.
Das ist keine Marketingaussage. Das ist der eigentliche Grund dafür, dass das Produkt überhaupt existiert.