Ich fasse den Diktat- und Transkriptions-Test aus Voicebox Part 3 zusammen: Audio importieren, in echte Apps diktieren, Whisper Base gegen Turbo vergleichen, Deutsch testen und die Hotkey-Probleme auf dem Mac einordnen.
Voicebox ist nicht nur zum Klonen von Stimmen da. Part 3 testet die andere Hälfte der App: lokale Transkription und Diktat, also genau den Job, für den viele monatlich Wispr Flow bezahlen.
Das Ergebnis ist stark, aber nicht reibungslos. Audio importieren und mit Whisper Turbo transkribieren funktioniert gut, besonders bei Deutsch. Die lokale Bereinigung kann chaotisches Diktat glätten, zeigt aber auch einen Haken: Deutsche Texte können bei der Bereinigung plötzlich auf Englisch ausgegeben werden, wenn Einstellung oder Prompt nicht sauber greifen.
Das größte Praxisproblem ist nicht die Transkriptionsqualität, sondern das Shortcut-Verhalten auf dem Mac. Ein Diktat-Tool wird erst dann alltagstauglich, wenn Push-to-talk und Einfügen zuverlässig funktionieren. Voicebox kommt nah ran, aber bei den Hotkeys fehlt noch Glätte.
| Test | Ergebnis | Anmerkung |
|---|---|---|
| Englischer Import, Base gegen Turbo | Beide Modelle lieferten dasselbe Ergebnis | Für reines Englisch lohnt der Speicherbedarf von Turbo nicht. |
| Deutscher Import, Base | Falsch, mit halluziniertem Inhalt | Base ist für Deutsch nicht verlässlich. |
| Deutscher Import, Turbo | Korrekt | Turbo ist die Wahl, wenn du auf Deutsch diktierst. |
| Lokale Nachbearbeitung | Räumt unsauberes Diktat gut auf | Der klare Vorteil daran, den LLM-Schritt lokal laufen zu lassen. |
| Deutsche Nachbearbeitung | Übersetzte das Ergebnis jedes Mal zurück ins Englische | Entweder eine fehlende Einstellung oder ein Fehler. So für Deutsch unbrauchbar. |
| Nachbearbeitung bei Stille | Erfand Inhalt aus einer leeren Aufnahme | Die Rohausgabe waren nur Punkte. Sollte man wissen, bevor man ihr traut. |
| Globale Hotkeys | Funktionieren nicht wie erwartet und sind wenig transparent | Der schwächste Teil. Import und Diktat selbst laufen gut. |
Transkription und Import funktionierten im Test gut, sowohl auf Englisch als auch auf Deutsch, und alles läuft kostenlos und lokal. Der Haken waren die Push-to-talk-Hotkeys auf dem Mac, die noch nicht zuverlässig genug wirkten.
Mit Whisper Turbo war die deutsche Transkription stark. Das kleinere Base-Modell war schwächer und anfälliger für Halluzinationen, deshalb ist Turbo für Deutsch im Test die bessere Wahl.
Ja, bei chaotischem englischem Diktat funktionierte die Bereinigung gut. Der wichtige Haken: Ein deutscher Text wurde bei der Bereinigung teilweise auf Englisch ausgegeben. Spracheinstellungen und Refinement-Prompt müssen also geprüft werden.
Whisper Turbo war im Test der beste Kompromiss: nahe an Large, schneller in der Praxis und deutlich besser als Base bei deutschem Material.
Zusammenfassung aller zwölf Kapitel. Die Zeitmarken springen direkt an die passende Stelle im Video. Die deutsche Volltranskript-Fassung folgt, sobald die deutsche Untertitelspur bereinigt ist.
Der Hook greift die Halluzination aus Part 2 auf, bei der Whisper plötzlich einen Satz sagte, der nie gesprochen wurde. Diesmal wird die Richtung umgedreht: nicht Stimme erzeugen, sondern Sprache lokal transkribieren, kostenlos und ohne Cloud-Upload.
Der Captures-Tab wird als lokale Transkriptionszentrale vorgestellt. Getestet werden vorbereitete englische und deutsche Audios, Freestyle-Diktat, Modellvergleich und die Frage, ob Voicebox gesprochene Sprache sauber genug für echte Arbeit bereinigen kann.
Vor dem Test müssen globale Shortcuts und Modelle eingerichtet werden. Das Video zeigt, welche Warnungen Voicebox gibt, welche Sprach- und Transkriptionsmodelle nötig sind und warum auf dem Mac zusätzliche Rechte für globale Tastenkürzel gebraucht werden.
Ein vorbereitetes englisches Audio wird importiert und mit Whisper Base sowie Whisper Turbo verglichen. Das Ziel ist nicht nur, ob Wörter erkannt werden, sondern ob das Ergebnis zuverlässig genug ist, um als lokales Diktat wirklich Zeit zu sparen.
Der deutsche Test zeigt, dass Modellwahl wichtig ist. Während kleinere Modelle schneller und leichter sind, kann die Qualität bei schwierigerem Material kippen. Genau solche Fehler sind relevant, wenn man Voicebox als Alternative zu kostenpflichtigen Diktat-Tools nutzen will.
Ein praktischer Haken: Die lokale LLM-Bereinigung verarbeitet einen deutschen Text, gibt aber teilweise englische Ausgabe zurück. Das ist kein Totalausfall, aber ein Hinweis, dass Spracheinstellungen und Refinement-Prompts später genauer geprüft werden müssen.
Nach den ersten Tests sieht Whisper Turbo klar besser aus als Base, besonders im deutschen Material. Für ernsthafte Nutzung lohnt sich also das größere Modell, auch wenn es mehr Ressourcen braucht.
Voicebox wird nicht nur mit importierten Audiodateien getestet, sondern als echtes Diktat in einer App. Genau hier entscheidet sich, ob das Tool nur technisch interessant ist oder wirklich in den Arbeitsalltag passt.
Der ehrlichste Teil des Tests: Die globalen Tastenkürzel verhalten sich auf dem Mac nicht so sauber wie erwartet. Das ist wichtig, weil Diktat nur dann nützlich ist, wenn Start, Stopp und Einfügen zuverlässig funktionieren.
Bei fast keinem Input kann das Refinement wieder Dinge erfinden. Das zeigt, dass Transkription plus LLM-Bereinigung nicht blind vertraut werden sollte. Gute Ergebnisse brauchen genug klares Audiosignal.
Die Transkription selbst überzeugt stärker als die Bedienung. Import und Genauigkeit funktionieren gut, aber die Shortcut-Friktion verhindert noch, dass Voicebox für Lukas direkt so glatt ist wie ein reifes Diktat-Abo.
Voicebox kommt als lokale Wispr-Flow-Alternative näher dran als erwartet, besonders bei Transkription. Part 4 soll dann die Agenten-Seite zeigen: Voicebox mit AI Agents und MCP verbinden.
Ich arbeite 1:1 mit Selbstständigen, Beratern, Coaches und kleinen Teams an praktischen KI-Workflows für Content, Automatisierung und Alltag.
Kostenloses Erstgespräch buchen