whidictate.

Diktieren in Outlook, Word und jedes andere Programm – mit lokaler Spracherkennung, Satzzeichen per Zuruf und einem Sekretariat, das Diktate prüft und fertigstellt.

Quellcode auf GitHub Anleitung

BETA Windows, macOS und Linux · Open Source (Apache-2.0) · noch keine fertigen Installer

Sie sprechen

Es erscheint im Dokument

Die Vorführung läuft im Browser und zeigt vereinfacht, wie aus gesprochenen Befehlen Satzzeichen werden.

So läuft ein Diktat

Vom Sprechen bis zum fertigen Schriftstück – ohne Umwege und ohne Cloud.

Diktieren

Taste am Mikrofon oder Tastenkürzel drücken und sprechen. Der Text erscheint satzweise direkt im aktiven Programm.

Senden

Soll das Sekretariat schreiben: Aktenzeichen, Priorität und Anweisung ergänzen und abschicken. Ohne Netz wartet das Diktat in der Warteschlange.

Fertigstellen

Das Sekretariat hört mit, korrigiert den Text, setzt „Fertig“ – und die Anwältin sieht das Ergebnis.

Was drinsteckt

Gebaut für den Kanzleialltag: deutsch und englisch, auf normalen Arbeitsplatzrechnern.

Lokales Whisper

Die Spracherkennung läuft auf dem eigenen Rechner – mit Grafikkarte (AMD, NVIDIA, Intel, Apple) oder ohne. Keine Sprachdaten im Internet.

Direkt in jedes Programm

Outlook, Word, Browser, Praxis- und Kanzleisoftware: der Text landet, wo der Cursor steht.

Wenig Wartezeit

Eine Sprechpausen-Erkennung teilt das Diktat in Sätze. Jeder Satz wird transkribiert, während Sie weitersprechen.

Diktiermikrofone

Philips SpeechMike und ähnliche Geräte: Tasten werden angelernt, auch unter Wayland, wo globale Tastenkürzel fehlen.

Wörterbuch

Gerichte, Namen und Fachbegriffe hinterlegen, damit Whisper sie richtig schreibt.

Sekretariatsserver

Eigener Server mit Web-Oberfläche: Audio-Player mit Sprungmarken, Versionsverlauf, Status, Benutzer und Rollen.

Satzzeichen zum Zuruf

Eine Auswahl der Diktierbefehle. Wörter wie „Punkt 3“ oder „Standpunkt“ bleiben normaler Text.

Sie sagen	Es entsteht	Sie sagen (EN)	Es entsteht
„Punkt“	`.`	„period“	`.`
„Komma“	`,`	„comma“	`,`
„Fragezeichen“	`?`	„question mark“	`?`
„Doppelpunkt“	`:`	„colon“	`:`
„neue Zeile“	Zeilenumbruch	„new line“	Zeilenumbruch
„neuer Absatz“	Leerzeile	„new paragraph“	Leerzeile
„Klammer auf / zu“	`( )`	„open / close bracket“	`( )`
„Absatzzeichen“	`§`	„open / close quote“	`“ ”`

Die Sekretariatsseite

Eine Web-Oberfläche, im Browser, ohne Installation. Die Beispiele zeigen erfundene Daten.

Liste der eingegangenen Diktate mit Priorität, Aktenzeichen, Autor, Dauer und Status — Eingang: dringende Diktate stehen oben, Status und Bearbeiter auf einen Blick.

Editor mit Audio-Player, Satzliste mit Zeitmarken, Anweisung des Anwalts und bearbeitbarem Text — Editor: Ein Klick auf einen Satz spielt die Stelle ab. F4 startet und pausiert, F5 und F6 springen fünf Sekunden zurück oder vor.

Vertraulich bleibt vertraulich

Mandantengeheimnis und Cloud passen schlecht zusammen. whidictate kommt deshalb ohne aus.

Spracherkennung vollständig auf dem eigenen Rechner, keine Telemetrie.
Der Server läuft im eigenen Netz, immer mit HTTPS. Der Client speichert kein Passwort, nur einen widerrufbaren Geräte-Zugang.
Audio und Transkripte liegen im Datenverzeichnis des Servers unverschlüsselt – daher Festplattenverschlüsselung einsetzen (BitLocker, LUKS, FileVault).

Ausprobieren

Fertige Installer gibt es noch nicht. Zum Testen den Client aus dem Quellcode bauen (Rust und CMake nötig):

git clone https://github.com/fmatsch/whidictate
cd whidictate

# Client (Tray-App)
cargo run --release -p whidictate

# Server (optional, für die Sekretariatsfunktion)
cargo run --release -p whidictate-server -- create-user admin --role admin
cargo run --release -p whidictate-server -- serve

Beim ersten Start lädt die App auf Wunsch ein Whisper-Modell herunter (Einstellungen → Spracherkennung). Server-Betrieb mit Docker und HTTPS: docs/SERVER.md.

Ehrlicher Stand

Getestet wurde bisher auf macOS (Apple Silicon). Windows und Linux kompilieren automatisch, laufen aber noch nicht mit echter Hardware: besonders AMD-Grafik per Vulkan, Wayland-Einfügen und die Tasten der SpeechMike-Modelle.
Nicht enthalten: signierte Installer, LDAP/Active-Directory-Anbindung, verschlüsselter Server-Speicher, automatische Löschfristen, wortgenaue Zeitmarken.
Rückmeldungen zu Hardware und Diktierbefehlen sind willkommen – am besten als Issue auf GitHub.