Spracherkennung unter Linux: 14 Tools, die wirklich laufen (2026)
Geschrieben von Futsy, Gründer von Vibe Typer
Die meisten Bestenlisten zur Spracherkennung unter Linux werden eigentlich für Windows und Mac geschrieben, und Linux wird hinterher von jemandem angeflanscht, der es nie selbst benutzt hat. Hier ist es andersherum. Jedes Tool in dieser Liste liefert einen echten Linux-Build, und die Spalte, auf die es wirklich ankommt, ist Wayland, denn genau daran scheitern die meisten still und leise.
Wir entwickeln eines dieser Tools selbst. Gewichte die Empfehlungen also entsprechend.
Das Wichtigste zuerst
- Soll einfach funktionieren, ohne Einrichtung → Vibe Typer. Ein AppImage, nativ unter Wayland und X11, Cloud-basiert.
- Wayland und wenig Geduld → Vibe Typer. Es tippt nativ unter Wayland, ganz ohne
ydotool-Setup. - Diktieren in mehreren Sprachen → Vibe Typer. 99 Sprachen, automatische Erkennung, keine Downloads.
- Prompts an Coding-Assistenten → Vibe Typer. Es fügt je nach App passend ein und ist im Terminal sicher, auch in Claude Code und Codex.
Warum Diktieren unter Linux schwerer ist, als es sein müsste
Diktieren besteht aus zwei Hälften: Sprache in Text verwandeln und diesen Text in die App bekommen, die du gerade vor dir hast. Die erste Hälfte ist gelöst. Seit Whisper gibt es gute Transkription umsonst. An der zweiten zerbrechen die Linux-Tools.
Unter X11 darf jeder Prozess Tastenanschläge in jedes Fenster einschleusen. Genau das macht xdotool, und deshalb hat praktisch jedes Linux-Diktierprogramm, das vor etwa 2022 entstanden ist, X11 vorausgesetzt und einwandfrei funktioniert.
Wayland hat das absichtlich entfernt. Ein Wayland-Client kann keine Eingaben in einen anderen Client einspeisen. Das war der ganze Sinn des Sicherheitsmodells. Tools, die auf xdotool oder XTestFakeKeyEvent aufbauen, laufen also nicht etwa eingeschränkt weiter: Sie tun schlicht gar nichts, meist ohne Fehlermeldung. Die Auswege heißen ydotool (braucht einen uinput-Dienst und oft einen Neustart), dotool oder wtype. Letzteres funktioniert nicht unter GNOME, weil GNOME das benötigte Virtual-Keyboard-Protokoll nicht implementiert.
Deshalb heißt die ehrliche Spalte unten „Wayland“ und nicht „Linux“. Ubuntu setzt seit 22.04 auf Wayland, Fedora seit 25. Wenn ein Tool mit „Linux-Unterstützung“ wirbt und X11 meint, kann ein Distributions-Upgrade dein Diktieren unbemerkt lahmlegen.
Der Vergleich
| Tool | Wayland | X11 | Installation | Lizenz | Kosten |
|---|---|---|---|---|---|
| Vibe Typer | Nativ | Nativ | AppImage | Proprietär | Gratis-Tarif, 8 $/Monat bei jährlicher Zahlung |
| Vocalinux | Ja | Ja | Skript (Einzeiler) | AGPL-3.0 | Kostenlos |
| VOXD | Ja (über ydotool) | Ja | .deb / .rpm / .pkg | MIT | Kostenlos |
| Handy | Teilweise | Ja | AppImage | MIT | Kostenlos |
| nerd-dictation | Teilweise | Ja | pip + git + Modell | GPL-3.0 | Kostenlos |
| Talon | Nein | Ja | Installer / ZIP | Proprietär + Patreon | Kostenlos |
| OpenWhispr | Teilweise | Ja | Electron-App | Open Source | Kostenlos |
| Whispering | Teilweise | Ja | Desktop-App | Open Source | Kostenlos |
| Speech Note | Teilweise | Ja | Flatpak | Open Source | Kostenlos |
| whisper.cpp | Nur CLI | Nur CLI | Selbst kompilieren | MIT | Kostenlos |
| Blahst | Teilweise | Ja | Skript | Open Source | Kostenlos |
| Numen | Ja | n/v | Quellcode | Open Source | Kostenlos |
| VoiceKey | Teilweise | Ja | .deb | Proprietär | Kostenpflichtig |
| Diktieren im Browser | n/v | n/v | Keine | n/v | Kostenlos |
„Teilweise“ heißt: Es funktioniert, braucht aber einen Helfer (ydotool, dotool, wtype) und kann sich bei manchen Compositors merkwürdig verhalten.
Die Tools
Vibe Typer
Unseres. Ein portables AppImage, keine Paketquelle, keine Abhängigkeiten, keine Modelle zum Herunterladen:
chmod +x ~/Downloads/VibeTyper.AppImage
~/Downloads/VibeTyper.AppImage
Der Grund, warum es ganz oben in der Tabelle steht, ist die Wayland-Spalte. Es implementiert den Wayland- und den X11-Pfad nativ, statt xdotool aufzurufen, wählt den passenden für deine Sitzung und übernimmt deine Einstellungen, wenn du wechselst. Das ist ungewöhnlich, und es ist der häufigste Grund, warum Leute hier landen, nachdem etwas anderes den Dienst quittiert hat.
Tastenkürzel drücken, sprechen, und der Text landet dort, wo dein Cursor steht: Terminals, Editoren, Browser, Chat, E-Mail. Der Magic Formatter entfernt Ähs, Satzabbrüche und Selbstkorrekturen gleich mit, statt sie treu mitzuschreiben. Markiere Text und sag „mach das kürzer“, um ihn an Ort und Stelle umzuschreiben. 99 Sprachen mit automatischer Erkennung, ohne dass du je ein Sprachpaket herunterladen musst.
Es ist Cloud-basiert, und das ist eine bewusste Entscheidung, keine Lücke. Die Transkription läuft auf großen Spracherkennungsmodellen und auf Hardware, die auf Tempo ausgelegt ist, nicht auf deiner CPU. Deshalb ist es auf einem fünf Jahre alten ThinkPad genauso schnell und genau wie auf einer Workstation, und es gibt kein Modell zum Herunterladen. Audio wird im Arbeitsspeicher verarbeitet und verworfen, das Backend legt überhaupt keinen serverseitigen Transkript-Cache an, und mit deiner Stimme wird nichts trainiert.
Der Gratis-Tarif umfasst 2.000 Wörter und 20 KI-Operationen pro Monat, ohne Kreditkarte. Pro kostet 8 $ im Monat bei jährlicher Zahlung, 10 $ bei monatlicher.
Am besten für: Leute, die vom ersten Tag an in jeder App diktieren wollen, ohne dafür etwas pflegen zu müssen.
Vocalinux
Die ausgereifteste Offline-Option, von Anfang an für Linux gebaut. Ein Befehl, und der Installer erkennt deine Hardware:
curl -fsSL https://raw.githubusercontent.com/jatinkrmalik/vocalinux/main/install.sh -o /tmp/vl.sh && bash /tmp/vl.sh --interactive
Getestet unter Ubuntu 22.04+, Debian 11+, Fedora 39+, Arch, openSUSE Tumbleweed, Manjaro und EndeavourOS. Läuft unter X11 und Wayland. Damit steht es auf einer sehr kurzen Liste. Standardmäßig whisper.cpp mit Vulkan für herstellerübergreifende GPU-Unterstützung; wahlweise auch Whisper, VOSK oder eine eigene Remote-API. Keine Cloud, keine Telemetrie, kein Konto. AGPL-3.0, ohne Premium-Stufe.
VOXD
Lokales Diktieren, das direkt in das fokussierte Fenster tippt, ausgeliefert als echte Distributionspakete statt als Skript:
# Ubuntu / Debian
sudo dpkg -i voxd_*.deb
# Fedora
sudo rpm -i voxd-*.rpm
# Arch
sudo pacman -U voxd-*.pkg.tar.zst
Unter der Haube: whisper.cpp mit GGML-Modellen von 75 MB bis 2,9 GB, 99+ Sprachen, ohne GPU-Zwang. Der Autor gibt Tests unter Arch/Hyprland, Omarchy 3.0, Ubuntu 24.04 und 25.04, Fedora 42, Pop!_OS 22, Mint 22 und openSUSE Leap 15.6 an. Optionale KI-Nachbearbeitung lokal über llama.cpp oder Ollama, oder über einen Cloud-Anbieter, wenn du das willst. MIT.
Wayland funktioniert, braucht aber ydotool und einen Neustart. Das Setup-Skript erledigt das für dich.
Handy
Der freundlichste Einstieg in lokales Whisper. AppImage für Linux plus Builds für macOS und Windows, MIT-lizenziert, aktiv entwickelt.
Zwei Modellfamilien: Whisper (Small bis Large, GPU-beschleunigt, wo vorhanden) und Parakeet V3, das CPU-optimiert ist, die Sprache automatisch erkennt und auf Mittelklasse-Hardware etwa fünfmal schneller als in Echtzeit transkribiert. Die zweite Option ist die interessante. Sie macht brauchbares Offline-Diktieren auf einem Laptop ohne dedizierte GPU möglich.
Wayland ist die Schwachstelle. Du brauchst wtype oder dotool, das Tastenkürzel musst du in deiner Desktop-Umgebung statt in Handy hinterlegen, und die Projektdokumentation warnt selbst, dass manche Compositors das Overlay von Handy für das aktive Fenster halten. Dann landet der eingefügte Text an der falschen Stelle.
nerd-dictation
Das Tool, das in jedem Linux-Thread zuerst genannt wird, und immer noch das am besten hackbare. VOSK im Rücken, vollständig offline, kein Dienst im Hintergrund und skriptbar wie nichts anderes hier. Du kannst die Ausgabe in Python umschreiben, bevor sie getippt wird.
pip3 install vosk
git clone https://github.com/ideasman42/nerd-dictation.git
cd nerd-dictation
wget https://alphacephei.com/kaldi/models/vosk-model-small-en-us-0.15.zip
unzip vosk-model-small-en-us-0.15.zip && mv vosk-model-small-en-us-0.15 model
Braucht Python 3.6+, ein Audio-Tool (parec, sox oder pw-cat) und einen Eingabesimulator. An dieser letzten Entscheidung hängt alles für Wayland: xdotool ist Standard und nur X11, während ydotool, dotool und wtype Wayland mit den üblichen Einschränkungen abdecken.
Sei ehrlich zu dir selbst, was diesen Kompromiss angeht. Die kleinen Modelle von VOSK liegen bei Akzenten und Hintergrundgeräuschen spürbar hinter Whisper, und es gibt keine KI-Bereinigung. Du bekommst ein wortgetreues Transkript, Ähs inklusive. Dafür hast du vollständige Kontrolle und keine Abhängigkeit vom Dienst eines anderen. GPL-3.0.
Talon Voice
Das einzige Tool hier, das leistet, was Dragon leistet. Über das Diktieren hinaus bietet es vollständige Sprachsteuerung: Geräuschsteuerung (Klicken per Zischen oder Ploppen), Eye-Tracking für die Cursorposition und eine in Python skriptbare Befehlsgrammatik. Die Community-Befehlssätze für Editoren und IDEs sind ausgereift und sehr umfangreich.
Wichtige Einschränkung: Talon unterstützt unter Linux ausschließlich X11. Unter Wayland ist das derzeit nicht dein Tool. Wayland-Unterstützung ist der meistgeforderte Punkt in der Talon-Community.
Kostenlos, mit optionalem Patreon für frühen Zugang und bevorzugten Support. Steile Lernkurve. Du lernst eine Befehlssprache, du installierst keine App.
OpenWhispr
Eine Electron-Desktop-App, die Linux als vollwertige Zielplattform behandelt und Whisper sowie NVIDIA Parakeet vollständig auf deinem Rechner ausführt, ohne Internet. Open Source, 99+ Sprachen, systemweites Tastenkürzel.
Whispering
Open Source, lokales Whisper, plattformübergreifend, mit einer der zugänglicheren Oberflächen der Kategorie.
Speech Note
flatpak install flathub net.mkiol.SpeechNote
Vollständig offline. Sprache zu Text, Text zu Sprache und maschinelle Übersetzung, mit starker Mehrsprachigkeit: unter anderem Katalanisch, Tschechisch, Deutsch, Dänisch, Spanisch, Persisch, Französisch, Isländisch, Italienisch, Koreanisch, Niederländisch, Polnisch, Portugiesisch, Tamil und Ukrainisch. Optionale GPU-Erweiterungen für AMD und NVIDIA.
Eines muss klar sein: Es ist in erster Linie eine Notiz-App. Per globalem Tastenkürzel kann es in das Fenster im Fokus tippen, unter Wayland aber nur, wenn der ydotool-Dienst installiert ist und läuft. Wenn du direkt in Slack diktieren willst, schafft Vibe Typer das mit einem Tastenkürzel und ohne zusätzliches Tool.
whisper.cpp
Keine Diktier-App, sondern eine schnelle C++-Inferenz-Engine für Whisper-Modelle und das Fundament mehrerer Tools weiter oben. Wer darauf ein Diktier-Tool aufbaut, schreibt Tastenkürzel, Audioaufnahme und Texteinfügung selbst. MIT.
Blahst, Numen, VoiceKey
Drei kleinere Projekte, die man kennen sollte. Blahst setzt auf whisper.cpp auf und gibt dir Spracheingabe in jedem Feld. Numen ist Sprachsteuerung statt Diktieren und von Anfang an für Wayland entworfen, eine leichtgewichtige Antwort auf das Problem, das Talon unter X11 löst. VoiceKey (früher VoiceHotKey) ist ein kostenpflichtiges .deb für Ubuntu, Debian und Mint.
Diktieren im Browser
Chrome und Google Docs haben seit Jahren Spracheingabe. Sie funktioniert allerdings nur in einem Chrome-Tab, nicht im Terminal, nicht im Editor, nicht in Slack Desktop, nicht im E-Mail-Programm. Als Arbeitsweise taugt das nicht.
Wer sollte was nehmen
„Ich will weniger tippen und kein Projekt daraus machen.“ Vibe Typer. Gratis-Tarif, eine Datei, funktioniert vom ersten Tag an unter beiden Anzeigeprotokollen.
„Ich nutze Wayland und habe genug davon, dass Dinge einfach lautlos den Dienst verweigern.“
Vibe Typer. Es tippt nativ unter Wayland und X11 und wählt den passenden Pfad für deine Sitzung, du musst also vorher kein ydotool-Setup zusammenbauen.
„Ich schreibe in mehreren Sprachen.“ Vibe Typer, mit 99 Sprachen, automatischer Erkennung und ohne Downloads. Die meisten VOSK-basierten Tools brauchen pro Sprache ein eigenes Modell.
„Ich diktiere überwiegend Prompts an Coding-Assistenten.“ Vibe Typer. Es fügt je nach App passend ein und ist im Terminal sicher, sodass deine Prompts direkt in Claude Code oder Codex landen.
Die Tools, die unter Linux gar nicht laufen
Der Vollständigkeit halber, denn die meisten Bestenlisten nennen diese Programme, ohne die Plattformlücke zu erwähnen. Geprüft an den Plattformangaben der jeweiligen Anbieter:
| Tool | Vom Anbieter genannte Plattformen | Quelle |
|---|---|---|
| Wispr Flow | macOS, Windows, iPhone, Android | wisprflow.ai |
| Superwhisper | macOS, Windows, iOS, Android; Linux nur als frühe Builds für Omarchy und Arch-basierte Systeme | superwhisper.com |
| Aqua Voice | macOS, Windows, iPhone, Android | aquavoice.com |
| Dragon Professional | Nur Windows; Wine und VMs ausdrücklich nicht unterstützt | dragon.nuance.com |
| TypeWhisper | macOS, Windows und iOS stabil; Android Beta | typewhisper.com |
| Soniox Voice Typing | macOS, Windows, iOS, Android | soniox.com |
| SpeechPulse | Windows, macOS (Apple Silicon) | speechpulse.com |
| PulseScribe | macOS, Windows; Linux auf der Roadmap | pulsescribe.me |
| Talkativ | Windows | talkativ.app |
| DictaType | Windows | dictatype.com |
| Spokenly | macOS, iOS | spokenly.app |
| BetterDictation | macOS | betterdictation.com |
| Whispur | macOS | whispur.app |
| EdgeWhisper | macOS (Apple Silicon) | edgewhisper.com |
| VoiceInk | macOS 14.4+ | VoiceInk |
Vibe Typer installieren
- Lade das AppImage von der Download-Seite herunter.
chmod +x ~/Downloads/VibeTyper.AppImage- Starte es und erlaube den Mikrofonzugriff.
- Lege ein globales Tastenkürzel fest.
- Klicke in ein beliebiges Textfeld und sprich los.
Vollständiger Überblick unter Diktiersoftware für Linux.
Häufige Fragen
Was ist die beste Spracherkennung für Linux?
Vibe Typer, für die meisten: keine Einrichtung, es läuft sofort unter Wayland und X11, und der Magic Formatter entfernt Ähs und Selbstkorrekturen, sodass sauberer Text in jeder App landet, auch im Terminal.
Gibt es kostenlose Spracherkennung für Linux?
Ja. Vibe Typer kannst du kostenlos und ohne Kreditkarte starten: Der Gratis-Tarif umfasst 2.000 Wörter und 20 KI-Operationen pro Monat, den Magic Formatter inklusive. Vocalinux, VOXD, Handy, nerd-dictation, Whispering und Speech Note sind kostenlos und quelloffen.
Welche Spracherkennung für Linux funktioniert unter Wayland?
Vibe Typer läuft nativ unter Wayland, auch unter GNOME, ohne zusätzliche Einrichtung, und wählt den passenden Pfad für deine Sitzung. Vocalinux und VOXD kommen ebenfalls ohne Bastelei aus. Handy, nerd-dictation, OpenWhispr und Whispering können mit ydotool, dotool oder wtype funktionieren, mit Einschränkungen je nach Compositor. Talon läuft nur unter X11.
Was passiert mit meinem Audio in Vibe Typer?
Vibe Typer transkribiert in der Cloud. Audio wird im Arbeitsspeicher verarbeitet und nicht gespeichert, das Backend legt keinen Transkript-Cache an, und mit deiner Stimme wird nichts trainiert.
Funktioniert Diktieren im Terminal unter Linux?
Mit Vibe Typer ja. Der Text landet dort, wo dein Cursor steht, auch in Terminals und Editoren, und im Terminal fügt es sicher ein, etwa in Claude Code oder Codex. Diktieren im Browser kann das nicht.
Was ist genauer, Whisper oder VOSK?
Whisper, deutlich, besonders bei Akzenten und Hintergrundgeräuschen. Der Vorteil von VOSK ist, dass es leichtgewichtig ist und auf bescheidener Hardware problemlos läuft. Die meisten aktuellen Tools sind auf Whisper oder whisper.cpp umgestiegen; nerd-dictation ist der wichtigste VOSK-Vertreter, der geblieben ist.
Was ist die beste Diktiersoftware für Ubuntu?
Vibe Typer. Ubuntu setzt seit 22.04 standardmäßig auf Wayland, und Vibe Typer läuft dort nativ, auch unter GNOME, als ein einziges AppImage ab Ubuntu 22.04. Es ist eines der drei Tools in dieser Liste, die unter Ubuntu ohne Vorarbeit laufen.