Spracherkennung unter Linux: 14 Tools, die wirklich laufen (2026)
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 unten 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. Damit sich das Lesen lohnt, sagen wir konkret, wo die anderen besser sind – und weiter unten kommen mehrere Fälle vor, in denen du besser nicht zu unserem Tool greifst.
Das Wichtigste zuerst
- Soll einfach funktionieren, ohne Einrichtung → Vibe Typer. Ein AppImage, nativ unter Wayland und X11, Cloud-basiert.
- Offline und trotzdem einfach → Vocalinux. Installation mit einem Befehl, beherrscht X11 und Wayland, whisper.cpp.
- Offline, MIT-Lizenz, plattformübergreifend → Handy. Whisper und Parakeet lokal. Wayland braucht Nachhilfe.
- Freihändige Steuerung des Rechners, nicht nur Tippen → Talon. Achtung: unter Linux nur X11.
- Maximale Kontrolle, und du baust gern selbst → nerd-dictation.
- Wayland und wenig Geduld → Vibe Typer, Vocalinux oder VOXD. Alles andere ist Arbeit.
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, verschlechtern sich also nicht schrittweise: 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 34. Wenn ein Tool mit „Linux-Unterstützung“ wirbt und X11 meint, kann ein Distributions-Upgrade dein Diktieren unbemerkt lahmlegen.
Der Vergleich
| Tool | Wayland | X11 | Offline | Installation | Lizenz | Kosten |
|---|---|---|---|---|---|---|
| Vibe Typer | Nativ | Nativ | Nein | AppImage | Proprietär | Gratis-Tarif, 8 $/Monat |
| Vocalinux | Ja | Ja | Ja | Ein-Zeilen-Skript | GPL-3.0 | Kostenlos |
| VOXD | Ja (über ydotool) | Ja | Ja | .deb / .rpm / .pkg | MIT | Kostenlos |
| Handy | Teilweise | Ja | Ja | AppImage | MIT | Kostenlos |
| nerd-dictation | Teilweise | Ja | Ja | pip + git + Modell | GPL-3.0 | Kostenlos |
| Talon | Nein | Ja | Ja | Installer / ZIP | Proprietär + Patreon | Kostenlos |
| OpenWhispr | Teilweise | Ja | Ja | Electron-App | Open Source | Kostenlos |
| Whispering | Teilweise | Ja | Ja | Desktop-App | Open Source | Kostenlos |
| Speech Note | Eigenständig | Eigenständig | Ja | Flatpak | Open Source | Kostenlos |
| whisper.cpp | Nur CLI | Nur CLI | Ja | Selbst kompilieren | MIT | Kostenlos |
| Blahst | Teilweise | Ja | Ja | Skript | Open Source | Kostenlos |
| Numen | Ja | — | Ja | Quellcode | Open Source | Kostenlos |
| VoiceKey | Teilweise | Ja | Nein | .deb | Proprietär | Kostenpflichtig |
| Diktieren im Browser | — | — | Nein | Keine | — | Kostenlos |
„Eigenständig“ heißt: Es transkribiert in sein eigenes Fenster, statt in die App zu tippen, die du gerade benutzt. „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 VibeTyper.AppImage
./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 überträgt deine Einstellungen, wenn du wechselst. Das ist ungewöhnlich, und es ist der häufigste Grund, warum Leute hier landen, nachdem etwas anderes aufgehört hat zu funktionieren.
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 und ohne Downloads pro Sprache.
Der Haken, klar gesagt: Es ist Cloud-basiert. Die Transkription läuft auf Groq mit Cloudflare Workers AI als Rückfallebene, ein lokales Modell gibt es nicht. Audio wird im Arbeitsspeicher verarbeitet und verworfen, das Backend legt überhaupt keinen serverseitigen Transkript-Cache an, und mit deiner Stimme wird nichts trainiert – aber es braucht eine Netzverbindung, und „verarbeitet und dann verworfen“ ist ein anderes Versprechen als „verlässt deinen Rechner nie“. Wenn du das zweite brauchst, nimm Vocalinux oder Handy. Ernsthaft.
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 und das einzige Tool hier, das zuerst für Linux gebaut und nicht dorthin portiert wurde. 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 gehört es zu 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. GPL-3.0, ohne Premium-Stufe.
Am besten für: alle, denen Offline-Betrieb wichtig ist und die kein Bastelprojekt wollen. Wenn Vibe Typers Cloud-Abhängigkeit für dich ein Ausschlusskriterium ist, fang hier an.
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 nennt 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. 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.
Am besten für: Nutzer von Tiling-Fenstermanagern und alle, die lieber ein echtes Paket als ein AppImage hätten.
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 fünffache Echtzeit erreicht. Die zweite Option ist die interessante – sie bedeutet brauchbares Offline-Diktieren auf einem Laptop ohne dedizierte GPU.
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.
Am besten für: Offline-Diktieren unter X11 – oder unter Wayland, wenn du die Konfiguration in Kauf nimmst.
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. Diese letzte Wahl ist die Wayland-Frage: xdotool ist Standard und nur X11, während ydotool, dotool und wtype Wayland mit den üblichen Einschränkungen abdecken.
Sei ehrlich zu dir, was diesen Kompromiss angeht. VOSKs kleine Modelle liegen bei Akzenten und Hintergrundgeräuschen spürbar hinter Whisper, und es gibt keine KI-Bereinigung – du bekommst ein wortgetreues Transkript, Ähs inklusive. Dafür bekommst du vollständige Kontrolle und keine Abhängigkeit vom Dienst eines anderen. GPL-3.0.
Am besten für: Leute, die ihren Stack selbst in der Hand haben wollen und gern konfigurieren.
Talon Voice
Das einzige Tool hier, das leistet, was Dragon leistet. Nicht nur Diktieren, sondern 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 wirklich beeindruckend.
Wichtige Einschränkung: Talon unterstützt unter Linux ausschließlich X11. Unter Wayland ist das derzeit nicht dein Tool – Wayland-Unterstützung ist der meistgeforderte Punkt in Talons Community.
Kostenlos, mit optionalem Patreon für frühen Zugang und bevorzugten Support. Steile Lernkurve – du lernst eine Befehlssprache, du installierst keine App.
Am besten für: freihändiges Arbeiten. Wenn RSI, eine Verletzung oder eine Bewegungseinschränkung dafür sorgt, dass die Tastatur selbst das Problem ist, ist das die ernsthafte Antwort, und reine Diktierprogramme sind kein Ersatz.
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.
Am besten für: Leute, die eine ausgereifte App mit lokaler Verarbeitung wollen und denen der Ressourcenhunger von Electron nichts ausmacht.
Whispering
Open Source, lokales Whisper, plattformübergreifend, mit einer der zugänglicheren Oberflächen der Kategorie. Eine sinnvolle nächste Station, wenn Handy nicht passt.
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 eine eigenständige Notiz-App, kein systemweites Tool zum Tippen. Du diktierst in Speech Note und kopierst den Text heraus. Wenn das Ziel war, in Slack zu sprechen, ist das das falsche Tool.
Am besten für: Offline-Transkription und mehrsprachige Notizen.
whisper.cpp
Keine Diktier-App, sondern eine schnelle C++-Inferenz-Engine für Whisper-Modelle und das Fundament mehrerer Tools weiter oben. Wenn du hier bist, um selbst etwas zu bauen, fang hier an – und rechne damit, Tastenkürzel, Audioaufnahme und Texteinfügung selbst zu schreiben. 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, und sie kostet nichts. Sie funktioniert allerdings nur in einem Chrome-Tab – nicht im Terminal, nicht im Editor, nicht in Slack Desktop, nicht im E-Mail-Programm. In Ordnung für ein einmaliges langes Dokument. 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 am ersten Tag unter beiden Anzeigeprotokollen.
„Mein Audio darf diesen Rechner niemals verlassen.“ Vocalinux, wenn es einfach laufen soll; Handy, wenn du eine MIT-Lizenz und Plattformunabhängigkeit willst; nerd-dictation, wenn du jedes Teil selbst kontrollieren willst. Nicht Vibe Typer – es ist Cloud-basiert, und das disqualifiziert es für dich.
„Ich bin auf Wayland und habe genug davon, dass Dinge einfach lautlos den Dienst verweigern.“
Vibe Typer, Vocalinux oder VOXD. Diese drei kommen damit klar, ohne dass du vorher ein ydotool-Setup zusammenbaust.
„Ich kann keine Tastatur benutzen.“ Talon unter X11, Numen unter Wayland. Reine Diktierprogramme lösen dieses Problem nicht, unseres eingeschlossen.
„Ich schreibe in mehreren Sprachen.“ Vibe Typer (99 Sprachen, automatische Erkennung, keine Downloads) oder Speech Note offline. Die meisten VOSK-basierten Tools brauchen pro Sprache ein eigenes Modell.
„Ich diktiere überwiegend Prompts an Coding-Assistenten.“ Jedes dieser Tools tippt in ein Terminal, aber Remote-Sitzungen über SSH sind die Stelle, an der die meisten Setups scheitern – prüfe das früh, nicht erst im Arbeitsalltag.
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, Chrome | wisprflow.ai |
| Superwhisper | macOS, Windows, iOS – Linux-Wunsch offen | superwhisper.com |
| Aqua Voice | macOS, Windows | aquavoice.com |
| Dragon Professional | Nur Windows; Wine und VMs ausdrücklich nicht unterstützt | dragon.nuance.com |
| TypeWhisper | macOS und Windows stabil; iOS Alpha | 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 VibeTyper.AppImage- Starte es und erlaube den Mikrofonzugriff.
- Lege ein globales Tastenkürzel fest.
- Klicke in eine beliebige App und sprich.
Vollständiger Überblick unter Diktiersoftware für Linux.
Häufige Fragen
Was ist die beste Spracherkennung für Linux?
Für die meisten läuft es auf Vibe Typer (keine Einrichtung, sofort unter Wayland und X11, Cloud-basiert) oder Vocalinux (offline, Installation mit einem Befehl, beherrscht ebenfalls beide Anzeigeprotokolle) hinaus. Wer den Rechner freihändig steuern und nicht nur tippen will, nimmt Talon – aber nur unter X11.
Gibt es kostenlose Spracherkennung für Linux?
Ja, und mehrere Programme sind wirklich gut. Vocalinux, VOXD, Handy, nerd-dictation, Whispering und Speech Note sind allesamt kostenlos und quelloffen. Vibe Typer hat einen Gratis-Tarif von 2.000 Wörtern pro Monat.
Welche Spracherkennung für Linux funktioniert unter Wayland?
Vibe Typer, Vocalinux und VOXD laufen unter Wayland ohne zusätzliche Bastelei. Handy, nerd-dictation, OpenWhispr und Whispering können mit ydotool, dotool oder wtype funktionieren, mit Einschränkungen je nach Compositor. Talon läuft nur unter X11.
Kann ich unter Linux ohne Internetverbindung diktieren?
Ja. Vocalinux, VOXD, Handy, nerd-dictation, Speech Note, OpenWhispr, Whispering und Talon laufen alle lokal. Vibe Typer nicht – es ist Cloud-basiert.
Funktioniert Diktieren im Terminal unter Linux?
Mit einem systemweiten Tool ja – der Text geht dorthin, wo dein Cursor steht, auch in Terminals und Editoren. Diktieren im Browser kann das nicht.
Was ist genauer, Whisper oder VOSK?
Whisper, deutlich, besonders bei Akzenten und Hintergrundgeräuschen. VOSKs Vorteil 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?
Dieselbe engere Auswahl gilt, aber Ubuntu setzt seit 22.04 standardmäßig auf Wayland – diese Spalte zählt hier also mehr als sonst. Vibe Typer, Vocalinux und VOXD sind die drei, die unter Ubuntu ohne Vorarbeit laufen.