Aufnahme transkribieren oder Diktat nutzen am iPhone

Jeder iPhone-Besitzer hat, wissentlich oder nicht, bereits die Technik hinter den meisten Transkriptions-Apps benutzt. Tippen Sie auf das Mikrofonsymbol der Tastatur, sprechen Sie, und der Text erscheint im Feld. Das ist Diktat, und es läuft auf demselben Speech-Framework von Apple, auf dem auch jede Transkriptionsfunktion eines Drittanbieters aufbaut. Die eigentliche Frage ist also nicht, welches genauer ist, sondern was sich wirklich ändert, wenn man vom Sprechen in ein Textfeld dazu übergeht, erst etwas aufzunehmen und es danach zu transkribieren.

Was Diktat wirklich bringt

Diktat ist live und vergänglich. Wörter erscheinen, während Sie sprechen, landen dort, wo der Cursor steht, und sobald Sie aufhören, bleibt nichts übrig. Keine Datei, nichts zum Nachhören, nichts, woran Sie später ein Wort noch prüfen könnten — das Audio, das Diktat gehört hat, ist in dem Moment weg, in dem der Text feststeht.

Das passt für das, wofür es gedacht ist: eine Nachricht, eine Notiz, ein Suchfeld. Es scheitert in dem Moment, in dem Sie die Quelle zurückbrauchen. Verhört sich Diktat bei einem Wort, verschreibt es einen Namen oder verliert einen Satz, weil Sie kurz abgelenkt waren, gibt es kein Original, das Sie noch prüfen könnten.

Was Ihnen eine Aufnahme stattdessen bringt

Erst aufzunehmen verändert, was am Ende dabei herauskommt. Statt eines Texts ohne alles dahinter bekommen Sie eine echte Audiodatei — eine .m4a, gespeichert in der gewählten Qualität, Standard, Hoch oder Ultra —, die für sich allein besteht, unabhängig von jedem Transkript. Transkribieren wird zu einem eigenen Schritt, den Sie danach auf diese Datei anwenden, statt live zu laufen, während Sie sprechen.

Genau diese Reihenfolge macht das Transkript im Nachhinein vertrauenswürdig. Wirkt ein Wort falsch, können Sie genau diesen Moment abspielen und nachprüfen. Nichts davon geht mit Diktat, weil nichts übrig bleibt, sobald der Text steht.

Wo Diktat wirklich scheitert

Diktat braucht Ihre volle Aufmerksamkeit: Tastatur offen, Feld im Fokus, Telefon in der Hand. Sperren Sie den Bildschirm, nehmen Sie einen Anruf an oder wechseln Sie die App, stoppt Diktat sofort — es gibt keine Sitzung, zu der Sie zurückkehren könnten, weil nie etwas festgehalten wurde, sondern nur live getippt.

Eine Aufnahme hat dieses Problem nicht. Sie kann bei gesperrtem Bildschirm weiterlaufen, und unterbricht ein Anruf sie, pausiert sie und läuft nach dem Anruf in derselben Datei weiter, statt etwas zu verlieren. All das war nie Diktats Aufgabe — es ist fürs Tippen gemacht, nicht dafür, eine Vorlesung, eine Besprechung oder eine Stunde im Wartezimmer durchzuhalten.

Was am Ende übrig bleibt

Das ist eigentlich der ganze Unterschied. Diktat gibt Ihnen Text und sonst nichts. Aufnehmen und danach transkribieren gibt Ihnen beides: ein Transkript, das Sie als TXT oder JSON exportieren können, und die ursprüngliche .m4a, die Sie separat teilen, abspielen oder sichern können — oder alles in einer einzigen JSON-Sicherungsdatei bündeln, wenn Sie lieber alles an einem Ort haben. Sie müssen sich nie zwischen dem Audio und den Worten entscheiden: Sie behalten beides und entscheiden in Ihrem eigenen Tempo, was Sie damit machen.

Die Datenschutzfrage, ehrlich beantwortet

Man nimmt gern an, Diktat sei die privatere Option, weil nirgends eine Datei auftaucht. Dieses Gefühl trägt nicht besonders weit: Diktat läuft auf demselben Speech-Framework wie jede andere Transkription, lokal oder auf Apples Servern, je nach Telefon, Sprache und dem, was installiert ist, und Apple macht seit Jahren kein Geheimnis daraus, dass Tastaturdiktat diesen Server-Weg nutzt. Aufnehmen und danach transkribieren folgt exakt denselben Regeln. Der eigentliche Unterschied ist nur, dass Sie die Datei behalten und damit für jede Aufnahme, die Ihnen wichtig ist, selbst prüfen können, was tatsächlich passiert ist (unser Ratgeber zu lokaler oder Cloud-Transkription zeigt die genauen Schritte).

Was also zu Ihnen passt

Diktat eignet sich für etwas Kurzes, das jetzt sofort getippt sein soll und das Sie nie wieder hören müssen. Alles, was Sie später noch einmal ansehen, als Audio teilen oder das einen Anruf, einen gesperrten Bildschirm oder eine ganze Stunde überstehen soll — eine Vorlesung, ein Interview, eine Besprechung, ein Arzttermin — gehört zuerst aufgenommen, nicht nur in ein Feld hineingesprochen.

Voice Studio ist genau für diesen zweiten Weg gebaut: Es nimmt eine echte .m4a-Datei auf, transkribiert sie danach, indem es zuerst die Erkennung auf dem Gerät versucht, und exportiert ausschließlich als TXT- oder JSON-Transkript oder als das Audio selbst — nichts erfunden, nichts irgendwo anders als auf dem Telefon aufbewahrt.

Häufige Fragen

Speichert Diktat das Audio, das es hört?

Nein. Sobald der Text im Feld steht, bleibt nichts übrig — keine Datei und keine Möglichkeit, später noch zu prüfen, was tatsächlich gesagt wurde.

Wird Tastaturdiktat immer auf dem Gerät verarbeitet?

Nicht zwangsläufig. Es läuft auf Apples Speech-Framework, demselben, das auch anderswo hinter lokaler und Server-Transkription steckt, sodass der Weg von Ihrem Telefon, Ihrer Sprache und dem Heruntergeladenen abhängt — etwas, das Sie von der Tastatur aus nicht steuern.

Kann ich Diktat nutzen, um eine ganze Besprechung festzuhalten, statt sie aufzunehmen?

Nicht wirklich. Es braucht die ganze Zeit über das geöffnete Feld und das Telefon in der Hand und stoppt, sobald der Bildschirm sperrt oder ein Anruf hereinkommt. Eine Aufnahme übersteht beides.

Nutzt das nachträgliche Transkribieren einer Aufnahme dieselbe Technik wie Diktat?

Ja, darunter dasselbe Speech-Framework. Der Unterschied liegt nicht in der Engine, sondern in der Reihenfolge: Diktat transkribiert live in ein Feld, während eine gespeicherte Aufnahme Ihnen eine Datei gibt, die Sie transkribieren, abspielen und jederzeit prüfen können.