Die integrierte Diktat-Schaltfläche von Outlook benötigt Microsoft 365 und verwendet die ältere Sprach-Engine von Microsoft. StarWhisper ist kostenlos, läuft lokal, nutzt OpenAI Whisper für höhere Genauigkeit und funktioniert im klassischen Outlook, im neuen Outlook und in Outlook im Web.
Funktioniert im klassischen Outlook, im neuen Outlook und in Outlook im Web.
Laden Sie StarWhisper von der Homepage oder aus dem Microsoft Store herunter. Das Installationsprogramm ist beim ersten Start etwa 200 MB groß, da das Whisper-Modell enthalten ist. Keine Kontoregistrierung, keine Kreditkarte, keine Cloud erforderlich. Starten Sie nach der Installation die App einmal und schließen Sie die 30-sekündige Einrichtung ab (Standardmikrofon, Wahl der Tastenkombination, für den Rest die Standardeinstellungen akzeptieren). Die App legt sich dann in den System-Tray und bleibt unauffällig im Hintergrund.
Starten Sie das Outlook, das Sie verwenden: klassische Desktop-Version, neues Outlook (die neu aufgebaute UWP-Version) oder Outlook im Web in einem Browser. Klicken Sie auf „Neue E-Mail“ (oder Strg+N), um ein Verfassenfenster zu öffnen. Dies funktioniert auf dieselbe Weise für Antworten und Weiterleitungen. Sie müssen innerhalb von Outlook selbst nichts aktivieren, kein Add-In, keine Einstellung, kein Schalter. StarWhisper arbeitet vollständig außerhalb von Outlook.
Platzieren Sie den Cursor im Nachrichtentext, genau dort, wo der diktierte Text erscheinen soll. Sie können auch in die Betreffzeile, in die An/Cc/Bcc-Felder oder in eine beliebige andere Texteingabe in Outlook diktieren, indem Sie zuerst dorthin klicken. Die Regel ist einfach: Wo auch immer sich der Tastaturcursor befindet, dorthin schreibt StarWhisper. Deshalb funktioniert es gleichermaßen gut in der klassischen, der neuen und der Web-Version von Outlook.
Drücken und halten Sie die Standard-Tastenkombination (Rechte Alt-Taste). Eine kleine Aufnahmeanzeige erscheint in der Ecke Ihres Bildschirms. Sprechen Sie die E-Mail natürlich. Sie können „Komma“, „Punkt“, „neuer Absatz“, „Fragezeichen“ sagen oder die Engine die Zeichensetzung einfach aus der Intonation ableiten lassen, was Whisper gut macht. Je kürzer und natürlicher die Äußerung, desto besser die Transkription, aber sie verarbeitet auch lange Monologe.
Lassen Sie die Tastenkombination los. Innerhalb von einer oder zwei Sekunden (weniger, wenn Sie eine GPU haben) erscheint das Transkript im Outlook-Text, eingegeben wie über eine Tastatur. Lesen Sie es durch, korrigieren Sie den seltenen Fehler und klicken Sie auf Senden. Sie können auch weitere Diktatabschnitte anhängen, um nach und nach Absätze hinzuzufügen, oder Diktat mit normalem Tippen für technische Bits (Modellnummern, URLs) mischen, bei denen Sprache scheitert.
Höhere Genauigkeit, kein Abonnement, mehr Einsatzorte.
Die Diktat-Schaltfläche von Outlook erscheint nur in Microsoft 365-Abonnementkonten und bei aktuellen Dauerlizenzen. StarWhisper hat überhaupt keine Microsoft-Abhängigkeit. Kostenloses Outlook im Web, ein älteres Outlook 2016 oder ein beliebiger 365-Tarif erhalten dasselbe Diktat.
Whisper erreicht in Benchmarks etwa 98 Prozent Genauigkeit. Microsoft Speech (verwendet von Outlook Diktat) liegt eher bei 88 bis 92 Prozent, je nach Akzent und Vokabular. Der Unterschied zeigt sich am deutlichsten bei akzentuiertem Englisch, Namen, Fachbegriffen und längeren Äußerungen. Details zur Genauigkeit.
Die drei Outlook-Varianten driften derzeit auseinander. Microsofts Diktat-Schaltfläche ist am zuverlässigsten im klassischen Outlook und beim 365-Webclient. StarWhisper funktioniert in allen dreien identisch, da es auf der Betriebssystemebene tippt und nicht als Outlook-Add-In agiert.
Whisper unterstützt 96 Sprachen und erkennt automatisch, welche Sie gerade sprechen. Antworten Sie auf Englisch, dann sofort auf Deutsch, dann auf Japanisch – ganz ohne Einstellungsänderungen. Nützlich für internationale Support-, Vertriebs- und Recruiting-Teams.
StarWhisper Local Mode verarbeitet Audio vollständig auf Ihrer CPU oder GPU. Audio verlässt niemals das Gerät. Nützlich für Compliance-Kontexte (Recht, Medizin, HR), für die Arbeit im Flugzeug oder in Gebieten mit schlechtem Empfang oder für gemeinsam genutzte Arbeitsplätze, bei denen ausgehendes Audio eingeschränkt ist. Datenschutzdetails.
Dieselbe Installation diktiert in Word, Excel, Teams, Browsern, Slack, Notion und in jedes andere Windows-Textfeld. App-Abdeckung.
Microsoft hat um 2018 eine Diktat-Schaltfläche zu Outlook hinzugefügt und seitdem schrittweise verbessert. Es funktioniert. Für einmalige kurze Nachrichten auf einem hochwertigen Mikrofon in einem ruhigen Raum erledigt es den Job. Aber es gibt drei hartnäckige Probleme, die Menschen dazu bringen, nach Alternativen zu suchen.
Erstens das Sprachmodell. Microsoft verwendet seine eigene Sprach-Engine, die es schon seit Jahren gibt und stetige, aber kleine Updates erhält. OpenAI Whisper wurde hingegen mit 680.000 Stunden mehrsprachiger Audiodaten trainiert und schneidet bei der Wortfehlerrate in Standard-Testsätzen etwa 6 bis 10 Prozentpunkte besser ab, wobei die Lücke bei akzentuiertem Englisch, technischem Vokabular, Namen und längeren Äußerungen noch größer wird. Für einen Softwareentwickler, der einen Fehlerbericht diktiert, oder einen Recruiter, der nach einem Interview Notizen zu einem Kandidaten diktiert, sind genau das die Bedingungen, unter denen Microsoft Speech Schwierigkeiten hat.
Zweitens die Abonnement-Hürde. Die Diktat-Schaltfläche im Menüband ist eine Microsoft 365-Funktion. Wenn Sie eine Dauerlizenz für Outlook 2019 oder eine ältere Version haben, ist sie einfach nicht da. Wenn Ihre Organisation Sie auf einen günstigeren 365-Tarif oder eine Nicht-Business-Edition beschränkt, fehlt die Schaltfläche möglicherweise ebenfalls.
Drittens der Wechsel zum neuen Outlook. Microsoft rollt ein neues Outlook auf Basis von Webtechnologien aus, um die klassische Win32-Desktop-App nach und nach zu ersetzen. Die Diktat-Schaltfläche funktioniert in beiden, aber das zugrunde liegende Verhalten ist leicht unterschiedlich, Tastenkombinationen weichen ab und Add-Ins werden nicht sauber übernommen. Personen in Organisationen mit gemischten Versionen haben am Ende inkonsistentes Diktatverhalten. StarWhisper umgeht all das, da es nicht Teil von Outlook ist; es tippt auf Betriebssystemebene in das aktive Textfeld.
Ungefähre Wortfehlerrate (niedriger ist besser) unter typischen Bedingungen für E-Mail-Diktat:
| Bedingung | Microsoft Diktat | StarWhisper (Whisper) |
|---|---|---|
| Muttersprachliches Englisch, ruhiger Raum, Headset-Mikrofon | ~5% WER | ~2% WER |
| Muttersprachliches Englisch, Laptop-Mikrofon, Bürogeräusche | ~10% WER | ~4% WER |
| Akzentuiertes Englisch (Indisch, Chinesisch, Osteuropäisch) | ~15-22% WER | ~5-8% WER |
| Technisches Vokabular (Modellnummern, Jargon, Akronyme) | ~18% WER | ~6% WER |
| Lange Texte (3+ Absätze) | ~12% WER | ~3% WER |
| Nicht-Englisch (Deutsch, Spanisch, Französisch, Japanisch) | ~12-25% | ~3-7% |
Die Zahlen sind Richtwerte und variieren je nach Mikrofon, Raum und Inhalt. Das Muster hält in den Bedingungen an, die für das E-Mail-Diktat am wichtigsten sind: längere Nachrichten, technische Inhalte und akzentuierte Sprecher.
StarWhisper hat kein spezielles Konzept für „Outlook-Felder“, was dies einfach funktionieren lässt. Wo auch immer sich der Tastaturcursor befindet, dort landet der transkribierte Text. Einige praktische Muster:
Klicken Sie in das Betrefffeld. Halten Sie die Tastenkombination gedrückt. Sagen Sie den Betreff. Lassen Sie los. Fertig. Betreffe sind in der Regel kurz, sodass das Diktat fast augenblicklich abgeschlossen ist.
Klicken Sie in den Textkörper. Halten Sie die Taste und diktieren Sie die gesamte Nachricht auf einmal oder in mehreren Etappen. Sie können zwischen den Etappen nachdenken; die Engine verarbeitet jeden Abschnitt unabhängig, wenn Sie die Tastenkombination loslassen. Mischem Sie Diktat mit normalem Tippen für Passagen, die sich schwer aussprechen lassen (URLs, Codes, technische Konfigurationen).
Weniger nützlich, da die Autovervollständigung von Outlook bei bekannten Kontakten schnell ist. Sie können aber Adressen diktieren und dann die Autovervollständigung übernehmen lassen, sobald die ersten Buchstaben geschrieben wurden.
Gleicher Ablauf wie bei einer neuen Nachricht. Klicken Sie in den Antworttext oberhalb des zitierten Textes, diktieren Sie, senden Sie. Der zitierte Thread bleibt unberührt.
Dieselbe Tastenkombination diktiert in eine Beschreibung für eine Kalendereinladung, in eine Notizen-App, in OneNote, in einen Teams-Chat oder in jede andere Microsoft-Texteingabe. Es gibt keine spezielle Integration; es funktioniert einfach, weil jedes Outlook-Feld unter der Haube eine Windows-Texteingabe ist.
E-Mail-Diktat wird für Personen, die sprachübergreifend arbeiten, interessant. Ein Recruiter in Berlin könnte einem deutschen Hiring Manager auf Deutsch antworten, dann einem englischen Kandidaten auf Englisch und dann einem japanischen Bewerber auf Japanisch – alles am selben Vormittag. Mit Microsoft Diktat muss dafür jedes Mal manuell die Diktiersprache umgeschaltet werden. Mit der automatischen Erkennung von Whisper funktioniert es einfach.
Sprachen mit hoher Genauigkeit, die in etwa mit nativem Englisch vergleichbar sind: Deutsch, Spanisch, Französisch, Italienisch, Portugiesisch, Niederländisch, Polnisch, Japanisch, Mandarin-Chinesisch, Koreanisch, Russisch, Arabisch, Türkisch, Hindi, Schwedisch, Dänisch, Norwegisch und Finnisch. Die Mehrsprachen-Seite behandelt die vollständige Liste. Weniger verbreitete Sprachen funktionieren ebenfalls, aber die Genauigkeit variiert stärker.
Für Vertriebsteams, die internationale Leads anschreiben, bietet der Leitfaden Sprache-zu-Text für Vertriebsmitarbeiter mehr zum mehrsprachigen Outreach. Für HR-Teams im grenzüberschreitenden Recruiting behandelt die Seite „Sprache-zu-Text für HR-Manager“ Workflows für die Kommunikation mit Kandidaten.
E-Mail-Inhalte sind oft vertraulich: Kundenkommunikation, HR-Angelegenheiten, Rechtsberatung, finanzielle Details, Kundensupport-Tickets mit persönlichen Daten. Der Standard-Local Mode von StarWhisper bedeutet, dass das gesprochene Audio niemals das Gerät verlässt. Die Transkription läuft lokal auf CPU oder GPU, der Text landet in Outlook, Ende der Pipeline. Kein Drittanbieter-Dienst hält eine Aufnahme von Ihnen bereit, wie Sie ein Geschäft oder eine Personalangelegenheit besprechen.
Im Vergleich zu Cloud-Diktatdiensten, die Audio an eine Transkriptions-API senden: Sogar Microsoft Diktat sendet Audio in bestimmten Konfigurationen zur Verarbeitung in die Microsoft-Cloud. Für Organisationen, die HIPAA, den Anwalt-Mandant-Privilegien, DSGVO-Bedenken oder internen Datenresidenzrichtlinien unterliegen, ist ein rein lokales Diktat bei einer Prüfung viel leichter zu verteidigen. Das HIPAA-FAQ erläutert die spezifische Architektur und was sie für geschützte Gesundheitsdaten bedeutet.
Weitere Details zum Audiopfad und den Architekturentscheidungen hinter dem Local Mode finden Sie im Local vs. Cloud Whisper FAQ.
Die durchschnittliche Tippgeschwindigkeit liegt bei etwa 40 Wörtern pro Minute. Eine durchschnittliche, angenehme Sprechgeschwindigkeit liegt bei 130 bis 150 Wörtern pro Minute. In der Praxis bringt Diktat keine 3- bis 4-fache Verbesserung, da man überlegen muss, was man sagt, und etwas Zeit für die Fehlerkorrektur aufwendet, aber eine realistische 1,5- bis 2,5-fache Beschleunigung ist bei langen E-Mails üblich. Wo die Ersparnis wirklich liegt, ist die Ermüdung: Eine Stunde diktieren ist weit weniger körperlich anstrengend als eine Stunde tippen, insbesondere für Personen, die Hand- oder Schulterbeschwerden lindern müssen.
Für Wissensarbeiter, die große E-Mail-Volumina beantworten, summieren sich die durch Diktat gesparten 30 bis 60 Minuten pro Tag schnell. Für Vertriebsmitarbeiter, die unterwegs antworten (am Laptop, im Auto, im Zug), ist der Produktivitätsvorteil noch offensichtlicher. Für Personen, die sich wegen RSI in Physiotherapie befinden, ist der Wechsel zum Diktat oft Teil des Standard-Recovery-Protokolls; siehe den Leitfaden „Sprache-zu-Text beim Karpaltunnelsyndrom“ für mehr.
Die komplette Diktat-Referenz für jede Outlook-Oberfläche und jedes Feld.
Verwenden Sie dieselbe Tastenkombination in Outlook, Browsern, Chat-Tools, CRMs und anderen Windows-Apps.
Höheres Antwortvolumen, schnellerer Versand, freihändige CRM-Updates.