Viele Diktier-Tools listen unterstützte Apps einzeln auf. Warum ein einfacherer technischer Ansatz am Ende in mehr Programmen funktioniert.
Viele Diktier-Apps werben mit langen Listen unterstützter Anwendungen: Slack, Gmail, Notion, VS Code, WhatsApp, Telegram. Auf den ersten Blick wirkt das wie ein Qualitätsmerkmal, je länger die Liste, desto vielseitiger das Tool. Bei genauerem Hinsehen wirft diese Liste eine andere Frage auf: Was passiert eigentlich in der einen App, die nicht draufsteht?
Manche Diktier-Tools erkennen, in welcher Anwendung gerade diktiert wird, und passen ihr Verhalten entsprechend an, etwa Formatierung für eine Slack-Nachricht anders als für ein Word-Dokument. Diese Art der Integration erfordert, dass für jede unterstützte App eigene Regeln hinterlegt werden, welches UI-Element gerade fokussiert ist, wie Text eingefügt werden soll, ob Markdown oder reiner Text erwartet wird. Das ist aufwendig zu bauen und noch aufwendiger zu pflegen, weil jede App-Aktualisierung theoretisch die eigene Integration brechen kann. Bei einer neuen App, die noch nicht in der Liste steht, funktioniert das Tool im schlechtesten Fall gar nicht, im besten Fall nur mit eingeschränkter Funktionalität.
Sprich verzichtet bewusst auf App-spezifische Integrationen. Nach der Transkription und Nachbearbeitung wird der fertige Text in die Zwischenablage gelegt und per simuliertem Cmd+V in das aktuell fokussierte Textfeld eingefügt, über einen CGEvent-Tastendruck, technisch identisch zu einem manuellen Einfügen. Das Prinzip ist bewusst simpel: Sprich muss nicht wissen, in welcher App man sich befindet, es muss nur wissen, dass gerade ein Textfeld mit Cursor aktiv ist. Das funktioniert deshalb in jeder Anwendung, die überhaupt Text-Eingabe erlaubt, von der E-Mail über die Kommandozeile bis zu einer selten genutzten Nischen-App, ganz ohne dass diese App vorher explizit unterstützt werden musste.
Der praktische Vorteil zeigt sich vor allem bei ungewöhnlichen oder neuen Anwendungen. Wer eine neue Projektmanagement-Software testet oder ein internes Firmentool nutzt, das nie auf einer offiziellen Kompatibilitätsliste stehen wird, kann trotzdem sofort diktieren, ohne auf ein Update der Diktier-App warten zu müssen. Lena, Content-Managerin bei einem mittelständischen Verlag, nutzt Sprich unter anderem in einem hausinternen Redaktionssystem, das kein anderes Diktier-Tool kennt, einfach weil es zu klein und zu speziell ist, um auf einer Unterstützungsliste zu erscheinen. Für sie war das der Punkt, an dem sich der Umstieg gelohnt hat.
Auch beim Umstieg auf eine neue App-Version profitiert dieser Ansatz von seiner Einfachheit. Wenn ein Anbieter wie Notion oder Slack seine Oberfläche grundlegend überarbeitet, müssen Tools mit tiefer Integration ihre Anpassungen oft nachziehen, was in der Zwischenzeit zu Fehlfunktionen führen kann. Ein Mechanismus, der lediglich einen Tastendruck simuliert, ist von solchen Oberflächenänderungen praktisch nicht betroffen, weil er auf einer viel niedrigeren, stabileren Ebene des Betriebssystems ansetzt als jede einzelne App-Oberfläche.
Dieser Ansatz hat auch Grenzen, die man offen ansprechen sollte. Weil Sprich nicht weiß, in welcher App der Text landet, kann es keine app-spezifische Sonderbehandlung anbieten, etwa automatisches Markdown für Notion oder spezielle Formatierungsbefehle für eine bestimmte Chat-Anwendung. Wer ein Tool sucht, das gezielt für eine einzelne, häufig genutzte App optimiertes Verhalten bietet, bekommt das bei einem universellen Ansatz nicht in derselben Tiefe.
Es gibt außerdem einzelne Sonderfälle auf macOS selbst, in denen der Ansatz an Grenzen stößt. Bestimmte Systemoberflächen wie der Finder-Desktop oder manche Spotlight-Panels verhalten sich bei der Erkennung des aktiven Textfelds anders als reguläre Apps, weil sie über die Accessibility-Schnittstelle des Systems teils irreführende Informationen zurückgeben. Für diese Ausnahmefälle sind zusätzliche Prüfungen eingebaut, die erkennen, welche App tatsächlich im Vordergrund ist, unabhängig von dem, was das System zunächst meldet. Für den weit überwiegenden Teil der täglichen Nutzung, reguläre Textfelder in regulären Apps, ist dieser Sonderfall aber nicht relevant.
Ein weiterer Punkt betrifft reine Sprachbefehle ohne Textfeld, etwa "öffne Kalender" oder "starte den nächsten Termin". Weil Sprich ausschließlich über die Zwischenablage und ein fokussiertes Textfeld arbeitet, sind solche systemweiten Sprachbefehle kein Bestandteil des Produkts. Wer eine Sprachsteuerung für Mac-Aktionen jenseits reiner Texteingabe sucht, braucht dafür ein zusätzliches Werkzeug.
Auch bei Formularen mit mehreren einzelnen Feldern, etwa in Webanwendungen mit stark angepassten Eingabeelementen, kann es vorkommen, dass ein Textfeld vom System nicht eindeutig als solches erkannt wird. Das betrifft eine kleine Minderheit an Sonderfällen, meist bei Webseiten, die eigene, nicht standardkonforme Eingabekomponenten bauen, statt auf die üblichen Systemelemente zurückzugreifen. Für die überwältigende Mehrheit an nativen macOS-Apps und Webformularen mit Standardelementen tritt dieses Problem nicht auf.
Der Unterschied zwischen beiden Philosophien lässt sich auch als Frage der Verantwortung beschreiben. Bei App-spezifischer Integration liegt die Verantwortung beim Diktier-Tool, mit jeder App-Änderung Schritt zu halten. Beim universellen Ansatz liegt sie beim Betriebssystem selbst, dessen Grundfunktionen für Tastatureingabe und Zwischenablage sich deutlich seltener und vorsichtiger ändern als einzelne App-Oberflächen. Für ein Werkzeug, das täglich zuverlässig funktionieren soll, ist diese Verlagerung der Verantwortung auf die stabilere Ebene ein bewusster Kompromiss zugunsten von Verlässlichkeit statt Feinschliff.
Eine lange Liste unterstützter Apps klingt nach Vielseitigkeit, bedeutet aber technisch, dass jede nicht gelistete App ein potenzielles Problem ist. Ein Ansatz, der bewusst auf App-Wissen verzichtet und stattdessen auf das kleinste gemeinsame Vielfache setzt, ein aktives Textfeld mit Cursor, funktioniert dafür in Anwendungen, an die kein Entwicklerteam je gedacht hat. Wer wissen möchte, wie sich dieser Workflow mit der Wahl zwischen Push-to-Talk und Toggle-Modus kombiniert, findet dazu Details im Artikel über die beiden Diktier-Modi.
Wer das ausprobieren möchte, kann bei Sprich kostenlos starten. 2.000 Wörter pro Woche sind gratis, keine Kreditkarte erforderlich.
Sprich kostenlos testen — 2.000 Wörter pro Woche gratis, keine Kreditkarte nötig.
Kostenlos herunterladen →