Windows Spracherkennung und sein Nachfolger Windows Voice Typing (Win + H) sind kostenlos, immer verfügbar und erfordern keine Einrichtung — ein angemessener Startpunkt für alle neugierig auf Diktieren unter Windows. Aber ihre grundlegenden Limitierungen werden schnell klar: Die Genauigkeit fällt hinter modernen AI-Modellen zurück, Sprachunterstützung ist eng, Enrichment existiert nicht, und die Ausgabe erfordert häufig substanzielle manuelle Bereinigung. Telvr bringt Whisper-large-v3-Genauigkeit und sechs AI-Enrichment-Modi zu Windows-Nutzern als direktes Upgrade.
Überblick über beide Produkte
Windows Spracherkennung (WSR) ist das Legacy-Spracheingabe-System, das in Windows eingebaut ist, verfügbar seit Windows Vista. Windows 11 führte eine modernisierte Version namens Windows Voice Typing (aktiviert mit Win + H) ein, die ein Cloud-basiertes Modell für verbesserte Genauigkeit nutzt und eine Auto-Satzzeichen-Option hinzufügt. Beide sind kostenlos, eingebaut und erfordern keine zusätzliche Software. Windows Voice Typing ist das fähigere der beiden und repräsentiert Microsofts aktuellen Ansatz zu integrierter Diktierfunktion auf Windows.
Telvr ist eine spezialisierte Desktop-Speech-to-Text-Anwendung mit Whisper large-v3 über die Groq API. Sie funktioniert über einen Push-to-Talk-Hotkey — drücke, sprich, lasse los — und fügt transkribierten Text an der Cursor-Position in jeder Windows-Anwendung ein. Die Latenz ist unter zwei Sekunden. Bevor der Text eingefügt wird, kann Telvr einen von sechs AI-Enrichment-Modi anwenden, die deinen gesprochenen Inhalt strukturell in professionelle Qualitäts-Ausgabe transformieren. Telvr ist derzeit auf macOS verfügbar, mit Windows-Unterstützung in aktiver Entwicklung.
Feature-Vergleichstabelle
| Feature | Telvr | Windows Voice Typing / WSR | |---|---|---| | Plattform | macOS, Windows (in Entwicklung) | Nur Windows | | Transkriptions-Engine | Whisper large-v3 über Groq | Microsoft Speech Platform / Cloud | | Latenz | Unter 2 Sekunden | Nahezu Echtzeit (Streaming) | | Offline funktionsfähig | Nein | WSR: Ja, Voice Typing: Nein (Cloud-Modus) | | AI-Enrichment-Modi | 6 Modi + Custom Prompt | Keine | | Auto-Satzzeichen | Via Enrichment | Optional (Voice Typing) | | Sprachunterstützung | 50+ mit automatischer Erkennung | ~20 (manuelle Auswahl) | | Sprachbefehle | Nein | Ja (WSR) | | Preisgestaltung | EUR 3/Monat Infra + ab EUR 0,003/Min | Kostenlos | | Training erforderlich | Nein | WSR: Optional, Voice Typing: Nein | | Immer aktuell | Ja (Cloud) | Betriebssystem-Update-abhängig | | Kostenlos testen | 14 Tage + EUR 3 Startguthaben | N/A (kostenlos) |
Detaillierter Vergleich
Transkriptions-Genauigkeit
Windows Voice Typing hat sich mit Windows 11 bemerkbar verbessert und nutzt jetzt ein Cloud-basiertes Modell, das die Legacy-WSR-Akustik-Modell überbietet. Bei kurzen, klaren Äußerungen in gut unterstützten Sprachen ist die Genauigkeit angemessen für grundlegende Aufgaben. Der Streaming-Ansatz ermöglicht Korrektionen während der Diktierung.
Legacy Windows Spracherkennung stützt sich auf eine ältere Akustik-Modell-Architektur, die Stimm-Training für beste Ergebnisse erfordert und mit Akzenten, Hintergrund-Lärm und domänenspezifischem Vokabular kämpft. Sie bleibt verfügbar primär für Rückwärts-Kompatibilität und Sprachbefehl-Unterstützung.
Telvr nutzt Whisper large-v3, trainiert auf 680.000 Stunden mehrsprachiger Audio und konsistent anerkannt als eines der genauesten verfügbaren Transkriptionsmodelle. Es verarbeitet technisches Vokabular, regionale Akzente und nicht-englische Sprecher signifikant besser als beide Windows-Tools. Wichtig ist, dass Whisper large-v3s Genauigkeit über lange Aufnahmen stabil bleibt — etwas, das beide Windows-Tools bei anhaltenden Diktier-Sessions bekämpfen.
Der Genauigkeits-Unterschied ist am deutlichsten, wenn du weg von klarem Englisch in ruhiger Umgebung gehst. Ausländische Akzente, technisches Jargon, medizinische oder Jura-Terminologie, Code-bezogenes Vokabular — Whisper large-v3 verarbeitet diese zuverlässiger als Windows Voice Typings aktuelles Modell.
Integration und Workflow
Windows Voice Typing (Win + H) funktioniert in den meisten Texteingabe-Feldern über Windows-Anwendungen. Die Abdeckung ist breit, aber nicht universal — einige spezialisierte Anwendungen, bestimmte Eingabe-Felder in Legacy-Software und einige Third-Party-Anwendungen reagieren nicht korrekt auf das Voice-Typing-Overlay. Das Erlebnis variiert je nach Anwendung.
Legacy WSR fügt Sprachbefehl-Unterstützung für Windows-Navigation, Anwendungs-Kontrolle und Diktierung zu jedem fokussierten Fenster hinzu. Das Befehls-Vokabular ist umfangreich und deckt die meisten häufigen Windows-Operationen per Sprache ab.
Telvrs Push-to-Talk-Workflow fügt Text an der Cursor-Position über die System-Level-Eingabe-Pipeline ein, was die weitestmögliche Kompatibilität mit dem breitesten Anwendungs-Spektrum sichert. Der Hotkey-Ansatz ist auch schneller zu aktivieren — ein einfacher Tastendruck statt dem Öffnen eines floating Overlay-Panels.
Enrichment und Formatierung
Weder Windows Voice Typing noch Legacy WSR wendet AI-gestützte strukturelle Transformation auf dikterten Text an. Windows Voice Typing kann Auto-Satzzeichen hinzufügen, was ein grundlegende Lebensqualitäts-Verbesserung über das Legacy-Tool ist. Jenseits davon erhältst du, was du sagst.
Telvrs Enrichment-Modi repräsentieren eine qualitativ andere Fähigkeit:
- Raw — wörtliche Transkription
- Bereinigen & Korrigieren — Grammatik, Satzzeichen und kleine Fehler-Korrektionen
- Professionelle E-Mail — komplette E-Mail-Struktur mit Anrede, Textkörper und Gruß
- Meeting-Notizen — strukturierte Zusammenfassung mit Schlüsselpunkten und Action Items
- 2-3 Sätze — verdichtete Zusammenfassung deines gesprochenen Inhalts
- Dev Task — gesprochene Ideen formatiert als Entwickler-Task-Beschreibungen
- Custom Prompt — jede Transformation, die vom Nutzer definiert wird
Der Impact ist signifikant in professionellen Workflows. Ein gesprochener Rohtext-Entwurf einer E-Mail, verarbeitet durch Telvrs Professional-E-Mail-Modus, kommt als formatierte, komplette E-Mail an. Ein gesprochenes Brain-Dump über ein Meeting, verarbeitet durch Meeting-Notizen-Modus, wird zu einem strukturierten Dokument mit Action Items. Windows Voice Typing produziert in beiden Fällen denselben gesprochenen Absatz.
Sprachunterstützung
Windows Voice Typing unterstützt ungefähr 20 Sprachen ab den neuesten Windows-11-Versionen und deckt die am weitesten verbreiteten europäischen und asiatischen Sprachen ab. Legacy WSR unterstützt weniger Sprachen und erfordert separate Sprachpakete. Sprachauswahl ist manuell und erfordert Interaktion mit Windows-Einstellungen.
Telvr unterstützt über 50 Sprachen mit automatischer Spracherkennung. Du sprichst und das System bestimmt die Sprache ohne Konfigurationsschritt. Für mehrsprachige Nutzer oder Profis, die mit Inhalten in mehreren Sprachen arbeiten, ist Telvrs Autom-Erkennung ein praktischer Vorteil.
Preisgestaltung
Sowohl Windows Voice Typing als auch Legacy WSR sind kostenlos als Teil des Windows-Betriebssystems. Für Nutzer, deren Diktier-Anforderungen grundlegend sind und deren Genauigkeits-Erwartungen bescheiden, ist die kostenlose eingebaut Option ein vernünftiger Standard.
Telvr nutzt ein volumenbasiertes Preismodell: EUR 3 pro Monat als Monatsminimum (wird angerechnet) + ab EUR 0,003 pro Minute Audio. Ein Nutzer, der 30 Minuten pro Monat diktiert, zahlt EUR 3,09. Ein Nutzer, der 2 Stunden pro Monat diktiert, zahlt EUR 3,36. Die 14-Tage-Testversion beinhaltet EUR 3 Startguthaben und bietet einen kostenlosen Evaluierungs-Zeitraum mit echter Nutzung.
Die relevante Frage ist nicht rein, ob man zahlen soll, sondern ob die Genauigkeits-Verbesserung und Enrichment-Modi die Zeit, die in dikterten Output-Bearbeitung verbracht wird, wert sind. Wenn Windows Voice Typing Rohtext produziert, der zwei Minuten Bearbeitung pro Diktier-Session erfordert, und du 10-mal pro Tag diktierst, das sind über drei Stunden pro Woche in Nach-Verarbeitung. Telvrs Enrichment-Modi gewinnen die meiste dieser Zeit zurück.
Plattform-Unterstützung
Windows Spracherkennung und Voice Typing sind nur Windows-Tools. Sie sind auf macOS oder anderen Plattformen nicht verfügbar.
Telvr ist derzeit auf macOS verfügbar, mit Windows-Unterstützung in aktiver Entwicklung. Dies bedeutet Windows-Nutzer, die Telvr heute in Betracht ziehen, sollten den aktuellen Entwicklungs-Status überprüfen. Wenn Windows-Unterstützung ausgeliefert wird, wird Telvr eine konsistente Cross-Platform-Erfahrung für Nutzer bieten, die auf macOS und Windows arbeiten.
Wo Windows Spracherkennung / Voice Typing stärker ist
Kosten sind der klarste Vorteil. Beide Windows-Diktier-Tools sind kostenlos. Für Nutzer, die gelegentliche Spracheingabe für grundlegende Aufgaben brauchen, ist dies entscheidend.
Offline-Betrieb mit Legacy WSR erlaubt Diktierfunktion ohne Internetverbindung. Dies ist wichtig in sicheren Umgebungen, Gegenden mit unzuverlässiger Konnektivität oder für Nutzer mit strikten Datenspeicherungs-Anforderungen.
Sprachbefehl-Unterstützung in Legacy WSR erlaubt hands-free Navigation von Windows-Anwendungen, Menüs und System-Funktionen. Telvr bietet keine Sprachbefehle.
Keine Einrichtung erforderlich — beide Tools werden mit einem Tastenkürzel aktiviert und erfordern keine Installation, Account-Erstellung oder Konfiguration.
Native Windows-Integration bedeutet Windows Voice Typing wird immer aktuell neben dem OS und profitiert von Microsofts kontinuierlichen Investitionen in Windows-11-Features.
Wo Telvr stärker ist
Überlegene Transkriptions-Genauigkeit von Whisper large-v3 ist der grundlegende Vorteil. Telvr produziert über Akzente, technisches Vokabular und lange Aufnahmen genauere Transkriptionen, ohne Stimm-Training oder Einrichtung zu brauchen.
Sechs AI-Enrichment-Modi plus Custom Prompt verwandeln dikterten Inhalt in professionell strukturierte Ausgabe. Diese Fähigkeit hat kein Äquivalent in beiden Windows-eingebaut-Tools.
50+ Sprachunterstützung mit automatischer Erkennung verarbeitet mehrsprachige Workflows ohne manuellen Sprachen-Wechsel.
Push-to-Talk-Hotkey mit universaler App-Kompatibilität bietet eine schnelle, konsistente Aktivierungs-Methode, die identisch über jede Anwendung funktioniert.
Immer aktuelles Modell bedeutet Telvr-Nutzer erhalten die neuesten Whisper-Verbesserungen und Groq-Infrastruktur-Upgrades automatisch, ohne auf einen Windows-Update-Zyklus zu warten.
Professionelle Ausgabe-Qualität von Enrichment-Modi reduziert oder eliminiert Nach-Diktier-Bearbeitung für häufige Aufgaben wie E-Mails, Meeting-Notizen und Task-Beschreibungen.
Das Fazit
Windows Spracherkennung und Voice Typing erfüllen ihren Zweck als null-Kosten-Startpunkt für gelegentliche Spracheingabe auf Windows. Wenn deine Diktier-Anforderungen selten sind, dein Inhalt einfach ist und die eingebaut Genauigkeit für deinen Anwendungsfall ausreicht, ist die kostenlose Option rational.
Für Profis, die Spracheingabe als bedeutsamen Teil ihres täglichen Workflows nutzen — Kommunikation verfassen, Meeting-Notizen erfassen, Dokumentation schreiben, Daten in Desktop-Anwendungen eingeben — fallen die eingebaut Windows-Tools bei Genauigkeit, Sprachunterstützung und Ausgabe-Qualität kurz. Telvrs Whisper-large-v3-Genauigkeit und AI-Enrichment-Modi repräsentieren eine Schritt-Verbesserung, die die bescheidenen Pay-as-you-go-Kosten rechtfertigt. Sobald Windows-Unterstützung ausgeliefert wird, wird Telvr das natürliche Upgrade für Windows-Power-Nutzer sein, die über das, was Microsofts eingebaut-Tools bieten, hinauswachsen. Überprüfen Sie den aktuellen Verfügbarkeitsstatus und evaluieren Sie mit der 14-Tage-Testversion, um die Genauigkeit und Enrichment-Qualität gegen deinen eigenen Workflow zu beurteilen.