VoxaFlow im November: Mac, Windows, eigene Modelle und bald das iPhone
Vor einem Monat habe ich mit VoxaFlow angefangen. Die Idee ist einfach: Du hältst eine Taste, sprichst und lässt los. Der Text erscheint dort, wo die Schreibmarke steht, in jeder App. Füllwörter sind weg, Satzzeichen gesetzt, und wenn du dich mitten im Satz korrigierst, steht nur die Korrektur da. Das alles läuft auf deinem Rechner. Weder Ton noch Text verlassen das Gerät.
Hier ein Überblick, wo VoxaFlow gerade steht, was im Oktober dazugekommen ist und was bis Januar noch kommt.
Mac und Windows als Release-Kandidat
Für den Mac gibt es seit dem 28. Oktober den dritten Release-Kandidaten, 1.0.0-rc3. Er läuft ab macOS 14 auf jedem Mac mit Apple Silicon. Unter Windows ist der Stand gleich, ebenfalls 1.0.0-rc3, für Windows 11 auf Rechnern mit Intel oder AMD. Am Mac diktierst du mit der fn-Taste, unter Windows mit der rechten Strg-Taste.
Release-Kandidat heißt: Es kommen keine neuen Funktionen mehr hinzu, ich behebe nur noch Fehler. Die Windows-Version hat im Oktober aufgeholt und kann jetzt alles, was die Mac-Version kann. Nur der Abgleich über iCloud fehlt, weil es den unter Windows nicht gibt.
Bis zum 31. Januar 2027 ist VoxaFlow kostenlos, mit Pro und allen Fachpaketen. Ein Konto brauchst du dafür nicht. Die Version 1.0 erscheint im Januar für Mac und Windows gleichzeitig, der Verkauf beginnt am 1. Februar. Pro ist dann ein Einmalkauf, kein Abo, Updates inklusive. Wer VoxaFlow vor dem 1. Februar nutzt, bekommt den Launch-Preis. Dafür zeigt die App unter „Lizenz“ einen Früh-Code, den du beim Kauf auf einem anderen Rechner eingibst.
Was im Oktober dazugekommen ist
Die Fachpakete Medizin und Recht & Steuern gibt es jetzt auch auf Englisch, für US- und britisches Englisch. VoxaFlow erkennt bei jedem Diktat die Sprache und nimmt die passenden Wortlisten und Schreibregeln. Aus „fifty milligrams“ wird „50 mg“, ein deutsches Diktat bekommt weiter die deutschen Regeln.
Vieles kam aus Rückmeldungen. Ein „bitte“ oder ein „nicht“ ging bei der Überarbeitung manchmal verloren. Das ist behoben, und wenn die KI trotzdem eines weglässt, fügt VoxaFlow den Text ohne ihre Überarbeitung ein. Gesprochene E-Mail-Adressen werden zuverlässiger erkannt, auch wenn die Spracherkennung sie in Einzelteile zerlegt. Und wer per Bildschirmfreigabe auf einem anderen Mac arbeitet, kann jetzt auch dort hinein diktieren.
Eigene Modelle
VoxaFlow arbeitet mit zwei Modellen. Das erste erkennt die Sprache, das zweite räumt den Text auf. Für das Aufräumen nutze ich bisher ein frei verfügbares Sprachmodell von Qwen, unverändert. Es macht seine Sache gut, hat aber Eigenheiten. Ab und zu macht es aus „halb drei“ ein „15:30 Uhr“, oder es ergänzt in einem Datum den Monat, obwohl niemand ihn gesagt hat.
Für mich ist das der wichtigste Maßstab: Ein falscher Name oder eine falsche Adresse ist schlimmer als ein Satz ohne Komma. VoxaFlow soll nichts erfinden und schreiben, was du gesagt hast.
Deshalb trainiere ich seit Ende Oktober eigene Modelle. Ich fange dabei nicht bei null an. Grundlage sind dieselben offenen Qwen-Modelle, die unter der Lizenz Apache 2.0 stehen. Ich trainiere sie gezielt auf eine einzige Aufgabe weiter: gesprochene Sprache in sauberen Text verwandeln.
Die Übungsdaten sind künstlich. Ein großes offenes Sprachmodell schreibt saubere Texte: E-Mails, Listen, Notizen, Fachtexte. Daraus entstehen gesprochene Fassungen mit Füllwörtern, Versprechern und Korrekturen. Synthetische Stimmen lesen sie vor, und dieselbe Spracherkennung wie in der App schreibt mit. So lernt das Modell mit dem, was die Erkennung tatsächlich hört, Fehler eingeschlossen. Diktate von Nutzern sind nicht dabei, und es kann auch keine geben: VoxaFlow schickt keinen Text an meine Server.
Nach zehn Trainingsrunden mit zuletzt rund 27.000 Beispielen sieht das so aus:
„Halb drei“ bleibt „halb drei“.
Einen Namen, den das Modell nicht kennt, schreibt es so, wie er gehört wurde, statt ihn durch einen bekannten zu ersetzen.
„Neuer Absatz“ und „neue Zeile“ werden ausgeführt, nicht hingeschrieben.
Selbstkorrekturen wie „200 Euro, äh, Entschuldigung, 250 Euro“ werden aufgelöst.
Es wird zwei eigene Modelle geben. Das größere ist für leistungsstarke Rechner gedacht und ersetzt das heutige Modell. Ich nutze es auf meinem Mac mit M4 Pro bereits im Alltag. In 31 neuen Testdiktaten hat es keine Adresse, keine Zahl und keinen Namen erfunden.
Das kleinere ist für Macs und PCs mit wenig Arbeitsspeicher gedacht und für das iPhone. Auf solchen Macs läuft heute ein kleineres Qwen-Modell. Im Vergleich mit 25 Testsätzen, ebenfalls auf dem M4 Pro, hat das eigene kleine Modell 22 inhaltlich richtig wiedergegeben, das bisherige 15.
Fertig ist es noch nicht. Korrigierst du dich mitten in einer Aufzählung („zwei Monitore, nein, drei Monitore“), bleibt beim kleinen Modell manchmal beides stehen. Telefonnummern, die Ziffer für Ziffer gesprochen werden, schreibt es noch nicht zuverlässig richtig. Daran arbeite ich gerade, denn auch eine falsche Ziffer ist eine erfundene Angabe. Beide Modelle kommen mit der Version 1.0 im Januar in die App.
Das iPhone
Im Dezember 2026 gibt es eine erste Testversion über TestFlight, Apples Weg für Testversionen. Die Idee: Die Aktionstaste wird zur Diktiertaste. Drücken, sprechen, und der saubere Text liegt bereit zum Einsetzen. Wie am Mac und unter Windows bleibt dabei alles auf dem Gerät.
Wie du an die Testversion kommst, schreibe ich, sobald sie bereitsteht.
Die nächsten Termine
Dezember 2026: Testversion für das iPhone über TestFlight
Januar 2027: VoxaFlow 1.0 für Mac und Windows, mit den eigenen Modellen
31. Januar 2027: Ende der kostenlosen Zeit für Pro und alle Pakete
1. Februar 2027: Verkaufsstart
Wenn du VoxaFlow ausprobieren willst: Der Download ist auf voxaflow.ai/de?ref=blog. Rückmeldungen, auch kritische, lese ich unter hello@voxaflow.ai. Vieles, was im Oktober besser geworden ist, kam aus solchen Rückmeldungen.
Entwickelt und gehostet in Deutschland.