Von Denys MedvedievSo funktioniert es
Wie Whisper wirklich funktioniert
Hotkey drücken, natürlich sprechen, polierten Text bekommen — in jeder App. Hier genau, was unter der Haube passiert, mit echten UI-Beispielen.
Zuletzt aktualisiert: April 2026 · Gilt für v2.1+
Das Overlay
Whisper lebt als kleines schwebendes Overlay auf deinem Bildschirm. Es bleibt über allen Fenstern, ist aber nie im Weg. So sieht das Overlay in jedem Zustand aus:
Leerlauf — eingeklappt
Wenn du nicht mit Whisper interagierst, klappt das Overlay zu einer winzigen Pille ein — kaum sichtbar, völlig unauffällig. Beansprucht fast keinen Bildschirmplatz.
Eingeklappte Pille. Das Overlay bleibt minimal, bis du es brauchst.
Leerlauf — Hover für Ausklappen
Fahre mit der Maus über die Pille und sie klappt aus , um deinen Aufnahme-Hotkey zu zeigen. Ein visueller Reminder, wie du startest.
Beim Hovern ausgeklappt. Zeigt deinen Hotkey — drücken zum Aufnehmen.
Aufnahme — deine Stimme wird erfasst
Drücke deinen Hotkey (Standard: Ctrl + Space) und beginn zu sprechen. Das Overlay zeigt eine animierte Wellenform und einen roten Stop-Button. Hotkey loslassen oder Stop klicken zum Beenden.
Aufnahme läuft. Wellenform zeigt erfasstes Audio.
Transkription — Sprache zu Text
Nach dem Stoppen wechselt das Overlay in den Transkriptions-Zustand. Dein Audio wird verarbeitet — lokal auf dem Gerät oder via OpenAI-API, je nach Modus.
Audio wird zu Text transkribiert. Bei kurzen Phrasen unter einer Sekunde.
KI-Verbesserung — Text polieren
Ist die KI-Verbesserung aktiv, zeigt das Overlay einen lila „Denke nach“-Indikator. Die KI entfernt Füllwörter, korrigiert Grammatik und strukturiert deine Sätze zu poliertem Text um.
KI verbessert deine Transkription. Angetrieben von Ollama (lokal) oder OpenAI GPT.
Websuche — Antworten finden
Wenn du eine Websuche auslöst (KI-Keyword + Frage), wird das Overlay blau , während es das Internet durchsucht und eine Antwort mit Quellen synthetisiert.
Websuche mit Echtzeit-Daten. Antwort mit Quellen in Sekunden.
Fertig — Text geliefert
Ein grünes Häkchen bestätigt, dass der Text in deine aktive Anwendung eingefügt wurde. Der gesamte Ablauf — von der Sprache bis zum fertigen Text — dauert meist 2–5 Sekunden.
Fertig! Text wurde in deine Anwendung eingefügt.
Use-Case: KI-Textverbesserung
Gehen wir ein echtes Beispiel durch. Du schreibst Meeting-Notizen im Editor und willst schnell zusammenfassen. Statt zu tippen, sprichst du natürlich und lässt die KI aufräumen.
Szenario: Meeting zusammenfassen
Gerade einen Standup beendet, musst dem Team eine kurze Zusammenfassung schicken. Statt zu tippen, sprichst du frei und die KI poliert es.
Was du sagst
„also im Grunde ähm hatten wir den Standup und öh John sagte die API-Migration ist fertig und ist jetzt auf Staging und Sarah erwähnte dass die Mobile-App einen Bug mit Push-Benachrichtigungen auf Android hat und sie schaut sich das an und ähm wir haben entschieden das Release auf nächste Mittwoch zu verschieben weil wir mehr Testzeit wollen“
Whisper nimmt auf & transkribiert
KI verbessert deinen Text
Polierter Text erscheint in deinem Editor
Standup-Zusammenfassung
• API-Migration: Fertig und auf Staging deployed (John)
• Mobile-Bug: Push-Benachrichtigungen auf Android kaputt — in Untersuchung (Sarah)
• Release: Auf nächsten Mittwoch verschoben für zusätzliche Tests
Was gerade passiert ist
Du hast ~15 Sekunden mit Füllwörtern und Schachtelsätzen gesprochen. Die KI hat die Füllwörter entfernt, Kernpunkte extrahiert, in eine saubere Zusammenfassung mit Namen und Action-Items strukturiert und direkt in deinen Editor eingefügt. Kein Tippen. Kein Copy-Paste. Keine Nachbearbeitung.
Vorher & nachher
„also im Grunde ähm hatten wir den Standup und öh John sagte die API-Migration ist fertig und ist jetzt auf Staging und Sarah erwähnte dass die Mobile-App einen Bug mit Push-Benachrichtigungen auf Android hat…“
Standup-Zusammenfassung
• API-Migration: Fertig, auf Staging (John)
• Mobile-Bug: Android-Push-Benachrichtigungen (Sarah)
• Release: Verschoben auf Mittwoch für Tests
Funktioniert mit jeder Art von Inhalt — E-Mails, Doku, Slack-Nachrichten, Reports. Sprich grobe Gedanken, erhalte sauberen professionellen Text.
Use-Case: Websuche mit KI
Whispers Websuche lässt dich Fragen per Stimme stellen und gibt dir recherchierte Antworten mit Quellen — direkt dort, wo dein Cursor steht. Kein Browser, kein Tab-Wechsel, kein Copy-Paste.
Szenario: Marktdaten holen
Du schreibst einen Finanzreport in einem Dokument und brauchst aktuelle S&P-500-Daten. Statt den Browser zu öffnen, fragst du Whisper per Sprache.
Was du sagst
„Hey Whisper, was ist der aktuelle S&P-500-Kurs und wie hat er sich dieses Jahr entwickelt?“
„Hey Whisper“ ist das KI-Keyword, das den KI-Assistenten statt reiner Transkription auslöst. Du kannst das Keyword in den Einstellungen anpassen.
Whisper nimmt deine Frage auf
KI durchsucht das Web
Die KI durchsucht mehrere Quellen, vergleicht Daten und stellt eine recherchierte Antwort zusammen — meist in etwa 5 Sekunden.
Antwort erscheint in deinem Dokument
S&P 500 — aktuelle Daten
Der S&P 500 notiert aktuell bei ungefähr 5.611,85 Anfang April 2026.
Year-to-date-Performance
Der Index liegt +8,2% im Jahr, baut auf dem starken Momentum aus 2025 auf. Treiber: anhaltendes KI-Wachstum, robuster Konsum, stabilisierende Zinsen. Die Fed hat im März Zinsen beibehalten, was das Marktvertrauen stärkte.
Sektor-Highlights
• Technologie: +14,3% YTD (getrieben von KI- und Halbleiteraktien)
• Gesundheit: +6,1% YTD
• Energie: -2,8% YTD (wegen niedrigerer Ölpreise)
Quellen: Yahoo Finance, Reuters, MarketWatch
Was gerade passiert ist
Du hast per Stimme gefragt. Whisper erkannte das KI-Keyword („Hey Whisper“), durchsuchte das Web nach aktuellen S&P-500-Daten, synthetisierte Informationen aus mehreren Quellen, formatierte sie mit Abschnitten und Quellen und fügte sie direkt in dein Word-Dokument ein. Gesamtzeit: ~5 Sekunden. Null Browser-Tabs geöffnet.
Weitere Beispiele
Websuche funktioniert für alles, was du sonst googeln würdest. Ein paar weitere Beispiele:
„Hey Whisper, was sind die neuen Features in React 19?“
Erhalte eine strukturierte Übersicht der React-19-Features mit Code-Beispielen — direkt in deiner IDE oder Notizen.
„Hey Whisper, vergleiche PostgreSQL und MySQL für ein neues Projekt“
Erhalte eine recherchierte Vergleichstabelle mit Pro, Contra und Empfehlung — bereit zum Teilen im Team.
„Hey Whisper, wie ist das Wetter diese Woche in Tokio?“
Erhalte eine schnelle Wetterübersicht für die Reiseplanung — in deine Mail oder Notiz eingefügt.
Der komplette Ablauf
Hier der komplette Prozess von Anfang bis Ende:
Du arbeitest in einer beliebigen App
VS Code, Slack, Google Docs, Mail — überall, wo es ein Textfeld gibt
Hotkey drücken & sprechen
Halte Strg+Leertaste (oder deinen eigenen Hotkey) und sprich natürlich
Whisper transkribiert & verbessert
Sprache → Text → KI-Cleanup, alles in 2–5 Sekunden
Polierter Text erscheint
Automatisch dort eingefügt, wo dein Cursor steht — kein Copy-Paste nötig
Funktioniert in jeder App
Ein globaler Hotkey — funktioniert überall. Keine Plugins, keine Erweiterungen, keine App-spezifische Konfiguration. Getting it set up properly in Word takes one extra step — see the dedicated guide.
Zwei Verarbeitungsmodi
Wähle, wie deine Stimme verarbeitet wird. Jederzeit zwischen Modi wechseln — ohne Neustart.
Lokaler Modus
- 100% offline — Stimme verlässt dein Gerät nie
- Keine laufenden Kosten (in der Lizenz enthalten)
- 5 Modellgrößen: Tiny bis Large
- HIPAA-sicher, Air-Gapped-Umgebungen
- KI via Ollama (offline, keine Websuche)
App: ~25 MB + Modellgröße (75 MB – 3 GB)
Cloud-Modus
- Höchste Genauigkeit via OpenAI-API
- ~$0,003/min (zahlst direkt an OpenAI)
- Keine Modelle zum Download
- Eigener API-Key (null Aufschlag)
- KI via GPT-5 Nano, Mini & GPT-5
App: ~25 MB gesamt — das war’s
Bereit zum Ausprobieren?
Laden Sie Whisper herunter, drücken Sie eine Hotkey und sprechen Sie los. Kostenlos für lokale Transkription, keine Karte erforderlich.
Detaillierte Setup-Anleitung gewünscht? Schau dir Lokaler Modus Setup oder Cloud-Modus Setupan.
