Sprache zu Text in Discord

Hat Discord eine eingebaute Sprache-zu-Text-Funktion?

Nein, nicht die Art, die du meinst. Discord hat keine Funktion, die deine Sprache in getippten Text im Nachrichtenfeld umwandelt. Das klingt am nächsten dran ist Text-zu-Sprache: tippe /tts gefolgt von einer Nachricht, oder aktiviere es in den Einstellungen, und Discord liest diese Nachricht jedem im Kanal laut vor. Das ist Text, der zu Sprache wird. Du willst Sprache, die zu Text wird. Dieselben Wörter, umgekehrter Pfeil.

Das verwirrt die Leute ständig, und es ist nicht ihre Schuld. "Text-zu-Sprache" und "Sprache-zu-Text" unterscheiden sich nur durch ein vertauschtes Wortpaar, und Discord liefert nur eines davon. Ich habe länger als ich zugeben möchte in den Einstellungen herumgeklickt und nach dem anderen gesucht, bevor ich akzeptierte, dass es sich nicht in einem Untermenü versteckt. Es ist einfach nicht da.

Wenn du also willst, dass deine Stimme zu einer getippten Discord-Nachricht wird, lebt das Werkzeug dafür außerhalb von Discord: dein Betriebssystem oder eine dedizierte Diktier-App. Beides findest du unten. Was andere Leute in einem Sprachkanal transkribiert, ist eine dritte Option und wieder ein anderes Werkzeug. Wir kommen zu allen dreien.

In jedem Kanal tippen vs. einfach reden

Das Argument für das Diktieren in Discord ist einfach. Sprechen läuft mit etwa 145 Wörtern pro Minute; Tippen liegt bei den meisten Menschen eher bei 40. Das ist ungefähr dreieinhalb Mal schneller, und es macht die Hände frei — was wichtig ist, wenn eine davon an der Maus oder am Controller ist. Über einen geschäftigen Serverabend summiert sich der Unterschied.

Das ehrliche Gegengewicht: Viele Discord-Nachrichten sind drei Wörter lang. "gg." "bin gleich da." "eine Sec." Diktat hilft dabei gar nicht — man verliert Zeit beim Moduswechsel. Sprachtippen lohnt sich bei längeren Sachen: der Raid-Plan, der Bug-Report auf einem Dev-Server, der Absatz, den man normalerweise aufschiebt, weil Tippen auf dem Handy lästig ist. Das ist die Schwelle. Kurze Pings — weiter tippen. Alles über einen oder zwei Sätze — reden.

Der schnellste Weg: ein systemweiter Hotkey

Hier verändert eine dedizierte App die Rechnung. Whisper by Remskill ist kein Discord-Bot, keine Server-Integration und keine Browser-Erweiterung. Es ist eine Desktop-App, die wie eine Tastatur funktioniert: Hotkey drücken, sprechen, und das Transkript wird beim Cursor eingefügt — in jeder App, auch im Discord-Chatfeld. Es funktioniert genauso in der Discord-Desktop-App wie im Browser-Discord, weil der Computer einfach sieht, dass du tippst.

Die Einrichtung ist kurz:

Das ist die ganze Schleife. Das Transkript erscheint im Eingabefeld, du liest es, du drückst Enter.

Sprechen, und die Nachricht erscheint in Discord

Wenn es läuft, ist die Erfahrung auf die beste Art unspektakulär. Du setzt den Cursor im Kanal, hältst die Taste, sprichst, lässt los. Etwa eine Sekunde später sitzt der Text im Discord-Nachrichtenfeld, als hättest du ihn getippt. Kein Kopieren und Einfügen, kein separates Fenster, aus dem man den Text fischen muss, kein Sprachclip, durch den sich Freunde scrollen müssen.

Da die lokale Transkription auf deinem Rechner läuft (reines Rust, kein Python-Sidecar, kein Server dazwischen), funktioniert sie offline. Das ist für Discord wichtiger als es klingt. Du bist oft bereits in einem Sprachkanal, auf einer Verbindung, die du nicht weiter belasten möchtest, und das Audio deines Diktats verlässt nie deinen Laptop. Windows' eigene eingebaute Sprachtippen braucht eine Internetverbindung, um überhaupt zu funktionieren; Whispers lokaler Modus nicht.

Wie die vollständige Whisper-App aussieht

Der Hotkey ist der Teil, den du am meisten nutzen wirst, aber dahinter steckt eine Einstellungsoberfläche. Du wählst deine Transkriptions-Engine: Whisper-Modelle, deren mehrsprachige Varianten 99 Sprachen abdecken und die englischen .en-Builds genau eine, oder NVIDIAs Parakeet, etwa 600 MB, 5 bis 10 Mal schneller als Whisper auf der CPU, mit Englisch plus 24 europäischen Sprachen. Du stellst deinen Hotkey ein, verwaltest den Verlauf und speicherst Presets. Nichts davon ist erforderlich, um eine Discord-Nachricht zu diktieren. Es ist da, wenn du feintunen möchtest.

Diktierte Nachrichten mit KI aufräumen

Gesprochene Sprache ist unordentlich. Man sagt "ähm", fängt Sätze neu an, verliert sich in einem Geräusch, das "du weißt schon" bedeutet. Whisper hat einen optionalen KI-Verbesserungsschritt, der Füllwörter trimmt und die Formulierung aufräumt, bevor er einfügt. "Äh, ja, also der, der Patch ist live gegangen, ich glaube wir sind, wir sind gut" wird zu "Der Patch ist live gegangen, ich glaube wir sind gut." Ob das auf Discord sinnvoll ist, hängt vom Kanal ab; bei einem Dev-Server wahrscheinlich ja, bei einem Meme-Kanal eher nicht.

Diese Bereinigung läuft lokal über Ollama, kostenlos, auf deinem eigenen Rechner. Pro-Nutzer können es stattdessen über die Cloud leiten, aber der Füllwort-Bereinigungsvorteil erfordert kein Pro — er ist in der kostenlosen lokalen Pipeline enthalten. Du kannst es auch einfach ausschalten und das rohe Transkript einfügen, was auf Discord oft genau die richtige Wahl ist.

Einen Sprachkanal transkribieren ist eine andere Aufgabe

Das ist der Teil, den ehrliche Anleitungen auslassen — lass mich also direkt sein. Whisper wandelt deine Sprache in eine getippte Nachricht um. Es transkribiert keinen Discord-Sprachkanal, das heißt, es sitzt nicht in einem Anruf und schreibt auf, was alle anderen sagen. Das ist etwas, das Menschen wirklich wollen, und dafür gibt es ein ganz anderes Werkzeug: einen Discord-Bot.

Die dafür gebauten Bots — Scripty ist der verbreitetste — treten einem Sprachkanal bei und posten ein laufendes Transkript des Gesprächs in einen Textkanal. Scriptys Kern-Transkription ist kostenlos, läuft in etwa 55 Sprachen und verarbeitet Audio, ohne es an Dritte weiterzugeben. Andere in diesem Bereich sind SeaVoice und DiscMeet. Wenn dein Ziel ist "den ganzen Anruf untertiteln", greif zu einem davon, nicht zu Whisper. Wenn dein Ziel ist "meine eigene Nachricht sagen statt tippen", das ist Whisper oder dein Betriebssystem. Zwei verschiedene Probleme, die zufällig in derselben App wohnen.

Wann man eine Diktier-App überspringt und einfach das Betriebssystem nutzt

Wenn du nur gelegentlich eine Nachricht diktieren musst, installiere nichts. Dein Computer macht das bereits kostenlos. Auf Windows drücke Windows logo key + H und die Sprachtippen öffnet sich in jedem Textfeld — auch in Discords Chatleiste — ohne Abonnement. Auf einem Mac macht der eingebaute Diktierbefehl (oder die Mikrofon-Taste) dasselbe, und auf Apple silicon läuft es auf dem Gerät ohne Internet. Auf dem Handy diktiert das Mikrofon-Symbol der Tastatur direkt in Discords mobiles Nachrichtenfeld; das macht iOS oder Gboard, nicht Discord, aber es funktioniert.

Der eine Kompromiss, den es wert ist zu kennen: Windows' Win+H braucht eine Internetverbindung, während macOS-Diktat und Whispers lokaler Modus das nicht tun. Für ein schnelles "5 Min zu spät, fang schon an" ist das OS-Tool die richtige Wahl. Wo eine dedizierte App voraus liegt, ist Volumen, die Füllwort-Bereinigung und Offline-Diktieren mitten im Anruf: je länger und öfter man es macht, desto mehr fällt das ins Gewicht.

Wähle das kleinste Werkzeug, das dein Problem löst. Für eine Nachricht ist das die Taste, die du bereits hast. Für einen ganzen Abend langer Nachrichten über fünf Server fühlt sich die dedizierte App irgendwo beim zweiten oder dritten Absatz, den du nicht tippen musstest, nicht mehr wie Overkill an.

Was Whisper kostet

Die lokale Diktier-Pipeline — Transkription und KI-Bereinigung über Ollama — ist für jeden eingeloggten Nutzer kostenlos, ohne Karte bei der Anmeldung. Die Stimme in Discord zu bringen kostet mit Whisper also nichts. Whisper Pro fügt die Cloud-Funktionen hinzu (OpenAI-Transkription, Cloud-KI-Verbesserung, Sprach-Web-Suche) und hat eine separate Testphase. Die genauen Zahlen stehen auf der Preisseite und nicht hier, weil Preise sich ändern und ein Blog-Post ein schlechter Ort ist, um sie aktuell zu halten.

Discord wird wahrscheinlich irgendwann echtes Diktat einbauen — so wie Apps das tendieren, sobald genug Leute /tts tippen und das Andere erwarten. Bis dahin hat dein Computer die Funktion bereits, eine App gibt es für den Fall, dass die eingebaute Version nicht schnell genug ist, und ein Bot gibt es für die völlig andere Aufgabe, einen Anruf zu untertiteln. Drei Werkzeuge, drei Probleme. Meistens braucht man das kleinste.