Spracheingabe in Gmail, richtig gemacht

Gmail hat auf dem Desktop keine eingebaute Spracheingabe. Das hier funktioniert.

Öffnen Sie Gmail am Laptop, klicken Sie auf Verfassen, suchen Sie im Editor nach einem Mikrofon. Es gibt keins. Google Docs und Slides haben die Spracheingabe fest eingebaut (Chrome, Edge oder Safari), aber Googles eigene Support-Dokumente beschränken diese Funktion auf Docs und Slides. Gmail steht nicht auf der Liste. In Googles Support-Foren wird seit Jahren nach einem Mikrofon-Button für Gmail gefragt. Er ist nie gekommen.

Die drei ehrlichen Wege auf dem Desktop: Öffnen Sie Gmail stattdessen auf dem Smartphone – das Mikrofon der Systemtastatur funktioniert bereits in jedem Textfeld, auch im Verfassen-Fenster von Gmail. Installieren Sie eine Chrome-Erweiterung, die dem Gmail-Tab ein Mikrofon hinzufügt – Voice In, Voicy oder das unverblümt benannte „Dictation for Gmail“. Oder installieren Sie eine Desktop-App, die einen Hotkey auf Betriebssystemebene abfängt und den transkribierten Text in das gerade aktive Fenster einfügt – Whisper, Willow Voice, Voicys native Variante. Der erste funktioniert nur in Chrome-Tabs. Der dritte funktioniert überall, wo ein Cursor blinkt.

Die nüchterne Wahrheit ist, dass diese Wege unterschiedliche Probleme lösen. Wenn Sie Spracheingabe nur innerhalb von Gmail wollen, reicht eine Erweiterung. Wenn Sie sie als Gewohnheit wollen, für Gmail und die acht anderen Apps, in denen Sie auch schreiben, stößt die Erweiterung schnell an ihre Grenzen.

Die schnellste Einrichtung: eine Chrome-Erweiterung und ein Hotkey

Wenn Sie Spracheingabe in Gmail wollen und ohnehin in Chrome unterwegs sind, ist das der kürzeste Weg. Gesamtdauer: etwa 3 Minuten.

Voraussetzungen (eine Minute)

• Google Chrome installiert (oder ein Chromium-basierter Browser wie Edge oder Brave).
• Ein funktionierendes Mikrofon. Das eingebaute Mikrofon reicht.
• Mikrofonberechtigung auf Betriebssystemebene erteilt. macOS: Systemeinstellungen → Datenschutz & Sicherheit → Mikrofon. Windows: Einstellungen → Datenschutz → Mikrofon.
• Sie sind in Gmail angemeldet.

Wählen Sie eine Erweiterung

Die drei mit echter Nutzerbasis:

• Voice In von Dictanote, ein reines Chrome-Erweiterungs-Tool (auch als Edge-Add-on erhältlich). Funktioniert auf über 10.000 Websites in über 100 Sprachen. Kostenlose Stufe und eine kostenpflichtige Plus-Stufe.
• Voicy, sowohl native App als auch Chrome-Erweiterung. Die Erweiterung klinkt sich in Gmail und über 20.000 weitere Seiten ein. Wirbt mit über 50 Sprachen und 99 % Genauigkeit.
• Dictation for Gmail, auf Gmail spezialisiert, fügt neben dem Senden-Button ein Mikrofonsymbol hinzu. 60 Sprachen, über 100.000 Nutzer, 3,5★ aus 273 Bewertungen.

Installation in vier Schritten

Die meisten Leute bringen das in unter drei Minuten zum Laufen. Die Reibung ist nicht die Einrichtung. Die Reibung ist alles, was danach kommt – dazu kommen wir noch.

Auf dem Smartphone kann Gmail das längst, und das ist auch gut so

Wenn Sie die meisten Ihrer E-Mails auf dem Smartphone schreiben, brauchen Sie dafür keine App. Sie brauchen keine Erweiterung. Sie müssen den Rest dieses Artikels nicht lesen. Einrichtungszeit insgesamt: null. Es ist schon da.

Öffnen Sie auf Android Gmail, tippen Sie auf Verfassen, tippen Sie in den Textkörper und schauen Sie sich die obere Reihe der Gboard-Tastatur an. Dort ist ein Mikrofonsymbol. Tippen Sie es an, sprechen Sie, tippen Sie es erneut an. Googles eigene Dokumente formulieren es so: „Sie können an den meisten Stellen, an denen Sie mit einer Tastatur tippen können, sprechen, um zu schreiben.“ Sie veröffentlichen keine saubere Sprachenzahl, nur dass es nicht in jeder Sprache funktioniert, die Gboard unterstützt. Die wichtigsten romanischen und germanischen Sprachen sind abgedeckt.

Öffnen Sie auf dem iPhone Gmail, tippen Sie auf Verfassen, tippen Sie in den Textkörper und schauen Sie sich die iOS-Tastatur an. Neben der Leertaste gibt es eine Mikrofontaste. Tippen Sie sie an, sprechen Sie, tippen Sie auf „Fertig“. Das iOS-Tastaturmikrofon arbeitet auf Systemebene, also funktioniert dieselbe Taste in Gmail, Nachrichten, Notizen und Safari. (Gboard für iOS hat seinen eigenen Mikrofon-Button, falls Sie es installiert haben. Beides funktioniert.) Apple veröffentlicht keine glatte Sprachenzahl für die iOS-Diktierfunktion; sie orientiert sich eng an Apple Dictation auf macOS, das 47 regionale Varianten auflistet.

Beides ist kostenlos. Beides ist eingebaut. Wenn Sie Ihre E-Mails vor allem am Smartphone schreiben, ist der Rest dieses Artikels für die Tage gedacht, an denen Sie am Laptop sitzen. Ansonsten sind Sie fertig.

Warum die Desktop-Erweiterungen die Zeichensetzung immer noch falsch machen

Die Chrome-Erweiterungen funktionieren, aber ihre Genauigkeit ist der Grund, warum „Dictation for Gmail“ im Schnitt 3,5 Sterne aus 273 Bewertungen hat und nicht 4,7. Das Beschwerdemuster ist bei allen dreien gleich. Wenn Sie es einmal kennen, überrascht es Sie nicht mehr.

Die meisten Diktier-Tools als Browser-Erweiterung sind Wrapper um die Web Speech API. Sie bitten Chrome, die Sprache-zu-Text-Umwandlung zu erledigen, und fügen dann das Ergebnis ein. Diese API ist für kurze Äußerungen in Ordnung, für alles Längere wird sie brüchig. Konkret bricht Folgendes:

• Zeichensetzung muss gesprochen werden. „Punkt“, „Komma“, „Fragezeichen“, „neuer Absatz“. Sie denken, Sie gewöhnen es sich an. Tun Sie nicht. Ihr Gehirn will am Ende jedes Satzes nicht laut „Punkt“ sagen. Die meisten Nutzer diktieren einen einzigen langen Schachtelsatz und putzen ihn dann mit dem Trackpad zurecht. Was den Sinn der Sache weitgehend zunichtemacht.
• Das Mikrofon schaltet sich nach Stille ab. Pausieren Sie drei Sekunden, um über die Formulierung nachzudenken, und die API hört auf zuzuhören. Sie fangen wieder an zu sprechen – und ein halber Satz fehlt.
• Der Tab-Fokus ist klebrig. Klicken Sie in einen anderen Chrome-Tab, und das Mikrofon stoppt. Wechseln Sie zu Ihrem Kalender, um ein Datum zu prüfen, und das Mikrofon stoppt. Die Diktierfunktion lebt in einem einzigen Tab.
• Akzente und Eigennamen. Namen werden automatisch zu dem Wort korrigiert, das der Browser für näher hält. Empfänger von mir wurden schon Andre, Ankara und einmal „Frau Andrescu“ genannt, bevor ich es bemerkt habe.

Voicy behauptet, seine Erweiterung nutze eine eigene KI für höhere Genauigkeit, und das ist die Variante, die ich zuerst ausprobieren würde, wenn ich mich auf den Erweiterungs-Weg festlegen müsste. Aber keine löst das Problem der gesprochenen Zeichensetzung und der Zeitüberschreitung. Beides steckt fest in der Annahme, dass Diktieren im Browser eine 30-Sekunden-Handlung ist und kein Schreibwerkzeug.

Dieselbe Decke der Browser-Erweiterung gilt für die Spracheingabe in Google Docs – praktisch innerhalb des Tabs, aber sie folgt Ihrem Cursor nie nach Gmail oder irgendwohin sonst.

Was ich für Gmail nutze – und wann ich es bleiben lasse

Ich habe Whisper gebaut, weil ich aus den oben genannten Gründen mit Chrome-Erweiterungen abgeschlossen hatte. Es ist eine Tauri-Desktop-App für Mac (Apple Silicon) und Windows. Kein Intel-Mac, kein Linux. Sie registriert einen Hotkey auf Betriebssystemebene. Halten, sprechen, loslassen. Der Text wird transkribiert und in das gerade aktive Fenster eingefügt.

Standard-Hotkey: Ctrl+Space unter Windows, nur als Modifikatortasten Command + Option unter macOS (egal welche Command-, egal welche Option-Taste, zum Aufnehmen halten, zum Stoppen loslassen). Beides in den Einstellungen anpassbar.

Der Teil, der meine Arbeitsweise verändert hat: Es ist ihm egal, welche App den Fokus hat. Derselbe Hotkey im Gmail-Verfassen-Fenster, in Slack, in Notion, in VS Code, im Terminal. Das Rust-Einfügemodul schreibt in die Zwischenablage des Betriebssystems und löst das native Cmd+V oder Ctrl+V in dem Fenster aus, das ich gerade ansehe. macOS fragt beim ersten Mal nach der Bedienungshilfen-Berechtigung. Danach ist es unsichtbar.

Für Gmail ist das wegen des Kontextwechsels wichtig. Ich fange an, eine Antwort zu verfassen, springe per Alt-Tab zu meinem Kalender, springe per Alt-Tab zurück. Mit einer Chrome-Erweiterung ist der Mikrofonzustand weg. Mit einem Desktop-Hotkey mache ich da weiter, wo ich aufgehört habe.

Sie wählen die Transkriptions-Engine. Drei Wege, ehrlich dargestellt, keine Voreinstellung:

• Cloud (OpenAI BYOK). gpt-4o-mini-transcribe standardmäßig, gpt-4o-transcribe für die genauere Stufe. Sie bringen Ihren eigenen OpenAI-Schlüssel mit. Beste Qualität, Websuche eingebaut, braucht eine Verbindung.
• Lokal Parakeet. NVIDIAs TDT-Modell, rund 600 MB, 5–10× schneller als Whisper auf der CPU. Englisch plus 24 europäische Sprachen. Offline. Keine asiatischen Sprachen, keine Übersetzung ins Englische.
• Lokal Whisper. Base (rund 140 MB) bis Large v3 (rund 3 GB). Die mehrsprachigen Varianten decken 99 Sprachen ab. Die .en-Varianten sind nur Englisch. Langsamer als Parakeet, unterstützt aber Übersetzung und feinere Steuerung pro Aufnahme.

Für englische Gmail-Antworten lasse ich es auf Parakeet lokal stehen. Cloud übernimmt, wenn ich eine längere E-Mail mit Websuche brauche. Das KI-Schlüsselwort zum Auslösen ist „Hey whisper“, gefolgt von der Anweisung.

Wann ich es bleiben lasse: bei einer einzeiligen „danke, mache ich“-Antwort. Der Vorteil des Hotkeys gegenüber dem Tippen greift erst ab etwa zehn Wörtern. Der Sinn des Diktierens liegt bei den 80- bis 200-Wörter-E-Mails, bei denen Sprechen schneller ist als Tippen.

Wann Gboard oder die iOS-Diktierfunktion die richtige Antwort ist

Wenn 90 % Ihrer Gmail-Nutzung auf dem Smartphone stattfindet, installieren Sie gar nichts. Gboard und die iOS-Diktierfunktion sind kostenlos, arbeiten auf Systemebene und sind für kurze bis mittlere Nachrichten gebaut. Das Mikrofonsymbol auf Ihrer Tastatur erledigt eine 100-Wörter-Antwort in 40 Sekunden.

Wenn Sie an einem Mac sitzen und es Ihnen um 30-Sekunden-Sprachnotizen in einem Textfeld geht, taugt Apple Dictation für kurze Notizen. macOS Tahoe kommt mit 47 Sprachen und regionalen Varianten. Aktiviert über die Mikrofontaste, ein konfigurierbares Tastenkürzel oder Bearbeiten → Diktat starten. Es stoppt nach 30 Sekunden Stille, was es großartig für „ja, antworten zur Bestätigung“ und schlecht für einen Absatz macht, der eine Denkpause braucht.

Wenn Sie den Großteil Ihrer E-Mails an einem Desktop oder Laptop schreiben, in mehreren Apps, die nicht alle Browser-Tabs sind, fängt eine systemweite App an, eine Rolle zu spielen. Wir machen eine. Willow Voice und Voicys native Variante auch. Probieren Sie ein paar aus, bevor Sie sich festlegen – mit demselben systemweiten Hotkey können Sie auch in Notion diktieren.

Die Spracheingabe in Gmail hätte schon vor zehn Jahren eine Google-Funktion sein sollen, und irgendwie ist sie es immer noch nicht. Bis es so weit ist, wählen Sie den Weg, der zu Ihrem Tag passt. Die Smartphone-Tastatur, wenn Sie am Telefon sind, eine Chrome-Erweiterung, wenn Sie in einem einzigen Tab leben, eine Desktop-App, wenn Sie überall dort schreiben, wohin Ihr Cursor geht. Egal welchen Sie wählen, das Ziel ist dasselbe: Hören Sie auf, die 100-Wörter-E-Mails zu tippen.