Sprache zu Text in Google Docs

Tools öffnen, auf Spracheingabe klicken, losreden

Keine Installation, keine Erweiterung, kein Konto-Upgrade. Die Spracheingabe ist bereits in Google Docs enthalten.

Das Ganze dauert beim ersten Mal etwa dreißig Sekunden und danach bei jedem Besuch nur noch zehn. Wenn das Mikrofon-Feld nie erscheint, bist du mit ziemlicher Sicherheit in Firefox oder einer veralteten Browser-Version. Spring zum Abschnitt zur Fehlerbehebung weiter unten.

Ein Detail solltest du vor dem Start einstellen: das Sprach-Dropdown über dem Mikrofon. Google Docs unterstützt dort über 100 Sprachen und Dialekte, darunter eine lange Liste regionaler Varianten von Englisch, Spanisch und Arabisch. Wähle die richtige aus, und die Genauigkeit springt in dem Moment nach oben, in dem du es tust. Lass es auf einer Sprache stehen, die du nicht sprichst, und du bekommst Wortsalat, der sich liest wie eine schlechte Untertitelspur.

Die Befehle für Satzzeichen und die Tastenkombination, die du brauchst

Hier kommt der Teil, der die Leute überrascht. Google Docs setzt die Satzzeichen nicht für dich. Du sprichst sie aus.

Um einen Satz zu beenden, sagst du "Punkt". Für eine Pause "Komma". Es gibt außerdem "Ausrufezeichen", "Fragezeichen", "neue Zeile" und "neuer Absatz". Zwei Sätze zu diktieren klingt laut ausgesprochen also so: "das Meeting ist bestätigt Punkt schick die Agenda bis Freitag Punkt". Es fühlt sich etwa vier Minuten lang seltsam an, dann geht es ins Muskelgedächtnis über – so wie das Tippen eines Semikolons früher auch.

Es gibt auch eine größere Reihe von Bearbeitungsbefehlen: "Absatz auswählen", "kursiv" und ähnliche Formatierungs- und Navigationsphrasen. Die funktionieren nur auf Englisch, und nur wenn sowohl deine Kontosprache als auch deine Dokumentsprache auf Englisch eingestellt sind. Die Satzzeichen-Befehle sind nachsichtiger und funktionieren in mehr Sprachen; die englischgebundenen sind die Formatierungsbefehle.

Eine Tastenkombination geistert ebenfalls herum. Viele Nutzer und Drittanbieter-Anleitungen nennen Ctrl+Shift+S unter Windows und Cmd+Shift+S auf dem Mac, um die Spracheingabe ohne den Umweg über das Menü ein- und auszuschalten. Erwähnenswert, weil Googles aktuelle Hilfeseite überhaupt keine Tastenkombination aufführt – behandle sie also eher als "weithin berichtet und funktioniert meistens" denn als heilige Wahrheit. Wenn sie auf deinem Rechner nichts bewirkt: Der Weg über das Menü funktioniert immer.

Das Sache mit den manuellen Satzzeichen ist die sauberste Trennlinie zwischen Googles Tool und den neueren KI-Diktiertools. Laut "Komma" zu sagen ist der Preis für eine kostenlose Funktion, die sich seit Jahren kaum verändert hat. Das ist nicht falsch. Es ist einfach das Jahr 2015, das still und leise in einem Produkt von 2026 sitzt.

Es läuft in einem Browser-Tab, nicht auf deinem Computer

Der nächste Abschnitt entscheidet, ob das eingebaute Tool für dich ausreicht – deshalb gibt es ein Bild davon, was du dir gerade ansiehst.

Die Spracheingabe ist eine Funktion von Google Docs, was bedeutet, dass sie eine Funktion des Browser-Tabs ist, in dem Google Docs geöffnet ist. Es gibt keine Desktop-App. Schließe den Tab, und das Mikrofon verschwindet mit ihm. Der frühere Ruf, es laufe nur in Chrome, ist überholt – Googles Hilfeseite listet inzwischen Chrome, Edge und Safari. Firefox bleibt weiter außen vor.

Was diese Browser-Bindung dich kostet, zeigt sich in dem Moment, in dem dein Schreiben das Dokument verlässt. Sagen wir, du entwirfst per Sprache ein Projekt-Update in Docs, dann musst du auf einen Kommentar in deiner E-Mail antworten, eine Notiz in Slack einfügen und eine Zelle in einer Tabelle ausfüllen. Das Mikrofon kann deinem Cursor in keines davon folgen. Es hört dich nur innerhalb des Docs-Tabs. Für viele Menschen ist das völlig in Ordnung – sie schreiben in Docs und sonst nirgends. Für alle anderen ist es eine Wand, gegen die sie mehrmals am Tag laufen.

Dann ist da noch die Sache mit dem Smartphone. Auf dem Handy erscheint das Desktop-Menü für die Spracheingabe nicht; die mobile Docs-App stützt sich stattdessen auf das eingebaute Diktiermikrofon deiner Handytastatur. Dieses Tastatur-Mikro ist ordentlich, aber da macht dein Betriebssystem die Arbeit, nicht Google Docs.

Wenn die Spracheingabe von Google Docs aufhört, dich zu hören

Die Spracheingabe versagt auf eine kleine Zahl vorhersehbarer Weisen. Sortiert danach, wie oft ich es habe passieren sehen.

• Sie fehlt im Tools-Menü. Du bist in einem nicht unterstützten Browser. Firefox ist der übliche Übeltäter; eine uralte Chrome-Version der Zweitplatzierte. Öffne dasselbe Dokument in einem aktuellen Chrome, Edge oder Safari, und der Menüpunkt taucht wieder auf.
• Das Mikrofon-Feld ist da, aber es wird nichts getippt. Der Browser hat keine Mikrofonberechtigung, oder es ist das falsche Eingabegerät ausgewählt. Prüfe das kleine Kamera-/Mikrofon-Symbol in der Adressleiste deines Browsers und bestätige, dass der Dokument-Tab erlaubt ist. Sieh dann in den Sound-Einstellungen deines Betriebssystems nach, ob das richtige Mikrofon als Standard eingestellt ist – das eingebaute Laptop-Mikro und ein angestecktes Headset streiten sich gern darum.
• Wörter verschmelzen oder kommen verstümmelt heraus. Das ist fast immer der Ton, nicht die Software. Ein günstiges USB-Mikrofon bringt für die Genauigkeit mehr als jede Einstellung, die du ändern kannst – meist mehr als ein Modell-Upgrade. Hintergrundgeräusche, ein Ventilator, ein offenes Fenster: All das landet im Transkript.
• Sie stoppt nach ein, zwei Minuten von selbst. Die Spracheingabe pausiert, wenn sie eine Weile keine Sprache mehr erkennt oder wenn der Tab den Fokus verliert. Klicke erneut auf das Mikrofon, um fortzufahren. Wenn du beim Diktieren zu einem anderen Fenster wechselst, um etwas nachzulesen, ist genau dieser Wechsel das, was dich stummschaltet.
• Wörter erscheinen an der falschen Stelle, oder Befehle werden als Text getippt. Wenn du "neuer Absatz" sagst und die Wörter "neuer Absatz" statt eines Zeilenumbruchs in deinem Dokument landen, ist deine Konto- oder Dokumentsprache nicht auf Englisch eingestellt – und die Bearbeitungsbefehle gibt es nur auf Englisch. Satzzeichen wie "Komma" und "Punkt" sind über Sprachen hinweg nachsichtiger; die Formatierungs- und Navigationsbefehle sind die strengen. Prüfe beide Spracheinstellungen, falls Befehle immer wieder als wörtlicher Text auftauchen.

Wenn der Dokument-Tab funktioniert, eine andere App dich aber gar nicht hört, ist das kein Google-Docs-Problem. Das ist wieder die Browser-Bindung. Kein Schritt zur Fehlerbehebung löst das, denn es funktioniert genau so, wie es gedacht ist.

Wenn das Mikrofonfeld überhaupt nicht zu lauschen beginnt, lies unseren vollständigen Leitfaden dazu, warum die Spracheingabe in Google Docs nicht mehr funktioniert.

In Docs diktieren, ohne in einem Browser-Tab zu leben

Ein systemweites Tool verändert die Form des Problems. Whisper by Remskill ist eine Desktop-App, keine Browser-Erweiterung und kein Docs-Add-on. Du drückst irgendwo eine Tastenkombination, sprichst, lässt los, und der Text wird an deinem Cursor eingefügt – im Google-Docs-Tab, in deiner E-Mail, in Slack, in einer Tabellenzelle, in jedem Textfeld auf dem Rechner.

Die Standard-Tastenkombination ist Ctrl+Space unter Windows. Auf dem Mac ist es Push-to-Talk: Halte Command+Option zusammen gedrückt, um aufzunehmen, lass eine der Tasten los, um zu stoppen. Beide lassen sich in den Einstellungen ändern, falls sie mit etwas kollidieren, das du bereits nutzt. Der Ablauf ist auf beiden Plattformen gleich – halten, reden, loslassen, die Wörter landen dort, wo dein Cursor ist. Die komplette Anleitung findest du in unserem Leitfaden dazu, wie Whisper funktioniert, und die plattformspezifischen Einrichtungen für Sprache zu Text auf dem Mac und Sprache zu Text unter Windows.

Ein paar Dinge, die das Browser-Tool strukturell nicht kann, eine Desktop-App aber schon:

• Satzzeichen sind automatisch. Kein lautes "Komma"-Sagen. Die Transkription fügt es für dich ein, sodass sich Diktieren wie Reden anfühlt, nicht wie das Vorlesen von Regieanweisungen.
• Es funktioniert offline. Die lokale Pipeline läuft komplett auf deinem Rechner über eine reine Rust-Engine, kein Audio verlässt den Laptop. Dein halbfertiges Kündigungsschreiben macht keinen Umweg über irgendjemandes Server.
• Es folgt deinem Cursor überallhin. Dieselbe Tastenkombination, die einen Docs-Absatz füllt, füllt dreißig Sekunden später eine Gmail-Antwort oder eine Notion-Seite.

Ein Wort zu den Modellen, weil die Leute danach fragen. Lokal wählst du die Engine selbst – die Entscheidung liegt bei dir, nicht bei einer Voreinstellung, die wir für dich getroffen haben. NVIDIAs Parakeet ist die schnellste lokale Option: etwa 600 MB, 5- bis 10-mal schneller als Whisper auf einer CPU, deckt Englisch plus 24 europäische Sprachen ab, 25 insgesamt. Wähle es, wenn du hauptsächlich Englisch sprichst und es schnell haben willst.

Die lokalen Whisper-Modelle gehen weiter. Die mehrsprachigen Builds decken 99 Sprachen ab, inklusive automatischer Erkennung, plus Übersetzung ins Englische. Wähle diese, wenn du andere Sprachen oder eine Übersetzung brauchst. Die englischsprachigen Whisper-Builds sind bewusst auf Englisch festgelegt, für die beste Genauigkeit, wenn du ohnehin nur Englisch schreibst. Und wenn du die neueste OpenAI-Qualität mit Web-Zugriff willst, läuft der Cloud-Modus über deinen eigenen OpenAI-Schlüssel und deckt die rund 57 Sprachen ab, die OpenAI offiziell aufführt. Drei Wege, du entscheidest. Die App wählt keine Voreinstellung für dich – was, wie ich auf die harte Tour gelernt habe, genau das ist, was die Leute wollen. Der erste Build wurde mit einem bereits gewählten Modell ausgeliefert, und das Erste, was die Nutzer taten, war: es ändern.

Dieser letzte Punkt ist für mich der Brotdosen-Test. Ein Dienstagabend, ich mache Sandwiches und denselben Joghurt, den die Kleinere ohnehin nicht essen wird, und die Schule will den Ausflugszettel bis acht beantwortet haben. Ich greife einhändig zum Laptop, halte die Tastenkombination und diktiere die Antwort zwischen Gurkenscheiben – einmal kurz innehaltend, um zu fragen, wie man den Namen der Lehrerin schreibt, einmal, um zu beantworten, warum der Mond manchmal nicht da ist. Die E-Mail geht raus, die Brotdosen werden fertig. Der Punkt ist nicht, dass das Docs ist. Der Punkt ist, dass mein Cursor in einem E-Mail-Programm war, dann in einem Kalender, dann in einer Notizen-App, und dieselbe Taste funktionierte in allen dreien. Die Spracheingabe hätte die erste gehört und wäre für den Rest verstummt.

Wann du unsere App überspringst und Googles eingebautes Tool nutzt

Ich sage das ganz offen, weil das Regelwerk, nach dem ich schreibe, es verlangt – und weil es stimmt. Wenn du innerhalb von Google Docs schreibst und sonst nirgends, und wenn du kurze Abschnitte abschickst – einen Absatz, einen Kommentar, eine schnelle Notiz – dann nutze Googles Spracheingabe und installiere gar nichts. Sie ist kostenlos, sie ist schon da, sie unterstützt über 100 Sprachen, und ein paar Mal "Punkt" zu sagen kostet dich nichts außer ein bisschen Würde.

Die Grenze, ab der ein systemweites Tool zu zählen beginnt, liegt etwa bei der 200-Wörter-Marke – oder in dem Moment, in dem dein Diktat das Dokument verlassen muss. Wenn du Langtexte entwirfst, stündlich zwischen drei Apps wechselst, offline im Zug arbeitest oder mit Text hantierst, den du lieber nicht an einen Server schicken würdest, wird der Browser-Tab zum Flaschenhals. Unterhalb dieser Grenze hat Google dich abgedeckt. Sei ehrlich zu dir selbst, auf welcher Seite du stehst.

If you have already crossed that line, here is a Google voice typing alternative that dictates anywhere — including offline.

Noch eine eingebaute Option, die die Leute vergessen. Sowohl Windows als auch macOS haben ihre eigene Diktierfunktion auf Systemebene. Unter Windows ist es das Spracheingabe-Panel mit Win+H; auf dem Mac ist es die Betriebssystem-Diktierfunktion, die du auf eine Taste legen kannst. Die funktionieren zumindest außerhalb des Browsers, anders als Googles. Sie sind nicht so genau oder so steuerbar wie ein spezialisiertes Tool, aber sie sind kostenlos und bereits installiert – einen Versuch wert, bevor du zu etwas Kostenpflichtigem greifst.

Die Spracheingabe von Google Docs ist kostenlos, eingebaut und für einen Absatz nach dem anderen innerhalb eines Browser-Tabs völlig okay. In dem Moment, in dem dein Diktat diesen Tab verlassen muss – in eine E-Mail, in einen Chat, in eine Tabelle, offline im Zug – bleibt das Mikrofon zurück, weil es von Anfang an nie auf deinem Computer war. Das ist kein Fehler, den man beheben müsste. Es ist die Grenze dessen, was eine Browser-Funktion erreichen kann. Meine Siebenjährige hat einmal ihrer Oma eine ganze E-Mail diktiert und dann gefragt, warum das nicht in ihrer Mal-App funktioniert. Vernünftige Frage. Die Antwort ist eine Tastenkombination, der es egal ist, in welchem Fenster du gerade bist.