Sprache zu Text in Obsidian

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

Nein. Obsidian hat keine native Diktierfunktion, die Sprache im Editor in Text umwandelt. Das Core-Plugin Audio Recorder nimmt eine Audiodatei auf und hängt sie an die Notiz an — es transkribiert nicht, was du gesagt hast. Das ist praktisch, aber das Gegenteil von dem, was die meisten Suchenden wollen.

Für echte Transkription innerhalb eines Vaults greifst du zu einem Community-Plugin. Das verbreitetste ist das "Whisper"-Plugin von nikdanilov. Es nimmt auf oder lädt Audio hoch, sendet es an eine Whisper-kompatible Transkriptions-API und fügt das Ergebnis am Cursor ein. Es funktioniert auf Desktop und Mobilgerät, der Standard-Hotkey ist Alt+Q. Der Haken liegt im eigenen Schnellstart: Du fügst in den Einstellungen einen API-Schlüssel hinzu, weil das Plugin mit OpenAI, Groq, Azure oder einem anderen Whisper-kompatiblen Dienst spricht. Das bedeutet Cloud — und Kosten pro Audiominute beim API-Anbieter.

Es gibt auch andere Wege innerhalb des Editors. Manche kombinieren den Core Audio Recorder mit einem Transkriptionsdienst wie Deepgram oder nutzen separate Diktiertools neben Obsidian. Alles gute Optionen. Aber der gemeinsame Nenner fällt auf: Die Lösungen, die innerhalb der Notiz transkribieren, leiten das Audio fast alle an eine Cloud-API weiter und verlangen einen Schlüssel. Es gibt einen anderen Weg, der beides umgeht.

Ein Plugin in einem Vault vs. ein Hotkey überall

Das ist die Unterscheidung, die es wert ist, klar zu sehen. Ein Vault-Plugin lebt innerhalb von Obsidian. Es transkribiert, wenn du in einer Notiz bist, mit seinem eigenen Hotkey — und nur dort. Eine systemweite Hotkey-App lebt eine Ebene höher, im Betriebssystem. Sie tippt in Obsidian, aber auch in den Browser, die E-Mail, das Terminal und jede andere App — weil dein Computer einfach denkt, du tippst.

Was du willst, hängt davon ab, was du wirklich tust. Wenn dein einziges Ziel ist, eine aufgenommene Audiodatei in eine Notiz zu legen und sie dort zu transkribieren, ist das Plugin genau dafür gebaut. Wenn du Fließtext in den Editor diktieren willst, wie du ihn tippen würdest, und das auch überall sonst, ist die systemweite App die bessere Wahl. Der Rest dieser Anleitung dreht sich hauptsächlich um die zweite Art — weil sie keinen Schlüssel und keine Einrichtung pro Vault braucht.

Der schnellste Weg: ein systemweiter Hotkey

Hier verändert eine Desktop-App die Gleichung. Whisper by Remskill ist kein Obsidian-Plugin, keine Vault-Integration und keine Browser-Erweiterung. Es ist eine Desktop-App, die wie eine Tastatur funktioniert: Hotkey drücken, sprechen, und das Transkript wird am Cursor eingefügt — in jeder App, einschließlich deiner Obsidian-Notiz. Es gibt keinen API-Schlüssel einzufügen, weil die Transkriptions-Engines lokal auf deinem Computer laufen. Sie funktioniert in Obsidian genau wie überall sonst, weil sie tippt statt zu integrieren.

Die Einrichtung ist kurz:

Das ist die ganze Schleife. Das Transkript erscheint im Editor, du liest es, du schreibst weiter.

Sprechen, und die Notiz füllt sich

Einmal eingerichtet, ist die Erfahrung im besten Sinne unspektakulär. Du setzt den Cursor in eine Notiz, hältst die Taste, sprichst, lässt los. Eine Sekunde später steht der Text im Editor, als hättest du ihn getippt. Keine separate Aufnahme, die später durchgescrollt werden muss, keine Audiodatei, die den Vault zumüllt, kein Transkriptionsjob, auf den gewartet wird. Einfach Wörter, wo der Cursor war.

Da die lokale Transkription auf deinem Computer läuft (reines Rust, kein Python-Sidecar, kein Server in der Schleife), funktioniert sie offline. Für eine Notiz-App ist das der Kernpunkt. Der Gedanke, den du festhältst, das Meeting, das du zusammenfasst, die halbfertige Idee, die du nicht indexiert haben möchtest — nichts davon verlässt deinen Laptop. Die Vault-Plugins, die eine Cloud-API aufrufen, können das nicht sagen, und Windows' eingebautes Voice-Typing braucht eine Internetverbindung. Whispers lokaler Modus nicht.

Wie die vollständige Whisper-App aussieht

Der Hotkey ist der Teil, den du am meisten nutzen wirst, aber dahinter liegt eine Einstellungsoberfläche. Du wählst deine Transkriptions-Engine: Whisper-Modelle, deren mehrsprachige Varianten 99 Sprachen abdecken, oder NVIDIAs Parakeet, rund 600 MB, 5 bis 10-mal schneller als Whisper auf der CPU, mit Englisch und 24 europäischen Sprachen. Du legst deinen Hotkey fest, verwaltest den Verlauf und speicherst Voreinstellungen. Nichts davon ist nötig, um eine Notiz zu diktieren. Es ist da, wenn du feinjustieren möchtest.

Diktierte Notizen mit KI aufbereiten

Gesprochene Sprache ist unordentlich. Du sagst "ähm", brichst Sätze ab, verlierst den Faden. Whisper hat einen optionalen KI-Verbesserungsschritt, der Füllwörter streicht und die Formulierung aufräumt, bevor es einfügt. Aus "äh, ja, also das, das Meeting ist verschoben, ich glaub wir, wir machen es jetzt Donnerstag" wird "Das Meeting wurde verschoben; ich glaube, wir machen es Donnerstag." Für eine dauerhafte Notiz, die du später nochmals liest, lohnt sich diese Bereinigung.

Diese Bereinigung läuft lokal über Ollama, kostenlos, auf deinem eigenen Computer. Pro-Nutzer können sie stattdessen über die Cloud leiten, aber der Füllwort-Bereinigungseffekt erfordert kein Pro — er ist in der kostenlosen lokalen Pipeline enthalten. Du kannst ihn auch deaktivieren und das rohe Transkript einfügen, was für eine schnelle Aufzeichnung oft genau richtig ist.

Lokal und privat: deine Notizen bleiben auf deinem Computer

Das ist die eine starke Meinung, für die ich meinen Namen gebe, wenn es um ein Notiztool geht: Reines Cloud-Diktat ist ein Datenschutzdesaster, das darauf wartet, transkribiert zu werden. In deinem Vault stecken das Gehaltstabellen-Entwurf, die E-Mail an die Schule deines Kindes, der halbfertige Gedanke, den du noch nicht teilen möchtest. Der ganze Reiz von Obsidian für viele ist, dass Notizen einfache Dateien auf der eigenen Festplatte sind. Das Audio dieser Notizen durch eine Anbieter-API zu leiten macht das still und heimlich zunichte.

Mit Whispers lokalen Engines wird die Aufnahme auf deiner eigenen CPU transkribiert und verworfen. Kein Schlüssel, kein Konto beim Transkriptionsanbieter, kein Audio in einem Log irgendwo. Das ist keine Marketingaussage — so läuft die Berechnung eben. Ich habe einmal einem Team dabei zugesehen, wie es innerhalb eines Quartals eine fünfstellige Cloud-Rechnung angehäuft hat, weil es Standup-Aufnahmen an eine API gefüttert hat; die Reaktion des CFO war sinngemäß: "Oder wir zahlen nicht dafür, Meetings zu transkribieren, die bereits Notizen haben." Dieselbe Logik gilt für einen persönlichen Vault — nur ohne CFO.

Wann ein Vault-Plugin besser passt

Ich werde nicht so tun, als würde die systemweite App jeden Fall gewinnen — das tut sie nicht. Wenn du tatsächlich einen Ordner mit aufgenommenen Sprachmemos oder Meeting-Audio hast, den du transkribieren und in bestimmten Notizen ablegen möchtest, ist ein Vault-Plugin wie das nikdanilov "Whisper"-Plugin genau für diesen Workflow gebaut. Es nimmt auf oder lädt eine Datei hoch und legt das Transkript in die Notiz. Du zahlst die Transkriptions-API pro Minute und verwaltest einen Schlüssel, aber die Datei-rein, Transkript-in-Notiz-Schleife ist genau das, was es tut — und eine Hotkey-Tipp-App ersetzt das nicht.

Es gibt auch die Nichts-tun-Option. Wenn du nur gelegentlich eine Zeile diktierst, macht das dein Betriebssystem bereits kostenlos. Auf Windows drückst du die Windows-Logo-Taste + H, und Voice Typing öffnet sich in jedem Textfeld, auch in einer Obsidian-Notiz. Auf dem Mac macht das eingebaute Diktat-Shortcut dasselbe, und auf Apple silicon läuft es ohne Internet auf dem Gerät. Der Kompromiss: Windows' Win+H braucht eine Verbindung, während macOS-Diktat und Whispers lokaler Modus das nicht tun.

Wähle das kleinste Tool, das dein Problem löst. Für eine einzeilige Aufzeichnung ist das die Taste, die dein OS bereits hat. Für die Transkription von Audiodateien in bestimmte Notizen ist das ein Vault-Plugin. Für das Diktieren von Fließtext in den Editor und überall sonst — offline und ohne Schlüssel — ist das die systemweite App.

Was Whisper kostet

Die lokale Diktier-Pipeline — Transkription und KI-Bereinigung über Ollama — ist für jeden angemeldeten Nutzer kostenlos, ohne Karte bei der Registrierung. Deine Stimme in eine Notiz zu bringen kostet mit Whisper also nichts, und es gibt kein Transkriptions-API-Metering pro Minute. Whisper Pro fügt die Cloud-Funktionen hinzu (OpenAI-Transkription, Cloud-KI-Verbesserung, Sprach-Websuche) und hat eine eigene Testphase. Die genauen Zahlen findest du auf der Preisseite — nicht hier, weil sich Preise ändern und ein Blogbeitrag kein guter Ort ist, sie aktuell zu halten.

Obsidian wird wahrscheinlich irgendwann eine native Diktierfunktion bekommen, wie es bei Apps passiert, sobald genug Menschen drei Plugins installieren, um sie zu simulieren. Bis dahin hat dein Vault Optionen: ein Vault-Plugin für die Transkription von Audiodateien, das OS für die gelegentliche Zeile, und eine systemweite App für das Diktieren von Fließtext in den Editor ohne Schlüssel und ohne Server in der Schleife. Drei Tools, ein Notizbuch. Meistens brauchst du das, das das Audio auf deinem Computer lässt.