Sprache zu Text in Microsoft Teams

Hat Teams eine integrierte Sprache-zu-Text-Funktion?

Für das Verfassen von Chat-Nachrichten: nein. Teams hat keine Funktion, die Deine Sprache in getippten Text im Nachrichtenfeld umwandelt. Ich habe die Formatierungsleiste, das Drei-Punkte-Menü und die Nachrichtenoptionen durchgeklickt und nach einem Mikrofon zum Tippen gesucht. Es gibt keines. Du kannst eine Sprachmemo aufnehmen und senden, aber das ist ein Audio-Clip, den Dein Kollege abspielen muss — keine getippte Nachricht. Gleiches gilt für die Besprechungswerkzeuge, zu denen wir kommen, da dies das ist, was Leute mit Diktieren verwechseln.

Microsofts eigene Q&A-Community hat Leute, die genau diese Frage stellen, und die ehrliche Antwort dort ist dieselbe: Es gibt kein natives Chat-Diktieren auf dem Desktop, und der übliche Workaround ist Windows' eingebaute Spracheingabe (Windows-Logo-Taste + H) oder eine Browser-Erweiterung. Das sagt etwas aus. Wenn die häufigste Antwort auf «wie diktiere ich in dieser App» lautet «benutze ein Tool außerhalb der App», dann versteckt sich die Funktion nicht in einem Untermenü. Sie ist schlicht nicht vorhanden.

Wenn Du also willst, dass Deine Stimme zur getippten Teams-Nachricht wird, lebt das Ding, das das tut, außerhalb von Teams: Dein Betriebssystem oder eine dedizierte Diktierfunktion. Beide sind unten. Das Besprechungstranskriptions-Tool, das Leute am häufigsten damit verwechseln, ist eine dritte Option, und es löst ein völlig anderes Problem. Wir kommen zu allen dreien.

Besprechungstranskription ist kein Diktieren

Das ist der Teil, den die fröhlichen Anleitungen verwischen, also bin ich direkt darüber. Teams-Transkription, Live-Untertitel, das durchsuchbare Transkript neben einer Aufnahme gespeichert — das alles hört einer Besprechung zu und schreibt auf, was alle gesagt haben. Es ist ausgezeichnet darin. Microsoft dokumentiert es für Besprechungen, Webinare und Townhalls, in Dutzenden von Sprachen, mit Sprecherzuordnung. Wenn Dein Ziel «den Anruf untertiteln» oder «ein Protokoll wer was gesagt hat» ist, erledigt Teams das bereits, ebenso wie Tools wie Tactiq, die darauf aufgebaut sind. Nichts davon ist das, was die meisten Menschen mit Sprache-zu-Text meinen.

Diktieren ist die entgegengesetzte Richtung des Aufwands. Du bist der einzige Sprecher, Du tippst absichtlich, und Du möchtest, dass Deine eigenen Worte als editierbarer Text im Eingabefeld landen. Ein Besprechungsprotokoll schreibt eine Unterhaltung im Nachhinein auf. Diktieren komponiert eine Nachricht im Moment. Sie unterscheiden sich so wie ein Gerichtsstenograph und eine Schreibmaschine. Teams liefert den Stenographen. Die Schreibmaschine bringst Du selbst mit.

Der schnellste Weg: ein systemweiter Hotkey

Hier verändert eine dedizierte App die Rechnung. Whisper by Remskill ist kein Teams-Add-in, kein Besprechungs-Bot und keine Browser-Erweiterung. Es ist eine Desktop-App, die wie eine Tastatur funktioniert: drücke einen Hotkey, sprich, und das Transkript wird an der Cursor-Position eingefügt, in jeder App, auch im Teams-Eingabefeld. Es funktioniert genauso in der Teams-Desktop-App und in Teams im Browser, weil Dein Computer denkt, Du tippst einfach.

Die Einrichtung ist kurz:

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

Sprechen, und die Nachricht erscheint in Teams

Einmal am Laufen ist die Erfahrung auf die beste Art unspektakulär. Du setzt Deinen Cursor in den Kanal oder Chat, hältst die Taste, sprichst, lässt los. Eine Sekunde später sitzt der Text im Teams-Eingabefeld, als hättest Du ihn getippt. Kein Kopieren und Einfügen, kein separates Fenster, aus dem Du den Text fischen musst, keine Sprachmemo, durch die Dein Kollege an seinem Schreibtisch scrollen muss.

Da die lokale Transkription auf Deinem Rechner läuft (reines Rust, kein Python-Sidecar, kein Server in der Schleife), funktioniert sie offline. Das ist wichtiger als es klingt für ein Arbeitstool. Die Antwort, die Du gerade diktierts, der halbfertige Gedanke über den Release, die Nachricht an den Manager, die Du lieber sorgfältig formulierst — nichts davon verlässt Deinen Laptop auf dem Weg dazu, Text zu werden. Windows' eigene eingebaute Spracheingabe braucht eine Internetverbindung; Whispers lokaler Modus nicht.

Wie die vollständige Whisper-App aussieht

Der Hotkey ist der Teil, den Du am häufigsten nutzen wirst, aber dahinter liegt eine Einstellungsoberfläche. Du wählst Deine Transkriptions-Engine: Whisper-Modelle, deren mehrsprachige Varianten 99 Sprachen abdecken und die nur-englischen .en-Builds genau eine, oder NVIDIAs Parakeet, etwa 600 MB, 5- bis 10-mal schneller als Whisper auf CPU, mit Englisch plus 24 europäischen Sprachen. Du setzt Deinen Hotkey, verwaltest den Verlauf und speicherst Voreinstellungen. Nichts davon ist erforderlich, um eine Teams-Nachricht zu diktieren. Es ist da, wenn Du optimieren möchtest.

Diktierte Nachrichten mit KI aufbereiten

Gesprochene Sprache ist unordentlich. Du sagst «äh», Du brichst Sätze ab, Du verlierst Dich in einem Geräusch, das «Du weißt was ich meine» bedeutet. Whisper hat einen optionalen KI-Verbesserungsschritt, der Füllwörter trimmt und die Formulierung aufbereitet, bevor es einfügt. So wird aus «äh, ja, also, der, der Deploy ist raus, ich glaub wir, wir sind gut» ein «Der Deploy ist raus, ich glaube wir sind gut.» Auf einem Arbeitskanal, wo die Nachricht an einen Manager oder Kunden geht, lohnt sich diese Bereinigung meistens. Für eine schnelle Antwort im Seitenchat willst Du vielleicht einfach den rohen Text.

Diese Bereinigung läuft lokal über Ollama, kostenlos, auf Deinem eigenen Gerät. Pro-Nutzer können es stattdessen über die Cloud leiten, aber der Füllwort-Bereinigungsvorteil erfordert kein Pro; er ist in der kostenlosen lokalen Pipeline vorhanden. Du kannst es auch einfach ausschalten und das rohe Transkript einfügen, was für ein schnelles «auf dem Weg» in einem Chat oft genau richtig ist.

Wann man die Diktierfunktion überspringt und einfach das Betriebssystem nutzt

Wenn Du nur gelegentlich eine Nachricht diktieren musst, installiere nichts. Dein Computer macht das bereits kostenlos. Auf Windows drückst Du die Windows-Logo-Taste + H, und die Spracheingabe öffnet sich in jedem Textfeld, auch in der Teams-Chatleiste, ohne Abonnement. Auf dem Mac macht der integrierte Diktierbefehl (oder die Mikrofontaste) dasselbe, und auf Apple Silicon läuft er ohne Internet auf dem Gerät. Beide tippen direkt in das Teams-Eingabefeld, Desktop-App oder Browser, weil sie auf Betriebssystemebene arbeiten, nicht innerhalb von Teams.

Ein Kompromiss, den es wert ist zu kennen: Windows' Win+H braucht eine Internetverbindung, während macOS-Diktierung und Whispers lokaler Modus das nicht tun. Für ein schnelles «5 Min. später, fangt ohne mich an» in einem Kanal ist das OS-Tool die richtige Wahl. Wo eine dedizierte App vorne liegt, ist Volumen, die Füllwort-Bereinigung und das Offline-Diktieren: je länger und häufiger Du es machst, desto mehr zählen diese Aspekte.

Wähle das kleinste Werkzeug, das Dein Problem löst. Für eine Nachricht ist das die Taste, die Du bereits hast. Für einen Morgen voller langer Antworten, Übergabenotizen und Statusupdates über Dutzende von Kanälen hört die dedizierte App sich um den zweiten oder dritten Absatz, den Du nicht tippen musstest, nicht mehr nach Übertreibung an.

Was Whisper kostet

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

Teams wird wahrscheinlich irgendwann echtes Chat-Diktieren einführen, so wie Apps das eben tun, sobald genug Menschen nach einem Mikrofon in der Eingabeleiste suchen und nur einen Sprachmemo-Button finden. Bis dahin hat Dein Computer die Funktion bereits, es gibt eine App für den Fall, dass die eingebaute Version nicht schnell genug ist, und der Besprechungstranskriptor erledigt die völlig separate Aufgabe, einen Anruf zu protokollieren. Drei Tools, drei Probleme. Meistens brauchst Du das kleinste.