Die ehrliche Wispr-Flow-Alternative

Wispr Flow im Überblick — was es kann und was nicht

Wispr Flows Versprechen lautet "nicht tippen, einfach sprechen", und sie behaupten, 4× schneller als Tippen zu sein. Das Produkt ist eine systemweite Sprach-Tippschicht, die auf Mac, Windows, iPhone und Android läuft. Eine Linux-Version gibt es nicht. Sie werben mit über 100 Sprachen samt automatischer Erkennung — das ist eine echte Zahl auf einer echten Startseite, und wir spielen sie nicht herunter.

Zu den Funktionen, die du von Haus aus bekommst, gehören Backtrack (korrigiert mitten im Satz), Füllwörter entfernen, automatische Zeichensetzung, ein persönliches Wörterbuch, das beim Korrigieren von selbst dazulernt, Snippets (Sprachkürzel für Textbausteine), ein Whisper-Modus für stille Räume und Styles — vorgefertigte Ton-Voreinstellungen, die sich an die App anpassen, in die du gerade tippst. Styles gibt es nur auf Englisch und nur am Desktop.

Was Wispr Flow nicht kann — und der Grund, warum es den meisten Vergleichs-Traffic überhaupt gibt — ist, auf deinem Laptop zu laufen. Ihre Datenschutzseite ist eindeutig: "Die Transkription findet immer in der Cloud statt, um beste Geschwindigkeit und Genauigkeit zu bieten". Es gibt keinen Offline-Modus. Es gibt keine Transkription auf dem Gerät. Wenn dein Internet im Zug ist und dein Tunnel sechs Minuten lang, dann ist dein Diktat sechs Minuten lang ein Nichts.

Der kostenlose Tarif, Flow Basic, gibt dir 2.000 Wörter pro Woche am Mac- oder Windows-Desktop und 1.000 Wörter pro Woche am iPhone. Zweitausend Wörter sind eine E-Mail an die Schule und eine lange Slack-Antwort. Flow Pro hebt das Limit auf und kostet 15 $ pro Nutzer und Monat, oder 12 $ bei jährlicher Abrechnung, also 144 $ im Jahr pro Platz.

Was du mit Whisper by Remskill zusätzlich bekommst

Am kürzesten lässt sich der Unterschied zwischen diesen beiden so beschreiben: Wispr Flow ist Notepad. Whisper by Remskill ist Microsoft Word. Mit beiden kannst du schreiben — mit der einen per Stimme, mit der anderen per Finger —, aber nur eines davon lässt dich die Schrift ändern, das Modell wechseln, deinen eigenen Schlüssel einstecken, Live-Websuchen abfeuern und die ganze Seite mit einem selbst geschriebenen Prompt umschreiben. Wir sagen das ohne Häme und mit einer echten Vergleichstabelle weiter unten.

Whisper by Remskill sind zwei Produkte auf derselben Tastenkombination. Der kostenlose Tarif ist eine vollständige lokale Pipeline: Whisper (8 Transkriptionsmodelle), Parakeet (NVIDIAs TDT-Engine, ~600 MB, 5–10× schneller als Whisper auf der CPU), Ollama für vollständig offline laufende KI-Umschreibungen, dauerhafte Transkriptionshistorie, eigene Tastenkombination, Hotwords, Modell-Downloads — alles davon. Keine Zahlungsmethode bei der Anmeldung.

Der Pro-Tarif ergänzt eine Cloud-Oberfläche, die deinen eigenen OpenAI-Schlüssel mitbringt. Du wählst das Transkriptionsmodell: gpt-4o-mini-transcribe (günstig und schnell) oder gpt-4o-transcribe (beste Genauigkeit). Die KI-Verbesserung läuft standardmäßig auf gpt-5-mini, wahlweise auch auf gpt-5-nano und gpt-5, dazu ein freies Feld, in das du jede beliebige OpenAI-Modell-ID eintippen und per Validate-Button gegen deinen Schlüssel prüfen kannst. Der Websuche-Schalter nutzt OpenAIs Responses API auf gpt-4o-mini und fügt in 2–5 Sekunden eine zusammengefasste Antwort mit Quellenangaben an deiner Cursorposition ein. Dieselbe Tastenkombination kann auch einen Screenshot des Monitors unter deinem Cursor an die KI-Anfrage anhängen (Vision, standardmäßig aus, etwa 0,001 $ pro Nutzung, das Bild wird nach der Antwort verworfen und nie auf die Festplatte geschrieben), und ein Audio-Stummschalter dämpft dein Systemaudio für die Dauer der Aufnahme, damit Podcasts und Musik nicht ins Mikrofon bluten. Wispr Flow nennt nicht, welche Modelle sie aufrufen, und ändern kannst du sie nicht.

Die Standard-Tastenkombination ist Ctrl+Space unter Windows und Right Option unter macOS — ein Push-to-Talk mit einer einzigen Taste auf der rechten ⌥-Taste, gewählt, weil Cmd+Space schon Spotlight gehört. Dieselbe Tastenkombination ist zugleich eine Umschreibe-Taste: Markiere beliebigen Text in einer beliebigen App, drücke die Tastenkombination und sprich aus, wie du ihn umgeschrieben haben willst — "mach das förmlich", "übersetze ins Spanische", "kürzer" — und die KI ersetzt deine Auswahl an Ort und Stelle. Keine zweite Tastenkombination, kein Moduswechsel; die Auswahlprüfung im Moment des Tastendrucks entscheidet zwischen Diktieren und Bearbeiten. Whisper funktioniert systemweit in jeder Anwendung, die getippte Eingaben annimmt. Word, Diktieren in Gmail, Slack, Discord, Teams, VS Code, JetBrains-IDEs, Notion, Obsidian, Browserfelder. In dieser Hinsicht dasselbe Muster wie bei Wispr Flow.

Bei der Plattform-Geschichte sind wir ehrlich. Windows und Mac sind beide heute verfügbar, wobei Apple Silicon am Mac Priorität hat. Auf Apple Silicon gibt es außerdem einen experimentellen Slap-to-record-Schalter — tippe zweimal auf das MacBook-Gehäuse, um die Aufnahme zu starten oder zu stoppen, mit derselben Wirkung wie die Tastenkombination, indem der eingebaute Bewegungssensor ausgelesen wird, ganz ohne zusätzliche Berechtigung. Wir kennzeichnen das als experimentell, weil Apple zwischen macOS-Versionen ändert, wie dieser Sensor freigegeben ist. Linux steht nicht auf unserer Roadmap, und wir tun nicht so, als wäre es anders.

Direkter Vergleich: Wispr Flow vs. Whisper by Remskill

Die Vergleichstabelle, in die sonst niemand echte Zahlen zu schreiben scheint.

Ein paar ehrliche Lesarten dieser Tabelle. Wispr Flows Zahl von über 100 Sprachen ist höher als unsere 99 mehrsprachigen Whisper-Varianten (die Cloud-Transkription über gpt-4o-mini-transcribe oder gpt-4o-transcribe deckt diese 99-Sprachen-Familie ebenfalls ab — aber sie führen trotzdem eine längere Liste). Bei Mobil gewinnen sie klar: iPhone- und Android-Apps sind verfügbar, bei uns gibt es kein Gegenstück. Bei Enterprise-Compliance gewinnen sie. Überall sonst steht die Wand auf der anderen Seite des Tisches, und die unteren vier Zeilen sind die, die sich in v2.4.10 verschoben haben: Vision, sprachgesteuertes Umschreiben jeder Auswahl, Audio-Stummschaltung während der Aufnahme und ein freies OpenAI-Modellfeld, das jede Modell-ID annimmt, die ihre API veröffentlicht — auch solche, die es bei der ersten Fassung dieses Artikels noch gar nicht gab.

Die Funktionen, die Wispr Flow nicht hat

Hier ist der Abschnitt, in dem wir die Dinge beim Namen nennen.

Eigenen Schlüssel mitbringen

Wispr Flow ist durchgängig vom Anbieter verwaltet. Die Preise sind pro Platz, der kostenlose Tarif hat ein Wortlimit, und die Datenschutzseite bestätigt, dass die Transkription immer in ihrer Cloud stattfindet. Wir haben ihre Funktionsseite, ihre Doku und ihre Preisseite durchsucht und keinen dokumentierten Weg gefunden, einen eigenen OpenAI-Schlüssel einzustecken. In der Praxis heißt das: Du bist an das Modell und die Preiskurve gebunden, für die sich Wispr Flow entscheidet — jeden Monat, für immer, im Abo. Bei Whisper Cloud fügst du deinen eigenen OpenAI-Schlüssel ein und zahlst direkt an OpenAI: etwa 0,003 $ pro Minute mit gpt-4o-mini-transcribe. Wir nehmen keinen Aufschlag. Wenn OpenAI nächstes Quartal ein schnelleres oder günstigeres Transkriptionsmodell bringt, wechselst du, indem du ein Dropdown in den Einstellungen änderst — nicht den Anbieter.

Das Modell wählen

Whisper liefert vier rein englische Whisper-Modelle (Base ~140 MB bis Turbo ~1,5 GB) und vier mehrsprachige (Small ~480 MB bis Large v3 ~3 GB), dazu Parakeet TDT 0.6B v3 (~600 MB). Im Cloud-Modus wählst du zwischen dem günstigen und dem genauen OpenAI-Transkriptionsmodell sowie jedem KI-Verbesserungsmodell, das OpenAI veröffentlicht, einschließlich eigener IDs, die du eintippst. Wispr Flow dokumentiert keine Modellauswahl.

Selbst definierte KI-Voreinstellungen

Wispr Flows Styles ist ein Ton-Anpasser, der je nach App umschaltet, in die du gerade tippst. Nützlich, aber vorgefertigt. Whispers KI-Anweisungen sind unbegrenzte, frei formulierbare Karten. Jede ist ein Prompt — "Schreibe als professionelle Geschäfts-E-Mail um", "Übersetze ins Spanische", "Fasse in drei Stichpunkten zusammen" —, der jedes Diktat umschreibt. Die aktive Karte ist über Ctrl+1 bis Ctrl+9 erreichbar (⌘+1..9 am Mac) und per Drag-and-drop umsortierbar. Den Prompt kannst du selbst schreiben. Das ist der Unterschied.

Websuche an der Cursorposition

Dafür gibt es auf Wispr Flows Funktionsseite kein Gegenstück. Mit eingeschaltetem Schalter erkennt Whisper, wenn eine diktierte Frage aktuelle Informationen braucht, schickt sie an OpenAIs Responses API auf gpt-4o-mini und fügt die zusammengefasste Antwort samt Quellenangaben in 2 bis 5 Sekunden in das Textfeld ein, in dem du gerade bist. Wir nutzen es für alles, von "wie ist gerade der Zeitzonen-Versatz für Lagos" bis "fasse die neueste Fassung des EU AI Act in zwei Absätzen zusammen". Es fühlt sich weniger nach Diktieren an und mehr nach einem Kollegen, der schnell liest.

Offline-KI-Umschreibungen

Whisper unterstützt Ollama für lokale LLM-Verbesserung unter http://localhost:11434. Dein Audio wird auf deinem Gerät transkribiert, deine KI-Umschreibung passiert auf deinem Gerät, und nichts verlässt den Laptop. Wispr Flows Datenschutzseite beschreibt keinen Offline-Weg; die Transkription läuft immer in der Cloud.

KI-Vision — lass das Modell deinen Bildschirm sehen

Wenn du Vision einschaltest, erfasst deine Diktier-Tastenkombination auch einen Screenshot des Monitors unter deinem Cursor, kodiert ihn als WebP in Base64 und hängt ihn an die KI-Verbesserungsanfrage an. Die KI kann jetzt Fragen darüber beantworten, was tatsächlich auf dem Bildschirm ist — "fasse den Fehler in diesem Stacktrace zusammen", "entwirf eine Antwort auf diese E-Mail", "was zeigt dieses Diagramm" — und die Antwort an deiner Cursorposition einfügen. Das Bild reist inline in der OpenAI-Anfrage mit und wird nach der Antwort verworfen. Nie auf die Festplatte geschrieben, nie irgendwo anders hochgeladen. Etwa 0,001 $ pro Nutzung mit dem Standardmodell gpt-5-mini. Nur Cloud, nur Pro. Wir haben Wispr Flows Funktionsseite, Startseite und Preisseite durchsucht und keine dokumentierte Bildschirmlese-, Screenshot- oder Vision-Funktion gefunden.

Jeden Text in jeder App per Stimme umschreiben

Markiere einen Absatz in Slack. Drücke die Diktier-Tastenkombination. Sag "mach das förmlicher." Die KI ersetzt deine Auswahl durch die umgeschriebene Version. Keine zweite Tastenkombination, kein Moduswechsel — die Auswahlprüfung im Moment des Tastendrucks entscheidet, ob neuer Text diktiert oder der markierte Text umgeschrieben wird. Mitgelieferte Beispiele: "übersetze ins Spanische", "kürzer", "als Stichpunkte", "in einfachem Deutsch", "korrigiere die Grammatik." Der ursprüngliche Zwischenablage-Inhalt bleibt über die Umschreibung hinweg erhalten und wird eine halbe Sekunde nach dem Einfügen wiederhergestellt. Diese Funktion ist KOSTENLOS, sowohl im Local- (Ollama) als auch im Cloud-Modus (OpenAI). Wispr Flows nächstes Gegenstück, Styles, schaltet den Ton danach um, in welche App du tippst; es nimmt keine gesprochene Anweisung über eine beliebige Auswahl entgegen.

Dein Audio während der Aufnahme stummschalten

Mit eingeschaltetem Schalter schaltet der Koordinator in dem Moment, in dem du die Diktier-Tastenkombination drückst, dein Standard-Audioausgabegerät per Software stumm — der Podcast, dem du halb zugehört hast, läuft weiter, wird aber lautlos, damit er nicht ins Mikrofon blutet. Sobald du die Aufnahme beendest, wird der vorherige Stummschaltungszustand wiederhergestellt. Wir pausieren die Wiedergabe bewusst nicht (der Pause-Befehl jeder Plattform hat einen eigenen Fehlerfall, bei dem pausierte Inhalte sich selbst wieder aufwecken) — wir schalten einfach stumm. Funktioniert auf macOS (CoreAudio) und Windows (WinRT). Bei USB-Audio-Interfaces, die keine Software-Stummschaltung anbieten — die meisten Focusrite-, Audient- und MOTU-Geräte —, läuft der Schalter still ins Leere, ohne die Aufnahme scheitern zu lassen. Nur Cloud, nur Pro. Bei Wispr Flow nicht dokumentiert.

Kostenloser Tarif vs. kostenloser Tarif

Der Vergleich der kostenlosen Tarife ist es, weswegen die meisten hierhergekommen sind.

Wispr Flow Basic ist kostenlos. Es gibt dir 2.000 Wörter pro Woche am Mac- oder Windows-Desktop und 1.000 Wörter pro Woche am iPhone. Außerdem bekommst du das persönliche Wörterbuch, Snippets und Unterstützung für über 100 Sprachen. Aber das Limit ist das Limit. Zweitausend Wörter sind rund 285 Wörter am Tag. Wenn du am Montagmorgen eine E-Mail an einen Lehrer und einen Slack-Thread schreibst, bist du bis Mittwochmittag aufgebraucht.

Es lohnt sich, sich die Zahlen konkret vorzustellen. Natürliche Gesprächssprache läuft bei etwa 140 Wörtern pro Minute, dem üblichen Tempo, das in sprachwissenschaftlichen Studien genannt wird. Zweitausend Wörter pro Woche ergeben rund 14 Minuten Sprechzeit über die ganze Woche, also etwa zwei Minuten Sprechen pro Tag. Ein Lehrer, der Eltern anschreibt, oder eine Anwältin, die einen Schriftsatz verfasst, verbraucht das an einem einzigen Dienstagvormittag. Whisper by Remskill hat im Local-Modus keine vergleichbare Decke. Du kannst auf einem Flug acht Stunden am Stück diktieren, im Flugmodus, und die einzige Grenze ist dein Laptop-Akku.

Der kostenlose Tarif von Whisper by Remskill ist die gesamte lokale Pipeline, ohne Ablaufdatum. Whisper-Transkription, Parakeet-Transkription, Ollama-gestützte KI-Umschreibungen, Transkriptionshistorie, Voreinstellungen, Hotwords, eigene Tastenkombination, Leistungs-Voreinstellungen (Fast / Balanced / Accurate), Modell-Downloads, Einstellungen: alles davon, für immer, für so viele Wörter, wie dein Mikrofon produzieren kann. Das Einzige, was du kostenlos nicht bekommst, ist die Cloud-Oberfläche (OpenAI-Transkription, gpt-5-mini-Verbesserung, Websuche). Dafür rüstest du auf.

Keine Zahlungsmethode bei der Anmeldung. Keine. Du legst ein Konto an, lädst die App herunter, drückst die Tastenkombination und sprichst. Wir haben das Freemium-Modell im Mai 2026 eingeführt, weil die nüchterne Wahrheit ist, dass jeder, der diktiert, diktieren können sollte, ohne uns eine Karte zu geben.

(Die meisten KI-Diktier-Apps sind 30 $/Monat-Hüllen um die OpenAI-Whisper-API. Wir verlangen 9,99 € im Monat, weil die Rechnung das sagt, und wir verlangen das nicht einmal, bis du dich für Cloud entscheidest.)

Auch die Cloud-Tarif-Rechnung lohnt sich, laut auszusprechen. Bei OpenAIs veröffentlichtem Satz von etwa 0,003 $ pro Minute mit gpt-4o-mini-transcribe zahlt ein Vielnutzer, der 30 Minuten am Tag diktiert, rund 2,70 $ im Monat direkt an OpenAI. Ein normaler Nutzer, eher bei 10 Minuten am Tag, zahlt unter 1 $. Wir verlangen darauf keinen Aufschlag — die 9,99 €/Monat von Whisper Pro kaufen dir die KI-Verbesserungsschicht, die Websuche, die Voreinstellungen, die Umschreibungen; die Transkriptionsrechnung geht direkt aus deinem Geldbeutel auf OpenAIs Rechnung.

Preise: 9,99 € im Monat, 79,99 € im Jahr oder 99 € einmalig

Die Zahlen, ohne irgendein "ab".

Whisper Pro monatlich kostet 9,99 €. Jährlich sind es 79,99 €, was 6,67 € im Monat ergibt. Lifetime ist 99 € einmalig und läuft nie ab. Die Pro-Cloud-Testphase dauert 7 Tage, eine Karte ist nur erforderlich, wenn du zum Upgrade gehst — nie bei der Anmeldung. Außerdem gibt es auf jeden Kauf eine 7-tägige Geld-zurück-Garantie, ohne Wenn und Aber.

Wispr Flow Pro kostet 15 $ pro Nutzer und Monat, oder 12 $ bei jährlicher Abrechnung, also 144 $ im Jahr pro Platz. Ihre kostenlose Pro-Testphase dauert 14 Tage ohne Karte. Zwei Wochen länger als unsere. Wir versuchen nicht, das schönzureden.

Die schlichte Lesart der Rechnung: Bei 79,99 € im Jahr gegenüber 144 $ im Jahr ist Whisper Pro im Jahr rund 44 % günstiger, je nach Tageskurs EUR/USD. Bei Lifetime wird es interessanter. 99 € einmalig gegenüber 144 $ pro Jahr bedeutet, dass ein Wispr-Flow-Pro-Abonnent beim Kauf von Whisper Lifetime nach rund neun Monaten die Gewinnschwelle erreicht — und ab dem zehnten Monat ist jeder Monat gratis.

Du musst uns nichts zahlen, um loszulegen, und brauchst es vielleicht nie. Unsere Preisseite hat die vollständige Aufschlüsselung, wenn du auch die Team-Tarife sehen willst.

Wann du bei Wispr Flow bleiben solltest

Dieser Abschnitt rechtfertigt den Rest des Artikels. Es gibt heute echte Gründe, bei Wispr Flow zu bleiben, und ich tue nicht so, als wäre es anders.

Für alle anderen — Einzelautoren, Marketer, Vertriebler, Studierende, Eltern, Anwälte, die im Zug schreiben, Ärzte zwischen zwei Patienten, Indie-Entwickler, die das Trackpad hassen — fang mit unserem kostenlosen Tarif an und schau, was passiert.

Stößt du anderswo an ein Wortlimit im kostenlosen Tarif? unsere Willow-Voice-Alternative ohne wöchentliches Limit läuft vollständig offline und ist für die gesamte lokale Pipeline kostenlos.

Die meisten Diktier-Vergleichsartikel enden mit dem Aufruf, "deinen Workflow zu transformieren". Dieser endet mit einer kleineren Beobachtung. Was Sprachtippen behebt, ist die Lücke zwischen dem Moment, in dem du etwas zu sagen hast, und dem Moment, in dem es im Dokument landet. Diese Lücke waren früher 90 Sekunden Tippen, und jetzt sind es 2 Sekunden Sprechen. Ob diese Lücke 144 $ im Jahr, 99 € einmalig oder null wert ist, hängt davon ab, was du schreibst und wie oft. Probier zuerst den kostenlosen Tarif. Wenn die Wand kommt — und bei einem wöchentlichen Limit von 2.000 Wörtern wird sie kommen —, gibt es eine ruhigere Alternative.