VoiceInput

Lokale Spracheingabe für Windows – powered by faster-whisper (OpenAI Whisper) mit GPU-Beschleunigung.

Gesprochener Text wird transkribiert und per Zwischenablage in das aktive Fenster eingefügt – komplett offline, kostenlos und ohne Cloud.

Features

• Lokale Transkription via Whisper (kein Internet nötig)
• GPU-Beschleunigung (NVIDIA CUDA)
• Gute Erkennung für Deutsch und andere Sprachen
• Einfacher Hotkey: Strg + Alt + Leertaste halten → sprechen → loslassen
• Text wird direkt ins aktive Fenster eingefügt
• System-Tray-Symbol zeigt Status (grau = bereit, rot = Aufnahme, blau = Transkription)
• Kein Admin-Modus nötig

Voraussetzungen

• Windows 10/11
• Python 3.10+
• NVIDIA GPU mit CUDA (empfohlen) – funktioniert auch auf CPU, aber langsamer

Installation

pip install faster-whisper sounddevice numpy pynput pystray Pillow pywin32

Starten

Doppelklick auf VoiceInput starten.bat

Oder direkt:

python voice_input.py

Beim ersten Start wird das Whisper-Modell automatisch heruntergeladen (~1,5 GB für medium, ~3 GB für large-v3).

Bedienung

Aktion	Hotkey
Aufnahme starten/stoppen	Strg + Alt + Leertaste (halten)
Programm beenden	Strg + Alt + Q oder Rechtsklick aufs Tray-Symbol

Einstellungen beim Start

Beim Start erscheint ein Dialog zur Auswahl von Modell und Sprache:

Modelle im Vergleich

Modell	Größe	Qualität	Geschwindigkeit
tiny	~75 MB	ausreichend	extrem schnell
base	~145 MB	gut	sehr schnell
small	~500 MB	gut	sehr schnell
medium	~1,5 GB	sehr gut	schnell
large-v2	~3 GB	sehr gut	langsamer
large-v3	~3 GB	beste	langsamer

Unterstützte Sprachen

Deutsch, Englisch, Französisch, Spanisch, Italienisch, Portugiesisch, Niederländisch, Polnisch, Russisch, Japanisch, Chinesisch, Arabisch, Türkisch, Koreanisch – und viele mehr.

Lizenz

MIT License – siehe LICENSE