Thoughtborne – Diktieren per Hotkey für Windows

Thoughtborne im Terminal: oben die Bereitschaftsanzeige mit dem Modell-Karussell der vier Engines und der Tastenübersicht, darunter eine Aufnahme vom REC-Hinweis bis zur Bestätigung des eingefügten Texts.

Bedient wird per Tastenkürzel. Das Terminal ist kein Bedienfenster, sondern die Anzeige: Es zeigt, welche Engine gerade aktiv ist, welche Tasten belegt sind und was zuletzt passiert ist. Hier wird nichts geklickt – die einzige Ausnahme ist ein kleines Fenster für die Einstellungen.

Was drin ist

Thoughtborne ist seit 2023 im täglichen Einsatz. Über die Zeit sind die Dinge dazugekommen, die man beim Dauerbetrieb wirklich braucht:

Transkription & Engines

Vier Engines, zur Laufzeit umschaltbar – Soniox Live, Soniox, Groq Whisper Large & Turbo, per Ctrl+Alt+L durchgeschaltet, kein Neustart.
Echtzeit-Live-Transkription – Soniox Live streamt schon beim Sprechen; Text liegt ~0,5 s nach dem Loslassen bereit.
Deutsche Halluzinationsfilter – modellspezifisch gegen bekannte Speech-Artefakte, gezielt auf Deutsch getrimmt.
Füllwortfilter – „ähm“/„äh“ wortgrenzen-sicher raus (schont „ähnlich“), bedeutungstragendes „naja“/„mhm“ bleibt.
Erkennungs-Vokabular – eigene Namen und Fachbegriffe gehen als Kontext an die Engine und kommen richtig zurück.
Automatischer Engine-Fallback – fällt eine Soniox-Variante aus, springt die REST-Variante ein – transparent.

Nichts geht verloren

Vierschichtiges Safety-Net – Exit-Salvage, Crash-Sidecar, Startup-Recovery, Device-Loss – kein Diktat geht je verloren, auch bei Absturz.
Retry-Hotkey – Ctrl+Alt+R transkribiert die letzte fehlgeschlagene Aufnahme neu.
Paralleles Diktieren – nächste Aufnahme starten, während die vorige noch läuft – die Reihenfolge bleibt erhalten.
Lokales Archiv – Audio und Transkript zeitstempel-gepaart nur auf deiner Platte, kein Cloud-Storage.

Bedienung im Alltag

Vier Stopp-Modi – einfügen per Tippen oder Clipboard, einfügen + Enter zum Absenden, oder nur transkribieren und später einfügen.
Push-to-Talk (optional) – Taste halten, reden, loslassen; robust gegen QWERTZ-Fehlauslösung und Modern Standby.
Selbsttest per Hotkey – Ctrl+Alt+T prüft die ganze Pipeline von Ende zu Ende.
Archiv-Ordner-Hotkey – Ctrl+Alt+6 öffnet das Archiv direkt im Explorer.

Setup & Anpassbarkeit

uv-Setup ohne Python-Vorinstallation – uv run zieht Python und Dependencies selbst, re-synct auch nach git pull.
Freier Einstiegspfad – startet mit nur einem Key, überspringt fehlende APIs sauber statt abzustürzen.
Per KI-Agent anpassbar – lesbarer Code statt Settings-Wüste; AGENTS.md liegt bei, damit dein Coding-Agent direkt loslegt.

Warum es Thoughtborne gibt

LLM-Arbeit ist Textarbeit, und die Tastatur ist der Flaschenhals. Kommerzielle Diktiertools gibt es reichlich; keins trifft alles auf einmal – Deutsch, Qualität, Preis, Datenkontrolle. Genau darum geht es hier:

Für Deutsch gebaut – nicht nur „unterstützt auch Deutsch“.

Fast alle Konkurrenten sind Englisch-first. Hier ist Deutsch der Ausgangspunkt jeder Entscheidung.

Die Engine-Auswahl folgt dem deutschen Diktat-Alltag – anbieterunabhängig kuratiert und laufend aktuell gehalten: Ziel ist das jeweils beste verfügbare Cloud-Modell für Deutsch; taucht etwas Besseres auf, wird es übernommen.
Halluzinationsfilter aus den eigenen deutschen Transkripten des Maintainers, seit 2023 annotiert – modellspezifisch.
Füllwortfilter und Vokabular-Handling für deutsche Begriffe und Eigennamen.

Kein Abo. Gratis-Pfad oder ~3 $/Monat bei Vielnutzung.

Du bringst eigene API-Keys mit und zahlst nur, was du verbrauchst – ein Bruchteil der 12–15 $/Monat der Abo-Tools.

Groq-Free-Tier als echter Dauerbetriebsweg, kein Trial: bis zu ~8 Stunden Audio am Tag.
Soniox: 0,12 $ pro Stunde Audio, Prepaid.
~3 $/Monat gemessen, nicht geschätzt – der Maintainer bei ~25 h Audio im Monat.

Deine Daten: nachprüfbar unter deiner Kontrolle.

Kein Vertrauen-müssen in eine Datenschutzerklärung – du kannst selbst nachlesen, wohin dein Audio geht.

Audio geht nur an die von dir gewählte API, sonst nirgendwohin. Archiv liegt lokal auf deiner Platte.
Kein Training auf deinen Daten ist hartes Aufnahmekriterium – APIs ohne Opt-out fliegen raus.
Open Source, gut lesbarer Code: selbst nachlesen statt glauben.

Unabhängig: vier Engines, kein Lock-in.

Wird ein Anbieter schlechter oder teurer, fliegt er aus dem Lineup – du bleibst nie an einem hängen.

Zur Laufzeit umschaltbar per Ctrl+Alt+L, anbieterneutral kuratiert.
Zwei Stile als Nebeneffekt der Breite: wörtlich-sofort oder geglättet.

Gebaut fürs Reden mit KI.

Nicht Diktat allgemein, sondern der Weg in eine laufende KI-Konversation – ohne die Tastatur anzufassen.

Ein eigener Hotkey fügt ein und drückt Enter – ganze KI-Gespräche per Sprache.
Qualitätsmaßstab hinter jeder Modellwahl: „gut genug, um ungelesen abzuschicken“.

Passt sich dir an – notfalls per Zuruf.

Das Werkzeug fügt sich deinem Workflow, nicht umgekehrt. Kein Einstellungs-Dschungel, sondern lesbarer Code.

Lesbares Python, config.py mit Klartext-Konstanten und Erkennungs-Vokabular.
„Sag deinem Coding-Agent, was es können soll“ – AGENTS.md liegt bei.

Der Ablauf

Ctrl+Alt+W Aufnahme starten und reden.
Ctrl+Alt+A Stopp: der Text landet an der Cursor-Position.
Ctrl+Alt+D Oder einfügen und Enter drücken – ganze KI-Gespräche ohne Tastatur.

Lieber eine Taste halten? Optional Push-to-Talk: halten, reden, loslassen.

Verlässlich, Aufnahme für Aufnahme

Sofort daLive-Engine transkribiert beim Sprechen, ~0,5 s nach Stopp.
Nie eine Aufnahme verlierenRetry-Hotkey plus Sicherheitsnetz bei Absturz, Exit, Gerätewechsel.
Parallel diktierenNächste Aufnahme starten, während die vorige noch läuft – Reihenfolge bleibt.
Lokales ArchivJede Aufnahme + Transkript als Paar auf deiner Platte.
Erst transkribieren, später einfügenPer Ctrl+Alt+Y, wenn der Cursor noch woanders ist.
Zwei Einfüge-WegeSimuliertes Tippen oder Clipboard-Paste.
Push-to-Talk (optional)Halten, reden, loslassen – aus per Default.
Selbsttest per HotkeyPrüft die ganze Pipeline von Ende zu Ende.

Was es kostet

Nirgends in diesem Stack ein Abo. Du bringst eigene API-Keys mit und zahlst die Nutzungspreise der Anbieter – ein Bruchteil der 12–15 $/Monat, die Abo-Diktiertools verlangen.

0 $ der Groq-Pfad: Ein echter Free-Tier, kein Trial. Beide Groq-Engines laufen auf Groqs großzügigem Free-Tier – bis zu ~8 Stunden Audio am Tag, genug für den täglichen Einsatz.
0,12 $ pro Stunde Audio: Soniox ist der bezahlte Pfad. Kein Free-Tier: ein kleines Prepaid-Guthaben aufladen und nur zahlen, was du wirklich transkribierst.
~3 $ pro Monat, Vielnutzung: Gemessen, nicht geschätzt. Der Maintainer diktiert ~25 Stunden Audio im Monat, gemittelt über ein halbes Jahr. Leichtere Nutzung landet bei rund einem Dollar.

Eine ehrliche Anmerkung: Der Qualitätsmaßstab oben – Deutsch gut genug zum ungelesen Abschicken – ist an der bezahlten Soniox-Engine gemessen. Die Groq-Engines sind stark; die Messlatte hängt an Soniox.

Für wen das gebaut ist

Passt, wenn du …

eine Lösung willst, die du selbst kontrollierst – Open Source und ohne Abo.
komplett kostenlos diktieren willst – auch bei regelmäßiger Nutzung.
etwas Zuverlässiges suchst, das seit 2023 täglich im Einsatz ist.
auch auf Deutsch Transkripte willst, die du ungelesen abschicken kannst.
viel mit Chatbots und Coding-Agents arbeitest – ChatGPT, Claude Code, Codex & Co.
lange Texte tippst und sie lieber einsprechen würdest.

Loslegen

Du brauchst Windows, ein Mikrofon und einen API-Key – bei Groq ist er kostenlos. Ein Befehl im Terminal installiert alles, ohne Adminrechte und in deinem Benutzerprofil – das Skript kannst du vorher lesen. Danach fragt der Einrichtungs-Assistent nach dem Key, und mit Ctrl+Alt+W diktierst du los.

Installation per Befehl ZIP herunterladen Installation (README)

Lieber ohne Kommandozeile? Das ZIP entpacken und setup.bat doppelklicken – dasselbe Setup. Wer alles selbst in der Hand haben will, folgt dem README.