Sprachsteuerung – ein sprachgesteuerter Teleprompter

Was die Sprachsteuerung macht

Die Sprachsteuerung hört zu, während du liest, und schiebt das Skript hinterher. Wirst du langsamer, wird sie langsamer. Hältst du an, um eine Frage zu beantworten, hält sie an. Nimmst du den Satz wieder auf, läuft sie von dort weiter.

Beim Laden der Seite ist sie aus, und sie bleibt aus, bis du in der Bedienleiste auf das Mikrofon drückst. Vorher hört nichts zu, und das Einschalten ist der Moment, in dem dein Browser dich nach dem Mikrofon fragt. Wir schieben davor keinen eigenen Dialog, denn der Schalter ist bereits deine Bitte um die Funktion.

Was das Skript bewegt, ist eine Übereinstimmung, kein Lautstärkewert. Die Sprachsteuerung nimmt die letzten gehörten Wörter, sucht sie unter den Wörtern kurz vor der Leselinie und zieht das Skript dorthin, wo sie gelandet sind. Was nicht im Skript steht, lässt das Skript stehen: ein Husten, eine Bemerkung an die Person mit der Lampe, ein Wort, das die Erkennung falsch verstanden hat. Sie wartet lieber, als zu ruckeln.

Wohin dein Ton geht

Die Spracherkennung gehört deinem Browser, nicht uns. Je nachdem, in welchem Browser du bist, bleibt dein Ton entweder auf deinem Rechner oder geht zum Hersteller dieses Browsers, um in Text verwandelt zu werden. Die Zeile neben dem Schalter sagt dir, auf welchem der beiden Wege du bist, bevor du irgendetwas aktivierst. Auf dem ersten Weg steht dort:

Die Spracherkennung läuft auf deinem Gerät. Der Ton wird nicht hochgeladen.

Auf dem zweiten:

Dein Browser kann die Spracherkennung nicht auf dem Gerät ausführen. Wenn du das einschaltest, geht Ton zum Transkribieren an den Hersteller deines Browsers.

Wo der Browser Sprache auf dem Gerät erkennen kann, bitten wir ihn darum. Beim ersten Einschalten der Sprachsteuerung kann das bedeuten, dass ein Sprachpaket geladen wird; ist es installiert, findet die Erkennung auf deinem Rechner statt. Wo der Browser das nicht kann – heute heißt das Safari und iOS –, geht der Ton zum Transkribieren an den Hersteller des Browsers, zu dessen Bedingungen.

In beiden Fällen empfangen, speichern und leiten wir deinen Ton nicht weiter. Wir stehen gar nicht auf diesem Weg. Dein Mikrofon spricht mit deinem Browser, und dein Browser reicht uns Text.

Diese Zeile steht dauerhaft neben dem Schalter, weil es sonst niemand sagt. Die Berechtigungsabfrage deines Browsers fragt, ob eine Website das Mikrofon benutzen darf. Sie sagt nicht, wohin der Ton danach geht, und Apples eigene Vorgaben legen die Aufgabe, das zu erklären, der Website auf und nicht dem System.

Zwei Sätze werden wir nicht schreiben, weil sie in manchen Browsern falsch sind: Die Erkennung ist hier nicht immer lokal, und die Sprachsteuerung ist nicht immer offline benutzbar. Beides stimmt auf dem Weg über das Gerät, sobald dessen Sprachpaket geladen ist. Auf dem Weg über den Hersteller stimmt keines von beiden, denn dort wird woanders transkribiert, und dorthin braucht es eine Verbindung.

Welche Browser das können

Stand 27. August 2026:

Chrome, auf dem Desktop und unter Android, funktioniert. Die Erkennung ist seit Chrome 25 hinter einem Präfix vorhanden, und seit Chrome 139 kann sie auf dem Gerät laufen – der Weg, den wir zuerst anfragen.
Safari funktioniert auf dem Mac seit 14.1 und unter iOS seit 14.5, auf dem Weg über den Hersteller. Ob Apple auf dem Gerät oder auf einem Server transkribiert, hängt vom Gerät und seinen Einstellungen ab, und eine Website kann nicht sehen, was gerade passiert – diese Seite behauptet also nicht, es zu wissen.
Edge hat die Schnittstelle und ist damit unzuverlässig. Häufig scheitert es in dem Moment, in dem die Erkennung startet, egal welche Sprache du anfragst. Wenn das passiert, läuft das Skript wieder mit festem Tempo und sagt das auch.
Firefox, auf dem Desktop und unter Android, stellt die Erkennung Websites nicht zur Verfügung. Sie ist seit Version 22 ausgeschaltet ausgeliefert.
Opera unterstützt sie nicht.
Samsung Internet unterstützt sie seit Version 4.

caniuse setzt die Spracherkennung bei 87,55 % der weltweiten Browsernutzung an, teilweise Unterstützung eingerechnet. Zwei der Lücken in dieser Zahl zählen hier: Firefox, und das Edge, in dem du gerade zufällig sitzt.

Wir werden dir nicht erzählen, dass jeder moderne Browser das unterstützt. Einer der großen tut es nicht, und die erste Person, die diese Seite in Firefox öffnet, könnte das sagen.

Der Weg über den Hersteller braucht außerdem überhaupt eine Verbindung. Nur der Weg über das Gerät läuft offline, und auch das erst, wenn sein Sprachpaket geladen ist.

Was passiert, wenn es nicht geht

Drei Zustände, nicht zwei.

Es funktioniert. Der Schalter ist da und aus. Du schaltest ein, dein Browser fragt nach dem Mikrofon, du entscheidest.

Es kann hier nicht funktionieren. Der Knopf bleibt, wo er ist, als nicht verfügbar gekennzeichnet, mit einer Zeile darunter: Dieser Browser kann keine Sprache erkennen, das Skript läuft stattdessen mit festem Tempo. Wir verstecken den Knopf nicht. Eine Seite, die eine Funktion beschreibt, die du danach nirgends im Produkt findest, hat deinen Besuch für ein Versprechen verbraucht, das sie nie halten wollte. Der nicht verfügbare Knopf ist weiterhin mit der Tastatur erreichbar und bekommt weiterhin einen Fokusrahmen, und die erklärende Zeile hängt am Knopf statt daneben zu schweben – so bekommt ein Screenreader die Erklärung zusammen mit dem Bedienelement.

Es ist im Betrieb abgebrochen. Die Erkennung kann vorhanden sein und trotzdem in dem Moment scheitern, in dem sie startet. Edge macht das regelmäßig, und ein abgelehntes Mikrofon oder eine abgerissene Verbindung schafft es überall. Die Sprachsteuerung schaltet sich selbst ab, der Lauf mit festem Tempo übernimmt, und die Bedienleiste sagt, dass das Skript wieder mit festem Tempo läuft. Sie sagt es hörbar und ändert nicht nur eine Farbe, denn in diesem Moment schaust du auf die Leselinie und nicht auf die Leiste.

Dieser dritte Zustand ist der Grund, warum es nicht genügt, den Browser zu fragen, ob er die Funktion hat. Edge antwortet mit Ja und scheitert dann – der Fehler muss also dort gefangen werden, wo er passiert, und mit etwas beantwortet werden, das du sehen kannst.

In welcher Sprache sie zuhört

Die Sprachsteuerung fragt die Erkennung nach der Sprache, in der die Seite gerade läuft, und fragt deinen Browser in diesem Moment, ob er diese Sprache kann – statt in einer Liste nachzuschlagen, die wir pflegen. Chrome veröffentlicht keine Liste der Sprachen, die seine Erkennung beherrscht, und die Menge der Sprachen mit Modellen für das Gerät ändert sich ohne Ankündigung. Eine Tabelle in unserem Code wäre binnen Monaten veraltet – und mit Nachdruck falsch.

Zwei Listen werden hier gern verwechselt. Die Sprachen, in denen es die Oberfläche dieser Seite gibt, und die Sprachen, die dein Browser transkribieren kann, kommen aus verschiedenen Quellen und sind nicht dieselbe Menge. Keine der beiden sagt etwas über die andere.

Ob du sie überhaupt brauchst

Das meiste Ablesen braucht sie nicht. Ein festes Tempo, eingestellt auf deine eigenen Wörter pro Minute, ist hier der Hauptweg, und der Prompter ist um ihn herum gebaut. Die Sprachsteuerung verdient ihren Platz, wenn das Tempo nicht bei dir liegt: ein Interview, in dem jemand dazwischenredet, eine Demo, in der du auf einen fertigen Build wartest, ein Take, bei dem du anhältst, um eine Lampe zu rücken, und den Absatz noch einmal anfängst.

Sie kostet auch etwas. Sie will ein Mikrofon, einen Raum, der für die Erkennung deines Browsers leise genug ist, und in den meisten Browsern eine Verbindung. Ein festes Tempo will nichts davon, und sowohl die Dauer auf der Bühne als auch der Skript-Timer kommen daher.

Selten ist diese Funktion ebenfalls nicht. Stand 27. August 2026 folgen sowohl VoicePrompter als auch SolPrompter der Stimme, kostenlos und ohne Anmeldung. Das Besondere an dieser hier ist enger und nachprüfbar: Sie ist aus, bis du sie anforderst, sie nimmt den Weg über das Gerät, wo immer der Browser einen anbietet, sie sagt dir vor dem Einschalten, auf welchem Weg du bist, und sie sagt hörbar Bescheid, wenn sie aufgegeben hat.

Fragen

Funktioniert das in Firefox? Nein. Firefox stellt Websites keine Spracherkennung zur Verfügung. Der Prompter funktioniert dort trotzdem; das Skript läuft mit festem Tempo.

Wird meine Stimme hochgeladen? Das hängt von deinem Browser ab, und genau deshalb sagt es der Schalter, bevor du ihn umlegst. In Browsern, die Sprache auf dem Gerät erkennen können, bleibt der Ton auf dem Gerät. Unter Safari und iOS geht er zum Transkribieren an den Hersteller des Browsers. Wir bekommen ihn nie.

Muss ich das Mikrofon erlauben? Ja. Anders kann die Sprachsteuerung dich nicht hören. Ablehnen ist eine ganz normale Antwort, und das Skript bleibt dann bei festem Tempo.

Wird dabei irgendetwas aufgenommen? Nein. Hier nimmt nichts Ton oder Video auf. Die Erkennung macht aus Sprache Text, und der Text bewegt das Skript.

Was passiert, wenn sie mitten im Take aufhört? Das Skript läuft wieder mit dem Tempo, das du eingestellt hast, und die Bedienleiste sagt es, damit du es dir nicht selbst zusammenreimen musst.