Aktualisiert 3. September 2026 · Von Sumbat.T

Voice Coding 2026: Der Begriff meint jetzt etwas anderes

Diktat, das in der Prompt-Box und überall sonst funktioniert

Ihr Agent-Prompt ist Prosa. Sprechen Sie ihn.

BlabbyAI tippt in jedes Feld mit Cursor, ob Claude Code, Cursor, eine Pull-Request-Beschreibung oder ein Jira-Ticket. Es drückt nie Enter für Sie. 60 Credits pro Woche gratis, ohne Karte.

Add BlabbyAI to Chrome

Zwei Tätigkeiten, ein Name

Wenn Sie vor fünf Jahren und diese Woche nach Voice Coding gesucht haben, bekamen Sie Antworten auf zwei verschiedene Fragen. Der Begriff wurde still umgedeutet, und niemand hat es angekündigt. Das lohnt sich zuerst zu entwirren, denn je nachdem, welche Variante Sie meinen, lautet die Antwort entweder „das braucht einen Monat zum Lernen“ oder „Sie können in den nächsten zehn Minuten starten“.

Der Entwickler, dessen Artikel derzeit auf der ersten Google-Seite für diesen Begriff steht, fasste den Wandel in einem Satz, und es ist die klarste Formulierung dazu:

Lesen Sie das genau, denn darin steckt die praktische Konsequenz. Was Voice Coding schwer machte, war nie das Sprechen. Es war, dass Code eine schlechte Sache ist, um sie laut auszusprechen. Satzzeichen, Großschreibung, Verschachtelung und Symbolnamen müssen explizit gesprochen werden, deshalb brauchten die alten Tools eine Befehlsgrammatik und deshalb dauerte das Lernen Wochen. Wenn die Syntax von einem Modell erzeugt wird, gilt nichts davon. Sie diktieren einen Satz, und Sätze zu diktieren ist seit einer Weile gelöst.

Wie sich die Bedeutung verschoben hat, mit Daten

Das ist kein Bauchgefühl. Jeder dieser Punkte ist nachprüfbar, und zusammen zeigen sie eine fünfzehn Jahre alte Accessibility-Praxis, die von etwas ergänzt und dann zahlenmäßig überholt wird, das zufällig denselben Namen trägt.

Die Tools, und was jedes wirklich abdeckt

Genauigkeit ist nicht mehr die Achse, die sie trennt. Alle aktuellen Optionen transkribieren gewöhnliches technisches Englisch gut. Was sie trennt, ist Scope: wie viel von Ihrem Tag ein Tool abdeckt, und ob es am Rand eines Programms endet.

Tool	Wo es funktioniert	Läuft auf	Sendet für Sie	Preis
BlabbyAI	Jedes Textfeld, systemweit	Windows-App, Chrome-Erweiterung	Nie, Sie drücken Enter	8,49 $/Monat
Claude Code /voice	Nur Claude-Code-Prompt	CLI und VS-Code-Erweiterung	Ja im Tap-Modus	Inklusive mit Claude.ai
VS Code dictation	VS-Code-Editor und Chat	On-Device-Modell	Nein	Kostenlos
Wispr Flow	Jedes Textfeld, systemweit	Mac, Windows, iOS, Android	Nein	15 $/Monat
Talon Voice	Volle freihändige Steuerung	Mac, Windows, Linux	Befehlsgetrieben	Kostenlos, bezahlte Beta
Serenade	Syntax-Befehle in Editoren	Letzter Push Juni 2024	Befehlsgetrieben	Kostenlos, Open Source

Zwei Zeilen in dieser Tabelle verdienen einen eigenen Absatz, weil beide regelmäßig von Artikeln empfohlen werden, die nicht nachgeprüft haben.

Serenade steht auf Platz drei und hat 2024 aufgehört zu liefern

Serenade ist ein Open-Source-Voice-Coding-Tool auf Platz drei bei Google für diesen Begriff, und das heißt: Ein großer Teil der Leute, die Voice Coding recherchieren, wird direkt dorthin geschickt. Sein GitHub-Repository, serenadeai/serenade, bekam den letzten Push am 11. Juni 2024, mit 26 noch offenen Issues. Das Repository ist nicht archiviert, und genau deshalb wird es weiter empfohlen: Nichts darauf kündigt an, dass die Arbeit gestoppt hat.

Es gibt ein zweites Indiz auf der Marketing-Seite selbst. Serenade listet die unterstützten Editoren prominent, und Atom steht noch dabei. GitHub hat Atom im Dezember 2022 eingestellt. Eine Seite, die Support für einen Editor bewirbt, der seit fast vier Jahren tot ist, ist eine Seite, die niemand mehr angefasst hat.

Nichts davon heißt, dass Serenade heute nicht läuft. Es heißt, dass die Empfehlung, die Sie gelesen haben, wahrscheinlich geschrieben wurde, bevor das Projekt still wurde, und dass Sie das Repository selbst prüfen sollten statt einem Suchranking zu vertrauen. Derselbe Befehl klärt das für jedes Tool in dieser Kategorie.

Talon lebt, und es ist ein anderes Produkt

Der Kontrast zählt, weil Talon Voice oft in Takes vom Typ „Voice Coding ist tot“ mitgeschoben wird. Das ist es nicht. Sein Community-Repository wurde am 2. September 2026 aktualisiert, und es bleibt das Tool, auf das sich Menschen verlassen, die wirklich keine Tastatur nutzen können. Talon konkurriert nicht wirklich mit Diktier-Apps: Es ersetzt Maus und Tastatur komplett, mit gesprochenen Befehlen für Navigation, Auswahl, Fenstermanagement und Syntax. Das ist eine deutlich größere und schwerere Aufgabe, deshalb hat es eine Lernkurve und deshalb hat es nichts anderes ersetzt.

Was Ihr Editor schon mitbringt

Bevor Sie für irgendetwas bezahlen, lohnt es sich zu wissen, dass zwei der Orte, an denen Entwickler am meisten diktieren, schon Diktat eingebaut haben, und dass sie entgegengesetzte Designentscheidungen getroffen haben. Beides unten aus der Dokumentation der Hersteller selbst gelesen.

Host	Eingebautes Diktat	Audio verarbeitet	Wo es endet
Claude Code CLI	Ja, /voice	Anthropic-Server	Braucht Claude.ai-Konto. Kein SSH, kein Web. Stoppt nach 2 Minuten.
VS Code	Ja, Ctrl+Alt+V	Auf dem Gerät, offline	Nur innerhalb von VS Code. Nicht in Remote-SSH über die Claude-Erweiterung.
Cursor	Kein First-Party-Diktat	Nicht zutreffend	Braucht ein systemweites Tool oder die OS-Diktat-Taste.

Claude Code hat /voice, mit drei Grenzen, die man kennen sollte

Claude Code liefert Diktat, das Sie mit /voice einschalten. Es bietet zwei Modi: Hold-Modus, bei dem Sie Space halten während Sie sprechen, und Tap-Modus, bei dem Sie einmal tippen zum Start und nochmal zum Senden. Die Transkription ist auf Coding-Vokabular abgestimmt, und Anthropics Dokumentation merkt an, dass Projektname und aktueller Git-Branch automatisch als Erkennungshinweise hinzugefügt werden, ein wirklich durchdachtes Detail.

Die drei Grenzen stehen alle klar in demselben Dokument, und jede schließt ein reales Arbeitssetup aus. Die erste betrifft die Authentifizierung:

Das ist in der Praxis ein großer Ausschluss. Viele Engineering-Organisationen leiten Claude Code über Bedrock oder einen direkten API-Key aus Abrechnungs- und Compliance-Gründen, und jeder Entwickler in diesen Organisationen liegt komplett außerhalb des eingebauten Diktats.

Die zweite betrifft, wo Sie arbeiten. Diktat braucht ein lokales Mikrofon, deshalb läuft es nicht in Claude Code im Web oder über SSH. Die VS-Code-Erweiterung hat dasselbe Problem aus demselben Grund: Die Dokumentation erklärt, sie sei in Remote-SSH, Dev Containers und Codespaces nicht verfügbar, „because the microphone is on your local machine and the extension runs on the remote host“. Wenn Ihre Entwicklungsumgebung in einem Container oder auf einer Remote-Box lebt, was zunehmend normal ist, scheidet das aus.

Die dritte ist ein Timer. Die Aufnahme „stops automatically after 15 seconds of silence or two minutes total“. Zwei Minuten sind viel Sprache für eine Chat-Nachricht und nicht besonders viel für den Prompt-Typ, der vom Sprechen wirklich profitiert, wo Sie einen Bug beschreiben, die drei Dinge, die Sie schon versucht haben, und die Grenze, die der Fix einhalten muss. Sechzehn Sekunden nachdenken beendet die Aufnahme.

VS Code ging den anderen Weg und machte es offline

Das eingebaute Diktat von VS Code ist die interessanteste Option in dieser ganzen Kategorie und die am wenigsten besprochene, weil es den entgegengesetzten Trade zu allen anderen gemacht hat. Es ist standardmäßig an, wenn KI-Funktionen aktiv sind, gestartet mit Ctrl+Alt+V im Editor oder Ctrl+I im Chat, und das Modell läuft dort, wo Sie sitzen:

Für Entwickler, deren Einwand gegen Diktat ist, dass Audio den Rechner verlässt, ist das die Antwort, und sie ist schon installiert. Es kostet nichts und braucht kein Konto. Es gibt einen Hinweis in derselben Dokumentation: Eine optionale Einstellung namens llmCleanup sendet den Transkript-Text, allerdings nicht das Audio, an ein Sprachmodell zur Bereinigung. Lassen Sie das aus, verlässt nichts das Gerät.

Die Grenze ist die offensichtliche, und genau deshalb ist das nicht das Ende des Artikels. Es diktiert in VS Code. Ihre Pull-Request-Beschreibung liegt im Browser. Ihr Ticket liegt in Jira. Ihre Antwort an die Person, die reviewed hat, liegt in Slack. Ihre Antwort an den Kunden, der den Bug gemeldet hat, liegt in einem Support-Tool. An einem typischen Tag ist der Editor nicht der Ort, an dem die meisten Ihrer Worte landen.

Der Großteil dessen, was ein Entwickler tippt, ist kein Code

Das ist der Punkt, den die ganze Kategorie ständig verfehlt, und deshalb schlägt Scope Genauigkeit bei der Tool-Wahl. Denken Sie ehrlich an einen Arbeitstag und zählen Sie, wohin die Worte gehen. Sehr wenig davon ist Syntax, und fast alles Übrige ist Prosa, die gesprochen schneller wäre.

Jedes davon ist Prosa, und bei Prosa gewinnt Sprache klar. Angenehmes Sprechen liegt bei etwa 130 bis 150 Wörtern pro Minute gegen grob 40 beim durchschnittlichen Tippen. Die zugrunde liegende Forschung haben wir in unserem Stück zu Wörtern pro Minute beim Sprechen durchgegangen, und die Kurzfassung lautet: Die Lücke ist bei Sätzen real und verschwindet bei Symbolen.

Merken Sie, was das für die Tool-Wahl heißt. Ein Tool, das nur auf Ihren Editor beschränkt ist, deckt den kleinsten Teil dieser Liste ab. Ein Tool, das auf einen Agenten beschränkt ist, deckt einen Punkt ab. Ein Tool, das in jedes Feld mit Cursor tippt, deckt alle sechs ab, und es ist das günstigste der drei.

BlabbyAI: Diktat, dem egal ist, in welchem Programm Sie sind

BlabbyAI baut auf der Annahme oben: Die sinnvolle Einheit ist nicht „Diktat fürs Coding“, sondern Diktat überall, weil der Editor ein Fenster unter einem Dutzend ist. Drücken Sie Ctrl+Space, sprechen Sie, drücken Sie nochmal, und der Text wird in das Feld getippt, das Fokus hatte. Das Feld kann der Claude-Code-Prompt sein, Cursors Composer, eine GitHub-Review-Box, eine Jira-Beschreibung, ein Slack-Thread oder ein Terminal. Es gibt nichts zu integrieren, weil es keine Integration gibt: Es tippt dorthin, wo Ihr Cursor schon steht.

Das globale Kürzel lässt sich unter Settings umbinden, und das zählt hier: Ctrl+Space ist in den meisten Editoren IntelliSense, deshalb verschieben Entwickler es meist.

Dieses Default lohnt sich zu markieren statt darüber hinwegzugehen. Ctrl+Space ist der Autocomplete-Trigger in VS Code, IntelliJ und den meisten Editoren, deshalb ist das das Erste, was ein Entwickler ändern sollte. Ein Klick unter Settings, und es gibt keinen Grund, die Kollision stehen zu lassen.

Custom Modes sind der Teil, der zu diesem Workflow passt

Ein Mode ist eine freie Anweisung, die auf das angewendet wird, was Sie gerade gesagt haben, nach der Transkription und bevor der Text getippt wird. Sie schreiben die Anweisung einmal, weisen ein Kürzel zu, und ab dann erzeugt dieses Kürzel Sprache in dieser Form. Ihre Sprache ist der Input, keine Anfrage: Ein Mode formt um, was Sie gesagt haben, statt es zu beantworten.

Für Entwickler ist das nützlicher, als es zuerst klingt, weil die Schreibaufgaben in der Liste oben jeweils einen Hausstil haben, und das Umformatieren ist, was sie mühsam macht. Ein paar Anweisungen, die echte Arbeit leisten:

Ein Mode ist eine Anweisung plus ein Kürzel. Die letzte Zeile oben zeigt, wie gesprochene Befehle funktionieren: Sie beschreiben sie in der Anweisung, statt auf eine feste Befehlsliste zu setzen.

Bei der letzten Zeile lohnt es sich zu verweilen, weil das der Mechanismus ist, den Leute falsch verstehen. Das Modell bekommt Ihr volles wörtliches Transkript, inklusive Worte, die Sie als Befehle meinten, deshalb können Sie Ihr eigenes gesprochenes Vokabular definieren, indem Sie es in der Anweisung beschreiben. „New paragraph“, „bullet point“, „scratch that“: Keines davon ist eine eingebaute Funktion, und alle funktionieren, weil Sie definieren, was sie bedeuten.

Ihm Ihr Codebase-Vokabular beibringen

Der vorhersehbare Einwand gegen Diktat irgendwo in der Nähe von Code sind Eigennamen. Ihr interner Service heißt etwas, das außerhalb der Firma niemand gehört hat, und kein allgemeines Modell schreibt das richtig. Custom Spelling löst das: Begriff einmal unter Settings, dann Languages hinzufügen, genau so getippt, wie er geschrieben werden soll, und ab dann wird er gematcht. Library-Namen, Service-Namen, der Nachname eines Kollegen, ein Akronym, das Ihr Team erfunden hat. Blabby unterstützt außerdem 90+ Sprachen mit Auto-Detect, was in verteilten Teams zählt, in denen Leute in einer Sprache denken und in einer anderen shippen.

Zwei Produkte, und das Browser-Produkt braucht keine Installation

Die Windows-Desktop-App ist das vollere Produkt: Sie tippt systemweit in jede Anwendung und hat History, die jede Aufnahme im Moment des Stopps auf Ihre eigene Festplatte schreibt, bevor die Transkription beginnt. Nichts an History berührt einen Server, und Sie können jede vergangene Aufnahme später abspielen oder neu transkribieren, optional durch einen anderen Mode.

Die Chrome-Erweiterung ist die andere Hälfte, und für viele Entwickler ist genau sie die passende. Wenn Ihr Agent die Web-Ansicht von Cursor ist, wenn Ihre Reviews in GitHub passieren, wenn Ihre Tickets in Linear und Ihre Docs in Notion liegen, dann liegt alles, was Sie diktieren, schon in einem Browser-Tab. Die Erweiterung zeigt eine kleine Bubble neben dem fokussierten Textfeld und braucht keinen Download und keine Admin-Rechte, und das ist der Unterschied zwischen Arbeiten und Nicht-Arbeiten auf einem verwalteten Laptop. Es ist auch die Option für Mac und Chrome OS. Beides deckt derselbe 8,49 $-Monatspreis ab, und der Gratis-Tarif sind 60 Credits pro Woche ohne Karte.

Ein Setup, das funktioniert, in etwa zehn Minuten

Nichts davon verlangt, dass Sie sich auf einen Workflow festlegen, bevor Sie wissen, ob er Ihnen gefällt. Die Reihenfolge zählt ein Stück: Bringen Sie Diktat zuerst bei Prosa zum Laufen, weil dort der Gewinn offensichtlich ist, und entscheiden Sie erst danach, ob Sie etwas Spezielleres wollen.

1. Binden Sie das Kürzel um, bevor Sie sonst etwas tun. Welches Tool Sie auch wählen: Legen Sie es irgendwohin, wo Ihr Editor es nicht schon nutzt. Ctrl+Space ist Autocomplete, und Ctrl+Alt+V kann schon belegt sein. Zehn Sekunden jetzt sparen eine Woche Kollisionen.
2. Starten Sie mit einer Pull-Request-Beschreibung, nicht mit einem Prompt. Sie ist lang, sie ist Prosa, sie ist risikoarm, und sie ist die Aufgabe, bei der der Geschwindigkeitsunterschied unmöglich zu übersehen ist. Wenn Diktat für Sie funktionieren wird, wissen Sie es am Ende eines PRs.
3. Fügen Sie Ihre fünf schlimmsten Wörter dem Wörterbuch hinzu. Der Service-Name, die Library, das Akronym, der Nachname. Fünf Einträge nehmen den Großteil der Reibung weg, wegen der Leute aufhören.
4. Dann versuchen Sie es an einem Agent-Prompt, und seien Sie spezifischer, als Sie tippen würden. Das ist der eigentliche Unlock. Weil Sprechen etwa dreimal so schnell ist wie Tippen, ist der Prompt, den Sie sprechen, von Natur aus länger und detaillierter als der, den Sie getippt hätten, und Agenten reagieren gut darauf. Sagen Sie die Grenze. Sagen Sie, was Sie schon versucht haben. Sagen Sie, was der Fix nicht kaputt machen darf.
5. Erst dann freihändige Tools in Betracht ziehen. Wenn Ihr Bedarf medizinisch ist statt Bequemlichkeit, kommt hier Talon rein, und es verdient eine echte Zeitinvestition statt eines Nachmittags.

Wo Sprechen immer noch das falsche Werkzeug ist

Ein Guide, der behauptet, Stimme gewinne überall, ist nicht lesenswert, und die Grenzen hier sind klar genug, um sie zu nennen.

Rohe Syntax tippt man weiterhin schneller, für jeden, der kompetent tippt. const [x, setX] = useState(0) laut auszusprechen ist in jedem Tool eine schlechtere Erfahrung als tippen, und keine Modellverbesserung ändert das, weil der Engpass die gesprochene Form von Satzzeichen ist und nicht die Erkennung. Präzise Edits haben dasselbe Problem: Den Cursor drei Zeichen nach links zu bewegen ist ein Tastendruck und ein Satz.

Es gibt auch eine Umgebungsgrenze, die keine Herstellerseite erwähnt. Diktat setzt voraus, dass Sie reden können. Im Großraumbüro, im Zug oder im gemeinsamen Zimmer zu Hause mit jemandem, der schläft, fällt diese Annahme aus, und sie fällt für ganze Tage aus, nicht nur gelegentlich. Das ist ein echter Grund, warum Leute Diktier-Tools aufgeben, und er hat nichts mit der Software zu tun.

Die ehrliche Fassung lautet: Diktat ist eine zweite Eingabemethode, kein Ersatz. Sie tippen weiter und sprechen die Teile, die Sätze sind. Das ist eine kleinere Behauptung als die meiste Kategorie macht, und es ist die, die Kontakt mit einer Arbeitswoche überlebt.

Funktioniert Voice Coding also?

Beide Varianten funktionieren, für unterschiedliche Menschen, und der Grund, warum die Frage ungelöst wirkt, ist, dass es eigentlich zwei Fragen sind.

Syntax zu diktieren funktioniert, funktioniert seit Jahren und bleibt anspruchsvoll. Talon wird aktiv gepflegt und ist die richtige Antwort, wenn Sie keine Tastatur nutzen können, aber es ist eine Fertigkeit, die man erwirbt, kein Tool, das man installiert. Wer Ihnen erzählt, diese Variante sei mühelos, hat sie nicht gemacht.

Anweisungen an einen Agenten zu diktieren funktioniert sofort, braucht kein Training und ist das, was der Begriff jetzt vorwiegend meint. Es hat auch eine Konsequenz, die die Tool-Diskussion oft überspringt: Weil das, was Sie sprechen, Prosa ist, ist das Tool, das Sie brauchen, gar kein Coding-Tool. Es ist genaues Diktat, das Ihrem Cursor in jedes Fenster folgt, in dem Sie sind, weil die Prompt-Box einer von vielleicht sechs Orten ist, an denen Ihre Worte an einem Tag landen.

Das ist der ganze Wandel, und deshalb liegt ein Begriff, der fünfzehn Jahre Nische war, 23 % über dem Vorjahr. BlabbyAI deckt diesen Job für 8,49 $ im Monat ab, unter Windows oder in Chrome, und der Gratis-Tarif reicht, um herauszufinden, ob Ihnen das Sprechen Ihrer Prompts gefällt, bevor Sie für irgendetwas bezahlen. Wenn Sie den breiteren Vergleich wollen, halten wir einen Überblick der besten Diktier-Apps, und einen Guide zu Diktat für Programmierer, der tiefer in die Alltags-Schreibseite geht.

Häufig gestellte Fragen