Koe ist mein Diktier- und Transkriptionsprogramm. Es läuft komplett auf dem Mac, ohne Konto und ohne Cloud. Deshalb kann ich damit auch Kundengespräche mitschreiben, die den Rechner nicht verlassen dürfen. 声 (koe) heißt Stimme.
Viele Diktier-Apps schicken jede Aufnahme zur Auswertung an einen Server. Für Notizen ist das egal, für ein Erstgespräch mit einem Kunden nicht. Ich wollte dieselbe Bequemlichkeit, nur auf dem eigenen Rechner. Koe ist in knapp zwei Wochen mit Claude Code entstanden, ohne dass ich vorher eine Mac-App gebaut hatte.
Rechte ⌥ halten, sprechen, loslassen. Der Text landet am Cursor, in Mail, Slack oder Claude Code. Zweimal tippen heißt freihändig.
Füllwörter fliegen raus, Satzzeichen kommen rein. Korrigiert man sich beim Sprechen, bleibt nur die letzte Fassung.
Mikrofon und Ton vom Mac laufen zusammen, also auch Zoom, Teams oder Meet. Danach steht das Transkript mit Sprechern da.
Audio oder Video ins Fenster ziehen. Für 2,5 Minuten Aufnahme braucht Koe rund 35 Sekunden.
Deutsch, Englisch, Japanisch und Chinesisch, auf Wunsch automatisch erkannt.
Eigennamen und Fachbegriffe lernt Koe dazu. Ersetzungen korrigieren, was oft falsch ankommt, etwa „Cloud“ statt „Claude“.
Die Bilder zeigen Beispieldaten, keine echten Gespräche.
Hinter dem Tastendruck arbeiten zwei KI-Modelle, beide auf dem Mac. Das eine hört zu, das andere räumt den Text auf. Koe startet sie selbst und spricht mit ihnen nur über die interne Adresse des Rechners.
Koe nimmt über das Mikrofon auf, solange die rechte ⌥ gedrückt ist.
whisper.cpp mit dem Modell large-v3-turbo macht aus der Sprache Text. Silero schneidet Stille vorher weg.
0,8 s für 9 s SpracheDas Sprachmodell Gemma 4 nimmt Füllwörter raus, setzt Satzzeichen und behält bei Korrekturen nur die letzte Fassung.
rund 1 s für 20 WörterKoe tippt den fertigen Text in das Programm, in dem Sie gerade schreiben.
„Ähm, wir sehen uns bis morgen, nein, bis Freitag.“
Wir sehen uns bis Freitag.
Gemma übersetzt nichts und führt nichts aus. Wer „schreib eine Mail an Herrn Müller“ diktiert, bekommt genau diesen Satz, keine Mail.
Meetings und Dateien laufen über einen zweiten Weg. Dort nimmt Koe das größere Modell large-v3 mit einer Zeit pro Wort. Danach erkennt sherpa-onnx an den Stimmen, wer wann gesprochen hat. Den Ton vom Mac holt Koe über Apples ScreenCaptureKit, nur den Ton, kein Bild.
Die Modelle brauchen Arbeitsspeicher. Nach fünf Minuten ohne Diktat legt Koe sie schlafen und gibt 4 bis 6,5 GB frei. Der nächste Tastendruck weckt sie, man kann sofort sprechen. Das erste Diktat danach dauert ein paar Sekunden länger.
Gefunden habe ich das Problem mit meiner eigenen App Tacho.
| Stufe | Für | Zuhören | Aufräumen | Download |
|---|---|---|---|---|
| Leicht | Macs mit 8 GB | Whisper large-v3-turbo, verkleinert | Gemma 4 E2B | rund 6 GB |
| Standard | ab 16 GB | Whisper large-v3-turbo | Gemma 4 E4B | rund 10 GB |
Koe wählt beim Einrichten die Stufe, die zum Mac passt. Jede Stufe ist auf eine getestete Fassung der Modelle festgelegt.
Koe gibt es als fertige App zum Herunterladen, unter MIT-Lizenz. Ein Terminal brauchen Sie nicht.
Koe-<Version>.dmg öffnen und Koe auf den Ordner Programme ziehen./Applications/Koe.app/Contents/MacOS/Koe --cli datei "aufnahme.m4a" --titel "Erstgespräch"
Schreiben Sie mir, welche Aufgabe Sie Zeit kostet. Ich sage Ihnen ehrlich, ob sich eine eigene Lösung lohnt.
Anfrage schreiben Selbst ausprobieren: Guide mit Bauaufträgen für Claude Code