So holen Sie das Beste aus DijiFlow Dictate heraus
Schon kleine Anpassungen bringen viel für Genauigkeit, Tempo und Komfort. Hier sind unsere liebsten Tipps, um die App auf Ihre Stimme, Ihre Sprache und Ihren Computer abzustimmen.
Ihr Mikrofon ist wichtiger als jede einzelne Einstellung in der App. Ein Ansteckmikrofon (Lavalier), also das kleine Mikrofon mit Klammer für Hemd oder Kragen, ist eine der günstigsten und wirksamsten Verbesserungen für die Genauigkeit. Es sitzt nah am Mund, hält auch beim Bewegen den Abstand und blendet viele Raumgeräusche aus, an denen das eingebaute Mikrofon eines Laptops scheitert.
Kurz gesagt: Fast jedes externe Mikrofon, das näher an Ihrem Mund ist als das eingebaute Mikrofon Ihres Laptops, verbessert die Ergebnisse spürbar.
Mit der Stilleschwelle unterscheidet DijiFlow, ob Sie sprechen oder ob nur Hintergrundgeräusche zu hören sind. Richtig auf Ihren Raum eingestellt, verhindert sie die meisten verschluckten Wörter und Fehlauslösungen, keine andere Einstellung bewirkt so viel. Stellen Sie sie mit dem eingebauten Mikrofontest ein.
- 1 Öffnen Sie die Einstellungen und klicken Sie auf „Mikrofon testen“.
- 2 Sprechen Sie normal und beobachten Sie die Pegelanzeige: Während Sie sprechen, sollte der Pegel ungefähr zwischen der Mitte und dem rechten Rand liegen.
- 3 Schweigen Sie jetzt: Der Pegel sollte fallen und unter der weißen Linie bleiben. Wo diese Linie liegen muss, hängt davon ab, wie laut Ihr Raum ist.
- 4 Verschieben Sie mit dem Stillefilter die weiße Linie nach oben oder unten. Diese weiße Linie ist Ihre Stilleschwelle: Alles darunter gilt als Stille.
- 5 Mit der Mikrofonempfindlichkeit legen Sie fest, wie weit Ihre Stimme auf der Anzeige ausschlägt, damit Ihre Sprache deutlich über der Linie liegt.
Ziel ist ein klarer Abstand: Ihre Sprache deutlich über der weißen Linie, die Stille deutlich darunter. Prüfen Sie das erneut, wenn Sie den Raum oder das Mikrofon wechseln.
DijiFlow kann die Wörter lernen, die für Sie typisch sind, etwa Namen, Fachbegriffe und Marken, und sie automatisch korrigieren. Weil das nach der Transkription geschieht, wird das Ergebnis genauer, ohne dass beeinflusst wird, was das Modell hört.
- 1 Öffnen Sie den Tab „Vokabular“.
- 2 Haken Sie die Fachgebiete an, die auf Sie zutreffen, damit die passenden Vokabularpakete aktiviert werden.
- 3 Fügen Sie eigene Begriffe hinzu: Namen von Kolleginnen und Kollegen, Ihre Firma, Produktnamen und alle Wörter, die Sie oft sagen.
- 4 Wenn die App ein bestimmtes Wort immer wieder falsch versteht, tragen Sie die richtige Schreibweise bei Ihren eigenen Begriffen ein, und es wird künftig richtig erkannt.
Sehen Sie Ihre eigenen Begriffe als Liste, die mitwächst: Jedes Mal, wenn etwas falsch erkannt wird, tragen Sie die richtige Form ein, und der Fehler wiederholt sich nicht.
Unter „Erweitert“ wählst du das Modell selbst: für Diktate auf jeder Sprachkarte, für Dateien im Tab „Datei transkribieren“. Größere Modelle sind genauer, aber langsamer und brauchen mehr Speicher.
- 1 Express passt für die meisten Sprachen: fast so genau wie Groß und deutlich schneller.
- 2 Schnell ist am flinksten, auf Englisch und in vielen europäischen Sprachen (nicht für Untertitel), macht aber etwas mehr Fehler als Groß.
- 3 Groß ist in jeder Sprache am gründlichsten und braucht am meisten Speicher.
- 4 Die Sterne zeigen, wie genau jedes Modell in dieser Sprache ist; mit der Testversion oder Pro ist fürs Diktieren auf jeder Sprachkarte außerdem das empfohlene Modell markiert. Im Zweifel behalte es.
Fühlt sich ein größeres Modell träge an, geh eine Größe zurück: Ein schnelles Modell, das du wirklich nutzt, schlägt ein genaues, das du meidest.
Push-to-Talk sollte mühelos gehen: Sie halten die Taste, ohne darüber nachzudenken. Das beste Tastenkürzel liegt dort, wo Ihre Finger ohnehin ruhen, und Sie können es sogar ganz von der Tastatur auf die Maus verlegen.
- 1 Gute Tastenkombinationen zum Ausprobieren: Strg+Leertaste, Alt+Leertaste oder Umschalt+Leertaste (besonders unter Windows).
- 2 Auf dem Mac ist Cmd+Leertaste mit Spotlight belegt. Legen Sie Spotlight entweder unter Systemeinstellungen › Tastatur › Tastaturkurzbefehle › Spotlight auf eine andere Taste und nutzen Sie Cmd+Leertaste, oder verwenden Sie einfach Umschalt+Leertaste oder Strg+Leertaste.
- 3 Profi-Tipp: Legen Sie Push-to-Talk und Eingabe bzw. neue Zeile auf die Zurück- und Vorwärts-Tasten Ihrer Maus, zum Beispiel Umschalt+Zurück für eine neue Zeile und Umschalt+Vorwärts für die Eingabetaste (oder belegen Sie sie direkt in der Software Ihrer Maus).
Mit belegten Maustasten diktieren Sie fast ganz ohne Tastatur. Unter Windows nutzen Sie dafür das Programm Ihres Mausherstellers, auf dem Mac eignet sich ein Tool zur Tastenbelegung, wie es für Gaming-Mäuse verbreitet ist.
Die Spracherkennung ist nur so gut wie das, was am Mikrofon ankommt. Ein Ventilator, der direkt aufs Mikrofon bläst, ein voller Raum oder Musik in der Nähe verschlechtern die Genauigkeit, oft stärker als erwartet.
Lässt sich der Lärm nicht vermeiden, halte das Mikrofon nah und nutze Push-to-Talk, dann hört DijiFlow nur zu, solange du die Taste hältst.
In der Windows-App ist die Dynamische Speicheroptimierung die richtige Einstellung, wenn Ihr PC wenig Arbeitsspeicher oder Grafikspeicher (VRAM) hat. Sie lädt und entlädt Modelle beim Wechsel, sodass immer nur ein Modell aktiv ist. So bleibt auch ein schwächerer Computer reaktionsschnell. Auf dem Mac gibt DijiFlow selbst Speicher frei, wenn er knapp wird.
- 1 Wenn Modelle langsam reagieren oder Ihr Computer knapp an Speicher ist, aktivieren Sie in den Einstellungen die Dynamische Speicheroptimierung.
- 2 Danach hält DijiFlow nur das Modell im Speicher, das Sie gerade nutzen, und entlädt die anderen, bis Sie wieder wechseln.
Hinweis: Wenn Sie gleichzeitig eine Datei transkribieren und diktieren, wird es bei knappem Speicher langsamer. Mit genug RAM oder VRAM läuft beides flüssig.
Wenn Ihr Computer Reserven hat (16 GB Arbeitsspeicher oder mehr), können Sie zwei Modelle geladen lassen und über unterschiedliche Tastenkürzel sofort zwischen ihnen wechseln. Das gehört zu den produktivsten Kniffen erfahrener Nutzer.
- 1 Zweisprachig? Belege Englisch mit einem Tastenkürzel und deine andere Sprache mit einem zweiten. So wechselst du die Sprache, ohne eine Einstellung zu ändern.
- 2 Nur eine Sprache? Füge unter „Erweitert“ eine zweite Karte für dieselbe Sprache mit einem anderen Modell hinzu: ein schnelles für flottes Diktieren und ein genaueres für Momente, in denen du kurz warten kannst.
- 3 Sprachen mischen? Mit der voreingestellten Option „Warteschlange“ (Tab Einstellungen) sprichst du einfach über das Tastenkürzel deiner anderen Sprache weiter, während die erste Aufnahme noch transkribiert wird. Beide werden der Reihe nach eingefügt.
Das zahlt sich aus, wenn Sie eine E-Mail in einer Sprache schreiben und gleichzeitig in einer anderen chatten oder programmieren, alles in derselben Sitzung und ohne Umstellen.
Bei Meetings zählt Genauigkeit mehr als Tempo. Wählen Sie also das genaueste Modell, das Ihnen zur Verfügung steht, auch wenn es langsamer ist. Automatische Transkription und Sprechererkennung sind nie hundertprozentig fehlerfrei und erfassen ein ganzes Meeting allein womöglich nicht sauber. Der Trick: Geben Sie das Transkript an ein großes KI-Modell weiter, das daraus etwas Brauchbares macht.
- 1 Transkribieren Sie das Meeting mit Sprechererkennung und dem besten Modell, das Sie haben.
- 2 Wenn Sie wissen, wie viele Personen gesprochen haben, stellen Sie die Anzahl der Sprecher ein. Das macht die Erkennung deutlich genauer (siehe den Tipp zur Anzahl der Sprecher).
- 3 Fügen Sie das fertige Transkript in ein großes KI-Modell ein, etwa ChatGPT, Gemini, Claude, DeepSeek oder Kimi, und nutzen Sie den fertigen Prompt unten für eine saubere, gebündelte Zusammenfassung.
Du hilfst mir, eine rohe Meeting-Aufnahme in etwas zu verwandeln, mit dem ich wirklich arbeiten kann.
Unten steht ein Transkript, das automatisch aus Audio oder Video erstellt wurde, einschließlich automatischer Sprechererkennung. Beachte beim Lesen zwei Dinge:
- Die Sprecherbezeichnungen („Sprecher 1“, „Sprecher 2“ und so weiter) und einzelne Wörter können falsch sein. Wenn eine Bezeichnung oder ein Wort klar dem Zusammenhang des Gesprächs widerspricht, verlass dich auf den Zusammenhang und korrigiere es ohne Kommentar.
- Meist kannst du aus dem Gespräch selbst gut ableiten, wer wer ist. Ergänze Namen, wo es möglich ist.
Optional: Wenn ich schon weiß, wer wer ist, ordne ich die Sprecher hier zu (sonst leer lassen):
- Sprecher 1 =
- Sprecher 2 =
- Sprecher 3 =
Bitte lies das gesamte Transkript und erstelle eine klare, gut gegliederte Zusammenfassung mit diesen Abschnitten:
1. Überblick: zwei oder drei Sätze dazu, worum es im Meeting ging und was insgesamt herauskam.
2. Wichtigste Diskussionspunkte: die Hauptthemen, sinnvoll gruppiert, jeweils mit den wichtigen Details.
3. Entscheidungen: was tatsächlich vereinbart wurde (und von wem, falls erkennbar).
4. Aufgaben: nach Person gruppiert, wer wofür zuständig ist und welche Fristen genannt wurden.
5. Hindernisse und Risiken: alles, was als Problem, Abhängigkeit oder Bedenken angesprochen wurde.
6. Offene Fragen: alles, was ungeklärt blieb oder nachverfolgt werden muss.
Fasse dich kurz und mach es leicht überfliegbar. Kurze Stichpunkte sind besser als lange Absätze. Wenn etwas unklar ist oder im Transkript fehlt, sag das offen, statt zu raten.
Transkript:
[Transkript hier einfügen]
Gut zu wissen: Sie können in anderen Apps weiter diktieren, während eine Datei im Hintergrund transkribiert wird.
DijiFlow ist nicht nur für Ihre eigene Stimme da: Die App transkribiert jede Video- oder Audiodatei, die Sie hineinziehen, samt Sprechererkennung. So wird aus einem Vortrag, einem Interview oder einer Vorlesung schnell Text.
- 1 Laden Sie das Video mit einem beliebigen YouTube-Downloader herunter.
- 2 Ziehen Sie die heruntergeladene Datei als Video in DijiFlow, um den Rest kümmert sich die App.
Das funktioniert genauso mit jeder anderen Audio- oder Videodatei auf Ihrem Computer, nicht nur mit YouTube.
Unter Windows transkribiert eine Grafikkarte von NVIDIA oder AMD deutlich schneller als der Prozessor. Prüfen Sie, ob DijiFlow sie auch wirklich nutzt.
- 1 Öffnen Sie den Tab „GPU“.
- 2 Prüfen Sie, ob Ihre NVIDIA- oder AMD-Grafikkarte ausgewählt ist und als aktiv angezeigt wird.
Wenn Sie ein Meeting oder eine Datei mit mehreren Personen transkribieren, muss die Sprechererkennung schätzen, wie viele verschiedene Stimmen es gibt. Sie helfen ihr sehr, wenn Sie die Zahl vorab angeben.
Wenn du genau weißt, wie viele Personen in der Aufnahme sprechen, stelle diese Zahl vor dem Transkribieren unter „Erweitert“ im Tab „Datei transkribieren“ ein: Die Sprechererkennung wird viel genauer, wenn sie nicht raten muss.