Dein Mikrofon ist wichtiger als jede einzelne Einstellung in der App. Ein Ansteck-Lavaliermikrofon — der kleine Clip, den du an Hemd oder Kragen befestigst — ist eines der günstigsten und größten Upgrades für deine Genauigkeit. Es sitzt nah an deinem Mund, hält beim Bewegen einen gleichbleibenden Abstand und blockt viel vom Raumgeräusch ab, das das eingebaute Mikrofon eines Laptops überfordert.

Kurz gesagt: Fast jedes externe Mikrofon, das näher an deinem Mund sitzt als das eingebaute deines Laptops, verbessert deine Ergebnisse spürbar.

Die Stille-Schwelle sagt DijiFlow, wo der Unterschied zwischen deinem Sprechen und Hintergrundgeräuschen liegt. Sie für deinen Raum richtig einzustellen ist die eine Anpassung, die die meisten verschluckten Wörter und Fehlauslösungen verhindert. Nutze den eingebauten Mikrofontest, um sie einzustellen.

1. 1 Öffne die Einstellungen und klicke auf Mikrofon testen.
2. 2 Sprich normal und beobachte die Pegelanzeige — während du sprichst, sollte sie ungefähr zwischen der Mitte und dem rechten Rand der Anzeige liegen.
3. 3 Bleib jetzt still — der Pegel sollte fallen und unter der weißen Linie bleiben. Wo diese Linie liegen muss, hängt davon ab, wie laut dein Raum ist.
4. 4 Ziehe den Stille-Filter, um die weiße Linie nach oben oder unten zu verschieben. Diese weiße Linie ist deine Stille-Schwelle — alles darunter gilt als Stille.
5. 5 Ziehe die Mikrofonempfindlichkeit, um zu ändern, wie hoch deine Stimme auf der Anzeige ausschlägt, sodass deine Sprache die Linie bequem überschreitet.

Ziel ist ein klarer Abstand: deine Sprache deutlich über der weißen Linie, deine Stille deutlich darunter. Prüfe das erneut, wann immer du Raum oder Mikrofon wechselst.

DijiFlow kann die Wörter lernen, die typisch für dich sind — Namen, Fachjargon, Marken — und sie automatisch korrigieren. Weil das nach der Transkription geschieht, schärft es das Ergebnis, ohne je zu beeinflussen, was das Modell tatsächlich hört.

1. 1 Öffne den Tab Vokabular.
2. 2 Hake die Bereiche an, die auf dich zutreffen, damit die passenden Begriffspakete geladen werden.
3. 3 Füge deine eigenen Begriffe hinzu — Namen von Kollegen, dein Unternehmen, Produktnamen und alle Wörter, die du oft sagst.
4. 4 Wenn die App ein bestimmtes Wort ständig falsch versteht, füge die korrekte Schreibweise zu deinen eigenen Begriffen hinzu, und sie wird es künftig richtig erkennen.

Betrachte deine eigenen Begriffe als laufende Liste: Jedes Mal, wenn etwas falsch herauskommt, fügst du die richtige Version hinzu, und es passiert nicht mehr.

Größere Modelle sind genauer, aber langsamer und brauchen mehr Speicher — RAM auf dem Mac, VRAM unter Windows. Für jeden Rechner gibt es einen optimalen Punkt, deshalb lohnt es sich, ein paar herunterzuladen und zu testen, welches mit dir Schritt hält.

1. 1 Für Englisch ist small oder medium meist der optimale Punkt. Auf schwächeren Rechnern funktioniert base weiterhin gut.
2. 2 Für andere Sprachen oder gemischte/mehrsprachige Nutzung empfehlen wir dringend medium oder large — kleinere Modelle verlieren außerhalb von Englisch schnell an Genauigkeit.
3. 3 Lade ein paar Größen herunter und teste sie mit deiner eigenen Sprache, um zu sehen, was dein Rechner bequem bewältigt.

Wenn sich ein größeres Modell träge anfühlt, geh eine Größe zurück — ein schnelles Modell, das du wirklich nutzt, schlägt ein genaues, das du meidest.

Push-to-Talk sollte sich mühelos anfühlen — etwas, das du halten kannst, ohne nachzudenken. Das beste Kürzel liegt dort, wo deine Finger ohnehin ruhen, und du kannst es sogar ganz von der Tastatur wegverlegen.

1. 1 Tolle Tastenkombinationen zum Ausprobieren: Ctrl+Space, Alt+Space oder Shift+Space (besonders unter Windows).
2. 2 Auf dem Mac ist Cmd+Space von Spotlight belegt — weise Spotlight entweder unter Systemeinstellungen → Tastatur → Tastaturkurzbefehle → Spotlight neu zu und nutze Cmd+Space, oder verwende einfach Shift+Space oder Ctrl+Space.
3. 3 Profi-Trick: Belege Push-to-Talk und Enter / neue Zeile mit den Zurück- und Vorwärts-Tasten deiner Maus — zum Beispiel Shift+Zurück für eine neue Zeile und Shift+Vorwärts für Enter (oder belege sie direkt in deiner Maus-Software).

Richte die Maustasten ein, und du kannst fast vollständig mit der Maus diktieren — ganz ohne Tastatur. Nutze unter Windows das Dienstprogramm deines Maus-Herstellers; auf dem Mac funktioniert ein Remapping-Tool, wie es für Gaming-Mäuse gibt, gut.

Spracherkennung ist nur so gut wie das, was beim Mikrofon ankommt. Ein Ventilator, der direkt ins Mikrofon bläst, ein voller Raum oder Musik in der Nähe ziehen alle die Genauigkeit nach unten — oft stärker, als man erwartet.

Wenn der Lärm unvermeidbar ist, hebe deine Stille-Schwelle passend zur Umgebung an, damit die App nicht ständig vom Hintergrund ausgelöst wird — und senke sie wieder, sobald du an einem ruhigen Ort bist.

Die Dynamische Speicheroptimierung ist die Einstellung der Wahl, wenn dir RAM (Mac) oder VRAM (Windows) knapp wird. Sie lädt und entlädt Modelle beim Wechsel, sodass immer nur ein Modell aktiv ist — das hält einen schwächeren Rechner reaktionsschnell.

1. 1 Wenn sich Modelle langsam anfühlen oder dein Rechner knapp an Speicher ist, aktiviere die Dynamische Speicheroptimierung in den Einstellungen.
2. 2 Von da an behält DijiFlow nur das Modell im Speicher, das du gerade nutzt, und entlädt die anderen zwischen den Umschaltungen.

Hinweis: Eine Datei-Transkription UND Live-Diktat gleichzeitig laufen zu lassen, wird bei knappem Speicher langsamer — aber mit genug RAM/VRAM läuft es völlig flüssig.

Wenn dein Rechner Luft hat — grob mehr als 8 GB RAM oder 12 GB VRAM — kannst du zwei Modelle geladen halten und mit unterschiedlichen Tastenkürzeln sofort zwischen ihnen wechseln. Das ist eines der produktivsten Dinge, die Power-User tun.

1. 1 Zweisprachig? Belege Englisch mit einem Tastenkürzel und deine andere Sprache mit einem zweiten — wechsle die Sprache, ohne eine Einstellung zu ändern.
2. 2 Nur eine Sprache? Belege zwei Modellgrößen — eine schnelle für flottes Diktat und eine genauere für Momente, in denen du kurz warten kannst.
3. 3 Mit Q mode kannst du sogar Sprachen innerhalb eines einzigen Satzes mischen, sobald du dich daran gewöhnt hast.

Das zeigt seine Stärke, wenn du eine E-Mail in einer Sprache schreibst, während du in einer anderen chattest oder programmierst — alles in derselben Sitzung, ohne Herumhantieren.

Bei Meetings zählt Genauigkeit mehr als Geschwindigkeit, wähle also das genaueste Modell, das du kannst — auch wenn es langsamer ist. Denk daran, dass automatische Transkription und Sprechererkennung nie zu 100 % perfekt sind und ein ganzes Meeting allein womöglich nicht sauber erfassen. Der Trick ist, das Transkript einem großen KI-Modell zu übergeben, damit es daraus etwas Brauchbares macht.

1. 1 Transkribiere das Meeting mit Sprechererkennung und dem besten Modell, das du hast.
2. 2 Wenn du weißt, wie viele Personen gesprochen haben, stelle die Sprecheranzahl ein — das macht die Erkennung viel genauer (siehe den Tipp zur Sprecheranzahl).
3. 3 Füge das fertige Transkript in ein großes KI-Modell ein — ChatGPT, Gemini, Claude, DeepSeek oder Kimi — und verwende den fertigen Prompt unten, um eine saubere, gebündelte Zusammenfassung zu erhalten.

Du hilfst mir, eine rohe Meeting-Aufnahme in etwas zu verwandeln, das ich tatsächlich nutzen kann.

Unten steht ein Transkript, das automatisch aus Audio oder Video erstellt wurde, inklusive automatischer Sprechererkennung. Zwei Dinge solltest du beim Lesen beachten:
- Die Sprecherbezeichnungen ("Sprecher 1", "Sprecher 2" und so weiter) und gelegentlich ein Wort können falsch sein. Wenn eine Bezeichnung oder ein Wort klar dem Kontext des Gesprächs widerspricht, vertraue dem Kontext und korrigiere es stillschweigend.
- Meist erkennst du aus dem Gespräch selbst gut, wer wer ist, also leite Namen ab, wo du kannst.

Optional — wenn ich bereits weiß, wer wer ist, ordne ich sie hier zu (sonst leer lassen):
- Sprecher 1 =
- Sprecher 2 =
- Sprecher 3 =

Bitte lies das gesamte Transkript und gib mir eine klare, gut strukturierte Zusammenfassung mit diesen Abschnitten:
1. Überblick — zwei oder drei Sätze darüber, worum es im Meeting ging und was das Gesamtergebnis war.
2. Zentrale Diskussionspunkte — die Hauptthemen, logisch gruppiert, mit den wichtigen Details unter jedem.
3. Entscheidungen — was tatsächlich vereinbart wurde (und von wem, falls klar).
4. Aufgaben — nach Person gruppiert: wofür sie zuständig sind und jede genannte Frist.
5. Blocker & Risiken — alles, was als Problem, Abhängigkeit oder Bedenken angesprochen wurde.
6. Offene Fragen — alles, was ungeklärt blieb oder eine Nachverfolgung braucht.

Halte es knapp und leicht überfliegbar. Bevorzuge kurze Stichpunkte statt langer Absätze. Wenn etwas unklar ist oder im Transkript fehlt, sage das offen, statt zu raten.

Transkript:
[füge dein Transkript hier ein]

Gut zu wissen: Du kannst in anderen Apps weiterdiktieren, während eine Datei im Hintergrund transkribiert wird.

DijiFlow ist nicht nur für deine eigene Stimme da — es kann jede Video- oder Audiodatei transkribieren, die du hineinziehst, samt Sprechererkennung. So lässt sich ein Vortrag, ein Interview oder eine Vorlesung leicht in Text verwandeln.

1. 1 Lade das Video mit einem beliebigen Online-YouTube-Downloader herunter.
2. 2 Zieh die heruntergeladene Datei als Video per Drag & Drop in DijiFlow — den Rest übernimmt es.

Dasselbe Drag & Drop funktioniert für jede lokale Audio- oder Videodatei, nicht nur für YouTube.

Wenn dein Rechner eine Intel- oder AMD-GPU hat, stelle sicher, dass DijiFlow sie auch wirklich nutzt — Hardwarebeschleunigung ist dramatisch schneller als der Betrieb auf der CPU.

1. 1 Öffne den Tab GPU.
2. 2 Stelle sicher, dass die Intel- oder AMD-Beschleunigung ausgewählt ist und als funktionierend angezeigt wird.

Warnung für Intel-GPUs: Sie sind meist in die CPU integriert und teilen sich begrenzten Speicher. Wenn du auf einer Intel-GPU Tempo willst, lade kleinere Modelle oder aktiviere die Dynamische Speicheroptimierung, damit die Modelle hineinpassen.

Wenn du ein Meeting oder eine Datei mit mehreren Personen transkribierst, muss die Sprechererkennung raten, wie viele verschiedene Stimmen es gibt. Du kannst ihr enorm helfen, indem du es ihr vorab sagst.

Wenn du genau weißt, wie viele Personen in der Aufnahme sprechen, stelle diese Zahl vor dem Transkribieren ein — die Sprechererkennung wird viel genauer, wenn sie nicht raten muss.