Chatterfly will nicht die Frage beantworten, wie genau Spracherkennung arbeitet. Es will den Arbeitsschritt entfernen, den niemand gern macht: aus einem zerstreuten gesprochenen Absatz einen geschriebenen Text machen, den man wirklich verschicken kann.

Beim Schreiben stockt es selten an den Fingern. Der Gedanke im Kopf kommt verstreut, gesprochen, in Spruengen, und die Tastatur verlangt sofort einen vollstaendigen Satz mit ordentlicher Wortwahl. Das Aufraeumen dazwischen bleibt an einem selbst haengen, jedes Mal. Spracheingabe sieht aus wie ein Weg daran vorbei, beseitigt aber nur die Haelfte: Das Tippen faellt weg, und auf dem Bildschirm landet rohe Rede mit Fuellwoertern, Wiederholungen und halben Saetzen, die Zeile fuer Zeile nachgearbeitet werden muss.

Chatterfly ist ein Programm fuer Spracheingabe und Schreibhilfe von Tencent, das im September 2026 eine begrenzte Testphase gestartet hat. Der offizielle Satz ist einfach: erst nicht fertig denken, einfach anfangen zu sprechen. Die Ausrichtung ist nicht die bessere Mitschrift. Sie ist der kuerzere Weg vom Diktat zum fertigen Text.

Beim Halten von Fn wird mehr als Ton verarbeitet

Der voreingestellte Ausloeser ist die Fn Taste. Halten oder kurz tippen startet, ein weiterer Druck beendet. Bemerkenswert ist der Weg, den das Programm nicht geht: Es uebernimmt nicht die Eingabemethode des Systems. Es sitzt als eigenes Programm auf dem Schreibtisch und laesst sich in einem Dokument, einem Chatfenster oder einem Feld im Browser aufrufen, ohne vorher die Eingabemethode umzuschalten. Diese Form bestimmt die Reichweite. Ueberall dort, wo man tippen kann, kann es hinter dem Schreibzeiger uebernehmen.

Sprechen, und der Entwurf steht, weil der Zwischenschritt fehlt

Fn im Chatfenster halten, einen Absatz diktieren, loslassen, und was erscheint, ist keine Mitschrift. Es ist Text, der durch etwas hindurchgegangen ist. Wiederholungen werden gefiltert, verworrene Wortstellung wird geordnet, Stellen, die eine Liste verdienen, bekommen eine Liste, und Anrede und Tonfall richten sich nach dem Empfaenger. Die Internetseite beschreibt das als Kontext verstehen und Absicht und Lage erkennen. Dieselbe Nachricht, dass es heute Abend nicht klappt, klingt bei einer befreundeten Person anders als bei einer Kollegin.

Darunter liegt eine ganze Kette: sprechen, glaetten, liefern. Das erklaerte Ziel ist, Ton und Haltung der sprechenden Person zu erhalten, statt alle in eine Vorlagenstimme zu waschen, und genau das ist in einer Testphase der schwierige Teil. Berichte von dritter Seite nennen fuer Sprache und Befehle die Hunyuan Modellreihe von Tencent, das offizielle Material schluesselt die Technik jedoch nicht Punkt fuer Punkt auf.

Sechs Fertigkeiten, die dem Glaetten sagen, was geschrieben wird

Die Fertigkeiten sind der auffaelligste Teil des Entwurfs. Sechs sind in der Testphase dabei: Sitzungsnotizen, Arbeitsberichte, Projektstand, Werbetexte, E-Mail Glaetten und Vorschlagsoptimierung fuer Entwickler, die mit Unterstuetzung von Modellen programmieren. Jede laesst sich einzeln schalten, und sobald sie an ist, schiebt das Modell die Ausgabe in diese Richtung, statt bei allgemeiner Fluessigkeit und Rechtschreibung stehen zu bleiben.

Der Unterschied zeigt sich in konkreten Faellen. Mit eingeschalteter Fertigkeit fuer Werbetexte einen Produktabsatz diktieren, und zurueck kommt ein versandfertiger Text mit einer Rangfolge der Verkaufsargumente. Mit E-Mail Glaetten sagen, der Vorschlag sei noch nicht fertig und komme morgen, und man erhaelt eine formelle Antwort mit klarem Termin. Gleicher Satz, andere Fertigkeit, ein voellig anderes Ergebnis, und darin liegt der Abstand zu gewoehnlicher Mitschrift.

Sprache ist nicht nur Eingabe, sondern auch Befehl

Ein Doppeldruck auf Fn schaltet in den Befehlsmodus. Was man sagt, ist dann kein Text zum Tippen, sondern eine Aufgabe fuer das Modell: einen Absatz Werbetext schreiben, das Sichtbare ins Englische uebersetzen, einen langen Text zu Stichpunkten verdichten. Das Ergebnis kommt an Ort und Stelle zurueck, ohne Sprung in ein anderes Fenster zum Kopieren. Gespraechsfaehigkeit in den Eingabeschritt zu legen schiebt die Eingabemethode vom Aufzeichnungswerkzeug in Richtung Ausfuehrungspunkt.

Das Tippen wurde nicht geopfert

So bequem Sprache ist, nicht jeder Raum ist ein Raum zum Lautsprechen. Chatterfly behaelt die volle Tastatureingabe, mit Lautschrift, Kurzform, gemischtem Chinesisch und Englisch und langen ununterbrochenen Saetzen, und das Woerterbuch deckt Modewoerter und Fachbegriffe ab. Das persoenliche Woerterbuch merkt sich still die Woerter, die man nach einer Mitschrift von Hand korrigiert hat, nimmt eigene Fachbegriffe auf und laesst sich in einem Zug aus einem alten Bestand uebernehmen, was den Wechsel des Werkzeugs verbilligt.

Die Startseite traegt eine Auswertung: Gesamtzeichen, Anteil von Tastatur und Sprache, Sprechtempo und gesparte Zeit. Nichts davon verbessert das Schreiben selbst, aber es macht aus einem Gefuehl eine nachpruefbare Zahl, wie viel Sprache wirklich spart.

Was heute tatsaechlich geht

Chatterfly ist noch in einer befristeten Testphase und verlangt einen Einladungscode fuer die Anmeldung. Das Programm deckt Windows und macOS ab, iOS und Android sind als spaeter angekuendigt, und Preise fuer die fertige Fassung sind nicht genannt. Mitschriften und Aufnahmen liegen voreingestellt auf dem eigenen Rechner, doch Umwandlung und Glaetten haengen weiter an Modellen in der Rechenzentrale, weshalb bei heiklen Inhalten die offizielle Datenschutzerklaerung gilt.

Die in der Testphase sichtbaren Grenzen gehoeren klar benannt. Woerter aus Ziffern und Zeichen werden in der Lautschrift manchmal ungenau vorgeschlagen, die Fertigkeit fuer Sitzungsnotizen wird noch abgestimmt, und leises Sprechen oder eine schwache Verbindung leiden trotz gezielter Arbeit weiter unter den echten Aufnahmebedingungen. Der wichtigste Punkt ist einfacher: Was zurueckkommt, ist ein erster Entwurf. Alles mit Zusage, Preis oder Termin sollte vor dem Versand noch ein Mensch lesen.

Der eigentliche Gewinn liegt nicht in der Trefferquote. Er liegt darin, dass das Programm die Strecke zwischen Einfall und klarer Aussage uebernommen hat. Man spricht, und der Rest wird erledigt.