Lokal oder Cloud? Was beim Diktieren mit deinem Text wirklich passiert
Guide · twirly.ch English version ↓
Fast jede Diktier-App wirbt heute mit «privat» und «sicher». Trotzdem funktionieren sie technisch grundverschieden: Die einen schicken deine Stimme an Server und bekommen Text zurück, die anderen rechnen alles auf deinem Gerät. Beides ist legitim — aber du solltest wissen, welches Modell du benutzt, bevor du deine Verträge, Mails oder Patientennotizen diktierst.
Wie Cloud-Diktat funktioniert
Beim Cloud-Modell nimmt die App deine Stimme auf, verschickt sie (oder einen Audio-Stream) an Rechenzentren, dort transkribiert und poliert ein grosses Modell den Text, und das Ergebnis kommt zurück in dein Textfeld. Das hat echte Vorteile: Die Server-Modelle können riesig sein, unterstützen oft über 100 Sprachen und laufen auch auf schwacher Hardware flüssig.
Der Preis dafür: Dein gesprochener Inhalt verlässt dein Gerät — bei jedem einzelnen Diktat. Achte dabei auf die Wortwahl: «Auf deinem Gerät gespeichert» ist nicht dasselbe wie «auf deinem Gerät gerechnet». Es gibt Apps, deren Startseite nach Gerät klingt, während die Datenschutzerklärung Cloud- und KI-Infrastruktur-Anbieter als Verarbeiter auflistet — gespeichert wird lokal, gerechnet in der Cloud. Das ist kein Skandal, aber ein Unterschied, den man kennen sollte. Und: «Zero data retention» heisst «wir behalten es nicht» — nicht «es war nie dort».
Was «100 % lokal» technisch heisst
Lokales Diktat war lange ein Kompromiss: kleine Modelle, mässige Qualität. Das hat sich mit Apple Silicon geändert. Moderne Macs haben genug GPU- und Neural-Engine-Leistung, um ernsthafte Spracherkennungs- und Sprachmodelle direkt auf dem Gerät laufen zu lassen — in Echtzeit.
Konkret bei Twirly: Die Spracherkennung (Parakeet v3), das Sprachmodell fürs Ausformulieren und Umschreiben (Qwen3-8B) und die Vorlese-Stimme (Supertonic 3) liegen als Dateien auf deinem Mac und rechnen auf der Apple-Silicon-GPU. Es gibt keinen Server, an den etwas geschickt werden könnte — Internet braucht die App nur für die Lizenz-Aktivierung und den optionalen Update-Check. Das ist überprüfbar: Diktieren funktioniert im Flugmodus.
Der ehrliche Trade-off
Cloud gewinnt bei: Sprachvielfalt (100+ Sprachen), Geräte-Vielfalt (Windows, Android, iPhone), und es läuft auch auf alten Rechnern. Wenn du in Teams arbeitest, die geteilte Wörterbücher und Admin-Funktionen brauchen, führt an Cloud-Diensten kaum ein Weg vorbei.
Lokal gewinnt bei: Vertraulichkeit (der Text existiert nur bei dir — relevant für Anwältinnen, Ärzte, Journalistinnen, HR und alle mit NDA), Verfügbarkeit (Zug, Flugzeug, schlechtes WLAN), Latenz (kein Netzwerk-Roundtrip) und langfristig beim Preis: Lokale Werkzeuge kosten meist einmal, Cloud-Dienste monatlich — was sich über die Jahre summiert.
Wichtig für Compliance: Bei manchen Berufsgeheimnissen (Anwalts-, Arzt-, Bankgeheimnis) ist die Frage nicht, ob der Anbieter vertrauenswürdig ist, sondern ob Inhalte überhaupt an Dritte fliessen dürfen. On-Device-Verarbeitung beantwortet diese Frage strukturell statt vertraglich.
Woran du erkennst, was eine App wirklich tut
Drei Prüfungen, die jede Marketing-Seite überleben:
1. Flugmodus-Test — Internet aus, diktieren. Kommt Text, rechnet die App lokal. Kommt ein Fehler, war die Cloud im Spiel.
2. Datenschutzerklärung nach «processors» oder «sub-processors» durchsuchen. Stehen dort Cloud- oder KI-Infrastruktur-Anbieter, wird dort gerechnet — egal, was die Startseite sagt.
3. Konto-Zwang als Indiz: Eine App, die ohne Konto und ohne Login funktioniert, hat strukturell weniger Wege, Daten mit dir zu verknüpfen.
Kurz entschieden
Du diktierst gelegentlich kurze Nachrichten? Das eingebaute macOS-Diktat reicht, es kostet nichts.
Du brauchst Windows, Android oder mehr als 25 Sprachen? Dann führt an einem Cloud-Dienst kaum ein Weg vorbei — mit dem Wissen von oben.
Du schreibst täglich auf dem Mac und willst, dass Text bei dir bleibt — ohne Abo? Genau dafür haben wir Twirly gebaut: diktieren, umschreiben, vorlesen, 100 % auf deinem Mac, CHF 30 einmal.
Local or cloud? What really happens to your text when you dictate
Guide · twirly.ch
Nearly every dictation app markets itself as “private” and “secure” today. Yet they work in fundamentally different ways: some send your voice to servers and get text back, others compute everything on your device. Both are legitimate — but you should know which model you are using before you dictate your contracts, emails or client notes.
How cloud dictation works
In the cloud model the app records your voice, ships it (or an audio stream) to data centres, a large model transcribes and polishes the text there, and the result comes back into your text field. That has real advantages: server models can be huge, often support 100+ languages, and run smoothly even on weak hardware.
The price: your spoken content leaves your device — with every single dictation. Watch the wording here: “stored on your device” is not the same as “computed on your device”. Some apps sound on-device on their homepage while their privacy policy lists cloud and AI-infrastructure vendors as processors — storage is local, computation is cloud. That is not a scandal, but it is a difference worth knowing. And “zero data retention” means “we don’t keep it” — not “it was never there”.
What “100% local” technically means
Local dictation used to be a compromise: small models, middling quality. Apple Silicon changed that. Modern Macs have enough GPU and Neural Engine power to run serious speech-recognition and language models directly on the device — in real time.
Concretely, in Twirly: the speech recognition (Parakeet v3), the language model for clean wording and rewriting (Qwen3-8B) and the read-aloud voice (Supertonic 3) live as files on your Mac and compute on the Apple Silicon GPU. There is no server anything could be sent to — the app touches the internet only for license activation and the optional update check. You can verify this yourself: dictation works in airplane mode.
The honest trade-off
Cloud wins on: language breadth (100+ languages), device breadth (Windows, Android, iPhone), and it runs on old hardware. If you work in teams that need shared dictionaries and admin features, there is hardly a way around cloud services.
Local wins on: confidentiality (the text only ever exists with you — relevant for lawyers, doctors, journalists, HR and anyone under NDA), availability (train, plane, bad Wi-Fi), latency (no network round-trip), and long-term price: local tools usually cost once, cloud services monthly — which adds up over the years.
Compliance matters too: for some professional-secrecy duties (legal, medical, banking) the question is not whether the vendor is trustworthy, but whether content may flow to third parties at all. On-device processing answers that question structurally instead of contractually.
How to tell what an app really does
Three checks that survive any marketing page:
1. The airplane-mode test — turn off the internet and dictate. If text appears, the app computes locally. If you get an error, the cloud was involved.
2. Search the privacy policy for “processors” or “sub-processors”. If cloud or AI-infrastructure vendors are listed, that is where the computing happens — whatever the homepage says.
3. Account requirement as a signal: an app that works without an account and without a login structurally has fewer ways to tie data to you.
Deciding quickly
You occasionally dictate short messages? Built-in macOS dictation is enough, and it costs nothing.
You need Windows, Android or more than 25 languages? Then a cloud service is hard to avoid — with the knowledge above.
You write on your Mac daily and want text to stay with you — without a subscription? That is exactly what we built Twirly for: dictate, rewrite, read aloud, 100% on your Mac, CHF 30 once.