# Spracheingabe und Vorlesen

> Dem KI-Assistenten diktieren statt tippen, Antworten vorlesen lassen und Aufnahmen in Text verwandeln. Was es gibt, welche Modelle die Arbeit machen und wie Sie sie einrichten.

Tom Keller, Bauleiter bei Brandt & Söhne, steht mit schmutzigen Händen im Heizungskeller der Nordwind AG. Tippen geht nicht, sprechen schon. Mit der Sprachfunktion von nexxus diktiert Tom „Leg eine Folgeaufgabe für die Nordwind AG an, die Pumpe muss getauscht werden“ und prüft den Text vor dem Abschicken. Auf der Rückfahrt liest der KI-Assistent die Antwort vor.

Rund um Sprache bietet nexxus drei Dinge:

- **Spracheingabe** (Diktat): ein Mikrofon in jedem Chat-Eingabefeld macht aus Gesprochenem Text. Im Eingabebereich des KI-Assistenten nimmt es, gedrückt gehalten, eine Sprachnachricht auf.
- **Vorlesen**: ein Lautsprecherknopf unter jeder Antwort des KI-Assistenten.
- **Transkription**: der Connector <Ui>Transkription</Ui> verwandelt Audio- und Videodateien in Text, etwa die Aufnahme einer Besprechung.

Ein gesprochenes Live-Gespräch mit dem KI-Assistenten gibt es nicht. Ein Diktat landet als Text im Eingabefeld, und Sie entscheiden, wann es abgeht. Eine Sprachnachricht geht beim Loslassen ab, ohne dass Sie den Text vorher sehen.

<Flow
  steps={[
    { icon: 'mic', title: 'Sie sprechen', text: 'Der Browser nimmt auf, solange das Mikrofon an ist.' },
    { icon: 'audio-lines', title: 'Sprache zu Text', text: 'Ihr Spracheingabe-Modell macht aus der Aufnahme Text.', tone: 'cyan' },
    { icon: 'message-square-text', title: 'Der KI-Assistent antwortet', text: 'Ein Diktat prüfen Sie und schicken es ab, eine Sprachnachricht geht beim Loslassen ab.', tone: 'lavender' },
    { icon: 'volume-2', title: 'Vorlesen', text: 'Ihr Sprachausgabe-Modell oder die Browserstimme liest die Antwort.' },
  ]}
  caption="Weder Aufnahmen noch erzeugter Ton werden gespeichert. Beides läuft durch und ist weg."
/>

## Wo Sprache vorkommt

| Funktion | Wo | Wer sie nutzen kann |
|---|---|---|
| Spracheingabe | Der Mikrofonknopf im Eingabebereich der Spalte des KI-Assistenten, auf <MenuPath to="KI > Mit KI arbeiten > KI-Sessions" /> und im Dashboard-Widget <Ui>Frag den Assistenten</Ui> | Alle, die den KI-Assistenten nutzen können |
| Sprachnachricht | Das Mikrofon gedrückt halten, im Eingabebereich der Spalte des KI-Assistenten und auf <MenuPath to="KI > Mit KI arbeiten > KI-Sessions" /> | Alle, die den KI-Assistenten nutzen können |
| Vorlesen | Der Lautsprecherknopf unter jeder fertigen Antwort, in der Spalte des KI-Assistenten und auf <Ui>KI-Sessions</Ui> | Alle, die den KI-Assistenten nutzen können |
| Transkription | Der KI-Assistent nutzt sie, wenn im Gespräch der Connector <Ui>Transkription</Ui> an ist | Alle, die Connectoren nutzen dürfen, für Dateien, die sie ansehen dürfen |

## Bevor Sie beginnen

- Ein Anbieter mit Sprachmodellen ist angebunden und aktiv. OpenAI bietet beide Arten. Andere Anbieter bieten eine, beide oder keine. Siehe [KI anbinden](/de/setup/connect-ai/).
- Für die Wahl der Modelle brauchen Sie den Rechteblock <Ui>KI-Provider</Ui> mit <Ui>Schreiben</Ui>.
- Wer diktiert, braucht einen Browser mit Mikrofonzugriff und muss ihn für nexxus beim ersten Mal erlauben.

## Spracheingabe einrichten

Ohne Auswahl transkribiert nexxus mit `gpt-4o-transcribe` von OpenAI über Ihren OpenAI-Anbieter. Haben Sie keinen OpenAI-Anbieter oder möchten Sie ein anderes Modell, wählen Sie eines aus.

<Steps>

1. Öffnen Sie <MenuPath to="KI > KI einrichten > KI-Provider" /> und klicken Sie auf den Anbieter.

2. Klicken Sie auf <Ui>Modelle synchronisieren</Ui>. Modelle, deren Name „whisper“, „transcribe“, „voxtral“ oder „parakeet“ enthält, landen auf dem Reiter <Ui>Spracheingabe</Ui>.

3. Öffnen Sie <Ui>Spracheingabe</Ui> und schalten Sie beim Modell <Ui>Verwenden</Ui> ein. Ihr Arbeitsbereich nutzt ein Spracheingabe-Modell über alle Anbieter hinweg; eine Auswahl hier ersetzt eine Auswahl anderswo.

   <Screenshot src={shot_ai_voice_speech_to_text} url="/ai-providers/ionos" alt={"Der Reiter Spracheingabe mit einem gewählten Modell"} caption={"Ohne Auswahl nimmt nexxus ein OpenAI-Modell."} />

4. Klicken Sie auf <Ui>Speichern</Ui>.

</Steps>

## Vorlesen einrichten

Ohne Auswahl liest der Browser mit seiner eingebauten Stimme. Das kostet nichts und braucht keine Einrichtung, klingt aber schlichter, und die Qualität hängt von Browser und Betriebssystem ab. Mit einem Sprachausgabe-Modell klingen die Antworten natürlich.

<Steps>

1. Öffnen Sie auf derselben Anbieterseite den Reiter <Ui>Sprachausgabe</Ui>. Er erscheint, wenn der Anbieter Modelle hat, deren Name „tts“ oder „text-to-speech“ enthält.

2. Schalten Sie beim Modell <Ui>Verwenden</Ui> ein und klicken Sie auf <Ui>Speichern</Ui>.

</Steps>

Die Stimme ist fest: nexxus fordert beim Modell immer die Stimme „alloy“ an. Eine Einstellung für eine andere Stimme gibt es nicht.

## So nutzt Ihr Team die Sprache

### Diktieren

<Steps>

1. Klicken Sie im Eingabebereich kurz auf das Mikrofon (Hinweis <Ui>Spracheingabe (gedrückt halten für eine Sprachnachricht)</Ui>). Beim ersten Mal fragt der Browser, ob nexxus das Mikrofon nutzen darf.

2. Sprechen Sie. Eine Wellenform und eine Uhr zeigen, dass die Aufnahme läuft.

3. Klicken Sie auf den Stoppknopf (<Ui>Aufnahme stoppen</Ui>) oder auf den Sendeknopf. Während der Text erkannt wird, steht im Eingabefeld „Transkribiere ...“.

4. Der Text erscheint im Eingabefeld. Korrigieren Sie ihn, falls nötig, und schicken Sie ihn ab. Über einer diktierten Nachricht steht „12 s gesprochen“ (mit der echten Länge).

</Steps>

<Screenshot src={shot_ai_voice_recording} url="/partner/customers" alt={"Diktat an den KI-Assistenten: der Eingabebereich während der Aufnahme"} caption={"Der Text landet im Eingabefeld. Sie entscheiden, wann er abgeht."} />

Paket-Module können auf ihren Datensatzseiten einen Diktierknopf anbieten, im Zahnwerk-Paket etwa <Ui>Notiz diktieren</Ui> am Termin. Er nimmt mit derselben Spracherkennung auf, der Knopf <Ui>Aufnahme beenden</Ui> mit der laufenden Zeit stoppt sie, und der erkannte Text wird in einer neuen Zeile an das Feld angehängt, ohne Umweg über den KI-Assistenten. Lässt sich das Feld nicht speichern, zeigt nexxus den Text zum Kopieren an, damit nichts verloren geht.

nexxus gibt dem Modell die Sprache des Browsers als Hinweis mit, damit es nicht bei jedem Satz die Sprache raten muss.

### Eine Sprachnachricht schicken

Wenn Sie den Text nicht prüfen wollen, schicken Sie eine Sprachnachricht. Das geht in der Spalte des KI-Assistenten und auf <Ui>KI-Sessions</Ui>.

<Steps>

1. Halten Sie das Mikrofon gedrückt und sprechen Sie.

2. Lassen Sie los. nexxus macht aus der Aufnahme Text und schickt ihn sofort ab, zusammen mit Dateien, die Sie schon angehängt haben. Was Sie ins Eingabefeld getippt hatten, bleibt dort stehen.

3. Im Verlauf steht über Ihrer Nachricht „Sprachnachricht · 0:14“ (mit der echten Länge).

</Steps>

Antwortet der KI-Assistent gerade noch, geht nichts ab: Der Text landet im Eingabefeld, wie bei einem Diktat.

### Zuhören

Klicken Sie unter einer Antwort auf den Lautsprecher (<Ui>Vorlesen</Ui>). Ein weiterer Klick hält an (<Ui>Vorlesen anhalten</Ui>), noch einer liest weiter (<Ui>Weiter vorlesen</Ui>). Solange vorgelesen wird, beendet ein Stoppknopf daneben das Vorlesen (<Ui>Vorlesen beenden</Ui>). Es läuft immer nur eine Antwort; eine neue beendet die alte.

<Screenshot src={shot_ai_voice_read_aloud} url="/dashboard" alt={"Eine Antwort vorlesen: Anhalten und Beenden unter der Antwort"} caption={"Es läuft immer nur eine Antwort."} />

nexxus liest vor, was ein Mensch vorlesen würde: den Text der Antwort. Codeblöcke, Formulare, Aktionskarten, Wissensvorschläge, Bilder und die Adressen hinter Links lässt es weg (ein Link wird mit seiner Beschriftung gelesen). Tabellen liest es Zeile für Zeile, jede Überschrift und jeder Listenpunkt wird ein Satz.

### Eine Aufnahme transkribieren

Schalten Sie für das Gespräch den Connector <Ui>Transkription</Ui> ein: Klicken Sie im Eingabebereich auf <Ui>+</Ui> und öffnen Sie die Connectoren, oder tippen Sie `@` und wählen Sie ihn aus. Hängen Sie dann die Datei an oder nennen Sie eine aus Dateien und bitten Sie den KI-Assistenten etwa: „Transkribiere die Aufnahme und schreib ein Protokoll mit Beschlüssen und offenen Punkten.“

Der Connector liest Audio- und Videodateien bis 25 MB, die die Person ansehen darf, und nutzt dasselbe Spracheingabe-Modell wie das Mikrofon. Er ist ab Werk installiert, in neuen Gesprächen aber nicht eingeschaltet. Mehr zu Connectoren: [Connectoren](/de/plugins/overview/).

## Was im Hintergrund passiert

- **Diktat.** Der Browser nimmt in einem Format auf, das er beherrscht (WebM, Ogg oder MP4), und schickt den Ton nach dem Stopp an nexxus. nexxus reicht ihn an das AI-Gateway weiter, das die Spracherkennung Ihres Anbieters aufruft. Zurück kommt nur der Text. Gespeichert wird nichts.
- **Vorlesen.** nexxus schickt die Antwort in Teilen an das AI-Gateway. Der erste Teil ist kurz (etwa 240 Zeichen), damit die Stimme schnell anfängt; der Rest folgt in Teilen von etwa 1200 Zeichen, und der nächste Teil entsteht, während der aktuelle läuft. Das MP3 des Anbieters fließt direkt zum Browser durch und wird nicht gespeichert. Eine Anfrage fasst höchstens 4096 Zeichen.
- **Rückfall.** Ist kein Sprachausgabe-Modell gewählt oder bietet das AI-Gateway keinen Sprachdienst, übernimmt die Stimme des Browsers, ohne Fehlermeldung. Sie teilt den Text in kurze Stücke und rät für jedes die Sprache.

## Wenn etwas nicht klappt

| Meldung | Ursache und Abhilfe |
|---|---|
| <Ui>Spracheingabe wird von diesem Browser nicht unterstützt.</Ui> | Der Browser kann keinen Ton aufnehmen. Nehmen Sie eine aktuelle Version eines verbreiteten Browsers. |
| <Ui>Kein Zugriff auf das Mikrofon. Bitte im Browser erlauben.</Ui> | Der Mikrofonzugriff wurde verweigert. Erlauben Sie ihn in den Website-Einstellungen des Browsers und versuchen Sie es erneut. |
| <Ui>Keine Sprache erkannt.</Ui> | Die Aufnahme war still oder zu kurz. Prüfen Sie das Mikrofon und sprechen Sie etwas länger. |
| <Ui>Transkription fehlgeschlagen</Ui> mit `No usable provider "openai"` | Es ist kein Spracheingabe-Modell gewählt, und für den Rückfall gibt es keinen aktiven OpenAI-Anbieter. Wählen Sie ein Modell auf <Ui>Spracheingabe</Ui>. |
| <Ui>Transkription fehlgeschlagen</Ui> mit einem HTTP-Status des Anbieters | Der Anbieter hat die Anfrage abgelehnt, etwa wegen des Schlüssels oder der Dateigröße. Testen Sie den Anbieter mit <Ui>Verbindung testen</Ui>. |
| <Ui>Vorlesen wird von diesem Browser nicht unterstützt.</Ui> | Der Browser kann weder Ton abspielen noch hat er eine eingebaute Stimme. Nehmen Sie einen anderen Browser. |
| <Ui>Vorlesen fehlgeschlagen</Ui> mit einem Grund | Das Sprachausgabe-Modell hat einen Fehler gemeldet. Prüfen Sie den Anbieter des gewählten Modells. |
| Eine schlichte Stimme liest, obwohl ein Modell gewählt ist | Der Anbieter dieses Modells ist ausgeschaltet oder hat keinen Schlüssel, deshalb liest der Browser. Prüfen Sie <Ui>Provider aktiv</Ui>. |

## Wie es weitergeht

<CardGrid>
  <LinkCard title="KI anbinden" description="Anbieter, Modelle und die übrigen Modellzwecke." href="/de/setup/connect-ai/" />
  <LinkCard title="Mit dem KI-Assistenten arbeiten" description="Alles über den KI-Assistenten, mit dem Ihr Team spricht." href="/de/use/assistant/" />
</CardGrid>