Wenn der Kontext die Antwort entscheidet, ist ein brauchbarer Prompt lang. Er trägt die Einschränkung, den Versuch von vorhin, die Ausnahme, an der die letzte Antwort scheiterte, und den Grund, warum die naheliegende Lösung hier nicht greift. Das alles wissen Sie, bevor Sie die Tastatur berühren. Tippen kostet zwei Minuten, also tippen Sie in zwanzig Sekunden ein Drittel und schicken das ab.
Das Modell antwortet auf das Drittel.
Sprechen sieht nach der offensichtlichen Reparatur aus. Sagen Sie die vollen zwei Minuten laut, und die Teile, die Sie aus Bequemlichkeit gestrichen hätten, bleiben erhalten.
Dann lesen Sie das Transkript. Es beginnt zweimal. Vor der wichtigen Bedingung steht ein Zögern, dazu ein Satz, den Sie auf halber Strecke fallen ließen, und eine Korrektur, die Sie laut ausgesprochen haben. In das Prompt-Feld geklebt ist das nicht erkennbar besser als die kurze Fassung, die Sie getippt hätten.
Die Frage lautet also nicht, ob Sie sprechen sollten. Sie lautet, wie viel vom Gesagten im Textfeld ankommen soll.
Gestrichen wird meist das, was das Modell gebraucht hätte
Achten Sie darauf, welche Wörter verschwinden, wenn Sie einen Prompt von Hand kürzen. Die Einschränkung bleibt, weil sie wie die eigentliche Bitte aussieht. Der Kontext geht zuerst: die Version des Frameworks, der Versuch vom Dienstag, der Grund, warum Sie das Schema nicht ändern können. Es entscheidet nicht der Inhalt, sondern der Aufwand, und der Aufwand weiß nicht, welcher Satz die Antwort trägt.
TalkTalkType zählt eine gehaltene Aufnahme als ein Diktat, egal was darin steht. Vierzig Wörter und vierhundert kosten gleich viel. Das macht Sie nicht zum besseren Prompt-Schreiber. Es nimmt nur den konkreten Grund weg, aus dem Sie gekürzt haben.
Gesprochenes bricht an anderen Stellen als Getipptes
Getippte Prompts scheitern an Auslassung. Gesprochene scheitern an Rückstand.
Eine Aufnahme sammelt den Fehlstart, die Füllsilbe vor einem schwierigen Wort, den halben Satz, den Sie fallen ließen, als Ihnen die bessere Formulierung einfiel. Nichts davon ist ein Erkennungsfehler. Sie haben es gesagt, also behält ein treues Transkript es.
Deshalb ist eine Diktier-App für Prompts nicht fertig, sobald die Erkennung stimmt. Was bleibt, ist eine redaktionelle Entscheidung, und sie gehört dem, der das Ziel des Textes kennt.
Die Wahl heißt Clean oder Raw, nicht eine Reihe von Presets
TalkTalkType macht diese Entscheidung zu einer Wahl mit zwei Stellungen: Clean und Raw. Es gibt weder einen Picker für das Ziel noch ein Umschreib-Preset.
Clean führt eine treue, leichte Bereinigung durch. Die Anweisung lautet, jedes gesprochene Wort, die Reihenfolge, das Register und die gewollte Knappheit zu erhalten und nur eindeutige Verzögerungslaute zu entfernen, sofern das die Bedeutung nicht ändert. Es wird nicht umformuliert, ergänzt, zusammengefasst oder höflicher gemacht. Eine kurze Wendung bleibt kurz. Das Ergebnis kommt als eine Zeile zurück.
Raw gibt das Transkript unverändert zurück. Es läuft kein Aufbereitungsmodell. Das Erste, was Sie sehen, ist das, was Sie gesagt haben.
Die beiden decken verschiedene Aufnahmen ab. Clean passt, wenn genau Ihr Wortlaut die Anforderung ist, einschließlich der sperrigen Formulierung, die Sie mit Absicht gewählt haben, und der Stelle, die Sie kurz halten wollten. Raw passt zu einer Aufnahme, die Sie selbst redigieren wollen, oder zu einer mit einem Eigennamen, den die Bereinigung glattziehen könnte.
Keines von beiden schreibt Ihren Prompt für Sie um, und das ist Absicht. Beim Drücken der Tastenkombination erfasst die App die fokussierte Anwendung und klassifiziert das Feld unter dem Cursor über eine feste Tabelle, nicht über eine Vermutung. Das bereinigte Ergebnis kommt als Entwurf an, und das erste Einfügen ist treu. Wer es umformen will — aus einer gesprochenen Ausschweifung eine straffere Anweisung machen —, kann im optionalen Voice-Patch-Schritt eine Verfeinerung sprechen, bevor der Text eingefügt wird, ohne dass dieses erste Einfügen je still umgeschrieben wird. Kontextbewusste Diktierfunktion am Mac verfolgt, wie das Ziel gelesen wird und wo Anpassung stattfindet und wo nicht.
Jeder Tarif umfasst Clean und Raw. Tarife unterscheiden sich in wöchentlichen Diktaten, Sprachzeit, dem Kontingent für bereinigte Eingaben und der Aufnahmelänge, nicht darin, welche Modi Sie ausführen können.
Die beiden Modi im Vergleich:
| Modus | Was er behält | Was er ändert | Wann er passt |
|---|---|---|---|
| Clean | Jedes gesprochene Wort, die Reihenfolge, das Register und die gewollte Knappheit | Entfernt nur eindeutige Verzögerungslaute; formuliert nicht um, ergänzt nicht, fasst nicht zusammen und macht nichts höflicher | Eine Aufnahme, bei der genau Ihr Wortlaut die Anforderung ist, einschließlich der sperrigen Formulierung, die Sie mit Absicht gewählt haben |
| Raw | Das gesamte Transkript, unverändert | Nichts; es läuft kein Aufbereitungsmodell | Eine Aufnahme, die Sie selbst redigieren wollen, oder eine mit einem Eigennamen, den die Bereinigung glattziehen könnte |
Was gezählt wird, entscheidet, was Sie zu sagen wagen
Free enthält 30 Diktate und 15 Minuten Sprache pro Woche, jede Aufnahme auf 60 Sekunden begrenzt. Plus ist mit 1 US-Dollar im Monat für 80 Diktate und 30 Minuten gelistet. Pro kostet 7 US-Dollar für 500 Diktate, 250 Minuten und ein Limit von 120 Sekunden. Max kostet 18 US-Dollar für 1.200 Diktate und 600 Minuten. Die aktuellen Werte stehen auf der Preisseite von TalkTalkType.
Die Aufbereitung hat ein eigenes Wochenkontingent: 20 bereinigte Eingaben bei Free und 60 bei Plus; Pro und Max haben kein eigenes Aufbereitungskontingent. Eine Raw-Aufnahme verbraucht davon nichts, weil auf dem Text nichts läuft.
Aus dieser Rechnung folgen zwei Gewohnheiten, und es sind nicht die, die ein Wortlimit erzeugen würde.
Innerhalb einer Aufnahme neu anzusetzen ist kostenlos. Sagen Sie die Bedingung, hören Sie, dass sie schief geraten ist, sagen Sie sie richtig, und lassen Sie die Bereinigung die aufgegebene Hälfte streichen. Ein zweiter Anlauf mit neuer Aufnahme kostet dagegen, also lohnt es sich, eine misslungene Aufnahme zu Ende zu sprechen, statt die Taste loszulassen.
Die 60 Sekunden bei Free und Plus sind die eigentliche Grenze, und man spürt sie beim Sprechen. Eine Minute ist viel Prompt. Für freies Assoziieren reicht sie nicht, und das ist der richtige Druck.
Im Prompt-Feld steht Ihr Cursor bereits
Option-Leertaste halten, sprechen, loslassen. Der Text landet in dem Feld, das den Fokus hatte, hier also im Prompt-Feld von Cursor, von ChatGPT oder im Terminal, in dem Sie ohnehin getippt haben. Das direkte Einfügen nutzt die Bedienungshilfen-Berechtigung von macOS, und die Zustellung über die Zwischenablage bleibt verfügbar, wenn eine geschützte App automatisierte Eingaben ablehnt. Die App läuft in der Menüleiste, ab macOS 26.
Das Ziel wiegt hier schwerer als bei einer kurzen Nachricht. Ein Prompt entsteht neben dem, worauf er sich bezieht. Wer zum Diktieren in ein anderes Fenster wechselt und das Ergebnis zurückträgt, holt sich die Unterbrechung durch eine andere Tür wieder herein. Wie sich der Weg zum aktiven Cursor über Apps hinweg verhält, steht in Diktieren in allen Mac-Apps.
Auf einem Server landet der Prompt dabei nicht. Der Dienst speichert weder Audio noch Rohtranskripte noch bereinigten Text, und der kurze Sitzungsverlauf der Mac-App liegt im Arbeitsspeicher und verschwindet beim Beenden. Privates Diktieren am Mac verfolgt eine Aufnahme durch jede Station dieses Wegs.
Fangen Sie mit den drei Prompts dieser Woche an, die Sie gekürzt haben
Suchen Sie sie im Verlauf. Es sind die, bei denen die Antwort fast passte und bei denen Ihre nächste Nachricht den Kontext nachgeliefert hat, den Sie weggelassen hatten.
Sprechen Sie jeden davon noch einmal in einer Aufnahme, mit Einschränkung, vorherigem Versuch und Ausnahme. Schicken Sie das Ergebnis ab. Vergleichen Sie es mit der Antwort von damals und sehen Sie nach, ob Ihre Nachfrage noch nötig gewesen wäre.
Sie können TalkTalkType für Mac laden und diesen Vergleich im kostenlosen Wochenkontingent durchführen. Nicht geklärt ist damit die Aufnahme, die Sie noch im Kopf zusammensetzen, die, bei der Sie selbst nicht wissen, wonach Sie fragen. Die laut auszusprechen ist ein anderes Experiment, und meistens braucht es davor die Antwort auf eine kleinere Frage.