Die besten Speech-to-Text-Apps für iOS 2026: On-Device vs. Cloud

Die Kurzfassung:

• Beste Gesamtlösung für private Transkription: LoroNote — Whisper Large V3 Turbo läuft auf dem Gerät, mit Sprecherlabels und TXT-/SRT-Export
• Bester kostenloser Einstieg: Apple Sprachmemos — bereits installiert und gut genug, um herauszufinden, ob Sie mehr brauchen
• Beste App für Teammeetings: Otter — Cloud-Transkription in Echtzeit mit Zoom-, Google-Meet- und Teams-Integration
• Bester Einmalkauf: Aiko — fester Kaufpreis, On-Device-Whisper, läuft auch auf dem Mac
• Beste Wahl, wenn ein menschliches Transkript nötig ist: Rev — KI-Entwürfe plus menschliche Transkription mit 99 % Genauigkeit als Bezahloption

Was diese Liste abdeckt — und was nicht

Mit „Speech to Text“ auf dem iPhone sind zwei verschiedene Aufgaben gemeint, und wer sie vermischt, produziert eine nutzlose Liste.

Die erste ist das Transkribieren einer Aufnahme: Sie haben ein Meeting, eine Vorlesung, ein Interview oder ein Sprachmemo und möchten Text daraus. Die zweite ist das Diktieren: Sie sprechen in ein Textfeld statt zu tippen, und die Wörter erscheinen direkt in Nachrichten, Mail oder Slack. Apps wie Wispr Flow gehören fest in diese zweite Kategorie und konkurrieren mit dem Mikrofon der iOS-Tastatur, nicht mit den Apps unten.

Diese Liste behandelt die erste Aufgabe. Jede App hier nimmt Audio entgegen — in der App aufgenommen oder importiert — und liefert ein Transkript, das Sie bearbeiten, durchsuchen und exportieren können.

Die größte Trennlinie innerhalb dieser Gruppe ist die Frage, wohin Ihr Audio geht. Manche Apps führen die Spracherkennung auf dem iPhone selbst aus; andere laden die Datei auf einen Server. Dieser Unterschied entscheidet, was mit einem vertraulichen Kundengespräch passiert, ob die App im Flugzeug funktioniert und wozu Sie zustimmen, wenn Sie auf Akzeptieren tippen. Genau deshalb steht er in der ersten Spalte des Vergleichs.

Diese Liste wurde vom LoroNote-Team am 13. August 2026 zusammengestellt. LoroNote ist unsere eigene App, deshalb haben wir unsere Kriterien vor dem Ranking genannt, jede andere App anhand ihres eigenen US-App-Store-Eintrags beschrieben und alles, was ein Eintrag nicht angibt, als „nicht angegeben“ markiert, statt zu raten.

Worauf Sie bei einer iOS-Speech-to-Text-App achten sollten

• Wo das Audio verarbeitet wird. On-Device bedeutet: Die Aufnahme verlässt nie Ihr iPhone, und die Transkription funktioniert im Flugmodus. Cloud bedeutet: Ein Server erledigt die Arbeit — was in der Regel Echtzeit-Zusammenarbeit und aufwendigere KI-Funktionen ermöglicht. Keine der beiden Optionen ist automatisch die richtige, aber Sie sollten wissen, welche Sie gewählt haben. Unser Leitfaden zur Offline-Transkription erklärt den Datenfluss im Detail.
• Sprachabdeckung. Whisper-basierte Apps nennen typischerweise rund 100 Sprachen. Apps auf anderen Engines unterstützen oft deutlich weniger. Wenn Sie in einer anderen Sprache als Englisch aufnehmen, prüfen Sie den Eintrag vor dem Bezahlen.
• Sprechertrennung. Bei einem Zwei-Personen-Interview kommen Sie meist ohne aus. Bei einem Sechs-Personen-Meeting ist eine Wand aus nicht zugeordnetem Text nahezu wertlos. Siehe wie Sprechertrennung funktioniert.
• Was Sie herausbekommen. Reiner Text, Text mit Zeitstempeln und SRT-Untertitel sind unterschiedliche Ergebnisse. Manche Apps lassen das Bearbeiten in der App bewusst ganz weg.
• Wie abgerechnet wird. Kostenlos mit In-App-Käufen, Einmalkauf und Minutenkontingente verhalten sich sehr unterschiedlich, sobald Sie fünfzig Aufnahmen haben.
• Geräteanforderungen. On-Device-Modelle brauchen aktuelle Hardware. Mehrere Apps in dieser Liste erfordern iOS 18 oder neuer, eine erfordert iOS 26.

Die Apps auf einen Blick

Alles Folgende wurde am 13. August 2026 aus dem US-App-Store-Eintrag der jeweiligen App gelesen. Die Bewertungen sind Zahlen der US-Storefront; der US-Store ist nur einer von rund 170, eine kleine US-Zahl bedeutet also keine kleine weltweite Zahl.

Die weltweite LoroNote-Zahl über alle Storefronts liegt bei 4,7 aus 279 Bewertungen. In der Tabelle nennen wir die US-Zahl, damit jede Zeile dieselbe Basis verwendet.

1. LoroNote — beste Gesamtlösung für private Transkription

LoroNote führt OpenAIs Whisper Large V3 Turbo direkt auf dem iPhone oder iPad aus. Audio und Text werden lokal verarbeitet: Ein vertrauliches Gespräch wird zum Transkript, ohne dass die Aufnahme je einen Transkriptionsserver erreicht, und das Ganze funktioniert im Flugmodus, sobald die App und ihre Ressourcen installiert sind.

Aufnahme und Transkript bleiben verbunden

Die meiste Arbeit mit einem Transkript beginnt, nachdem die Transkription fertig ist. LoroNote hält den Text mit dem Audio verknüpft: Hervorgehobene Wörter folgen der Wiedergabe, und ein Tipp auf eine Zeile springt zu diesem Moment in der Aufnahme. So wird das Prüfen einer falsch verstandenen Zahl zu einer Zwei-Sekunden-Aufgabe statt zur Suche in einer Wellenform.

Drumherum sitzen die Teile, die bei Volumen zählen statt bei der ersten Datei — Ordner, eine Kalenderansicht, Suche, Suchen-und-Ersetzen über mehrere Notizen hinweg und ein eigenes Wörterbuch für Namen, Abkürzungen und Fachbegriffe, die generische Modelle zuverlässig verstümmeln.

Sprecher werden auf dem Gerät getrennt

Auch die Sprechererkennung läuft lokal. Sie können Sprecher umbenennen, und die Labels bleiben beim Teilen des Transkripts erhalten. Auf unterstützten Geräten kann Apple Intelligence das Transkript anschließend zusammenfassen oder Aufgaben extrahieren — ebenfalls, ohne es irgendwohin zu senden.

Die Aufnahmemöglichkeiten sind breiter als bei den meisten Apps hier: in der App aufnehmen, auf der Apple Watch aufnehmen oder MP3-, WAV-, M4A-, MP4- und MOV-Dateien importieren. Exportiert wird als TXT für editierbaren Text und als SRT für Untertitel. Die Gründe für die Modellwahl erklärt warum LoroNote Whisper Large V3 Turbo verwendet.

Ideal für: Meetings, Interviews, Vorlesungen und Sprachmemos, die Sie lieber nicht hochladen möchten — gerade in anderen Sprachen als Englisch.

Zu beachten: On-Device-Transkription braucht aktuelle Hardware — iPhone 13 oder neuer, iPhone SE (3. Generation) oder ein unterstütztes neueres iPad mit iOS 18.6 oder neuer. Es gibt keine Mac-, Windows-, Web- oder Android-Version, und lange Aufnahmen kosten echte Zeit und Akku, weil die Arbeit auf Ihrem Gerät stattfindet statt auf einem Server.

2. Apple Sprachmemos — die kostenlose Basis, die Sie schon haben

„Sprachmemos“ wird mit iOS ausgeliefert und hält eine Bewertung von 4,8 aus über einer Million US-Bewertungen. Die App nimmt auf, synchronisiert über iCloud zwischen iPhone, iPad, Apple Watch, Mac und Vision Pro und enthält Bearbeitungswerkzeuge wie Trimmen, Ersetzen und Sichern unter. Apples Beschreibung bestätigt eine Transkriptionsfunktion, die „Sprache in Text umwandelt und das Finden und Nachschlagen bestimmter Inhalte vereinfacht“.

Was die App-Store-Beschreibung nicht sagt: welche Sprachen die Transkription unterstützt und wo sie läuft. Beides hängt von Gerät und iOS-Version ab statt von der App selbst — der Eintrag schweigt hier also wirklich, statt auszuweichen.

Fangen Sie hier an. Wenn Transkriptqualität, Sprache und Exportoptionen ausreichen, haben Sie sich einen Kauf gespart. Unser Leitfaden zum Umwandeln von iPhone-Aufnahmen in Text zeigt genau, was die Bordmittel können und wo sie enden.

Ideal für: herauszufinden, ob Sie überhaupt eine dedizierte App brauchen.

Zu beachten: keine Sprecherlabels, kein SRT-Export und kein Arbeitsablauf für importierte Dateien. Es ist ein Rekorder mit angehängter Transkription, kein Transkriptionswerkzeug.

3. Otter — beste App für Teammeetings

Otter ist die etablierteste Cloud-Option auf iOS, mit einer Bewertung von 4,8 aus über 72.000 US-Bewertungen. Die App transkribiert in Echtzeit, tritt Zoom-, Google-Meet- und Microsoft-Teams-Meetings bei, erfasst Folien automatisch und erstellt Zusammenfassungen. Notizen sind durchsuchbar, teilbar und von Teammitgliedern bearbeitbar — der Teil, den eine lokale App grundsätzlich nicht nachbilden kann.

Der Eintrag nennt die Verfügbarkeit in Englisch, Spanisch, Französisch und Japanisch. Das ist ein deutlich engerer Umfang als bei den Whisper-basierten Apps hier — und das entscheidende Kriterium, wenn Ihre Aufnahmen in einer anderen Sprache sind.

Ihr Audio geht an die Server von Otter. Für ein öffentliches Webinar ist das unspektakulär; für ein vertrauliches Mandantengespräch ist es eine Entscheidung, die bewusst getroffen werden sollte. Die beiden Modelle haben wir direkt in LoroNote vs. Otter.ai verglichen.

Ideal für: regelmäßige Teammeetings, bei denen mehrere Personen dieselben Live-Notizen brauchen.

Zu beachten: vier Sprachen, Cloud-Verarbeitung und Kollaborationsfunktionen, die sich nur auszahlen, wenn Ihre Kolleginnen und Kollegen die App ebenfalls nutzen.

4. Aiko — bester Einmalkauf

Aiko kostet einmalig 24,00 $ ohne Abo und führt Whisper lokal aus. Der Eintrag ist ungewöhnlich direkt: „Nichts verlässt Ihr Gerät“, und die App „bevorzugt Genauigkeit vor Geschwindigkeit“. Sie unterstützt Audio in 100 Sprachen, exportiert Untertitel und enthält eine automatische Wortersetzung für wiederkehrende Fehler.

Ebenso offen ist der Eintrag bei dem, was die App nicht tut. Er gibt an, dass Aiko nicht live während der Aufnahme transkribiert, derzeit keine Sprechererkennung hat und — laut FAQ — keine Textbearbeitung in der App plant; der vorgesehene Arbeitsablauf ist Exportieren und anderswo bearbeiten.

Anders als alles Übrige in dieser Liste läuft Aiko auch auf Mac und Apple Vision. Es setzt inzwischen iOS 26 oder neuer voraus — eine echte Einschränkung auf älterer Hardware. Ausführlicher haben wir uns die App in LoroNote vs. Aiko angesehen.

Ideal für: fertige Aufnahmen importieren, genauen Text erhalten und ihn in eine andere App übernehmen — auf iPhone, iPad und Mac.

Zu beachten: mindestens iOS 26, keine Sprechererkennung, keine Live-Transkription, keine Bearbeitung in der App.

5. Just Press Record — am schnellsten beim Aufnehmen

Just Press Record ist ein Einmalkauf für 6,99 $, gebaut dafür, eine Aufnahme möglichst schnell zu starten: Sperrbildschirm, Kontrollzentrum, Aktionstaste, Kurzbefehle, Siri, Widget — oder eigenständig auf der Apple Watch mit späterer Synchronisierung. Die Aufnahmezeit ist unbegrenzt, und die App synchronisiert über iCloud zwischen iPhone, iPad und Mac.

Die Transkription unterstützt über 30 Sprachen unabhängig von der Spracheinstellung Ihres Geräts, mit synchronisierter Texthervorhebung während der Wiedergabe und Interpunktionsbefehlen beim Sprechen. Sie können in der App sowohl das Audio als auch das Transkript bearbeiten.

Der Eintrag gibt nicht an, wo die Transkription läuft, deshalb haben wir die App in keine der beiden Kategorien eingeordnet. Mit einer Bewertung von 4,3 aus rund 1.500 US-Bewertungen ist sie die am niedrigsten bewertete App in dieser Liste — was immer noch ein solider Wert ist.

Ideal für: Ideen in dem Moment festhalten, in dem sie entstehen — besonders von einer Apple Watch aus.

Zu beachten: Über 30 Sprachen liegen deutlich unter den Whisper-basierten Apps, und es gibt keine Sprecherlabels.

6. Transcribe – Speech to Text — bester Cloud-Allrounder

Transcribe verarbeitet sowohl Live-Sprache als auch hochgeladenes Audio oder Video in über 100 Sprachen und Dialekten und übersetzt fertige Transkripte in mehr als 40. Der Eintrag erwähnt ausdrücklich Zeitstempel und Sprechertrennung, dazu KI-Zusammenfassungen und Rich-Text-Formatierung. Die App läuft auf iPhone, iPad und Mac und enthält 30 kostenlose Minuten zum Ausprobieren.

Das ist der breiteste Funktionsumfang pro Dollar in dieser Liste, und der Kompromiss ist eindeutig: Es ist ein Cloud-Dienst, Ihre Dateien werden also hochgeladen.

Ideal für: mehrsprachige Arbeit, bei der Übersetzung genauso zählt wie Transkription.

Zu beachten: Cloud-Verarbeitung — und die kostenlosen Minuten sind schnell aufgebraucht. Prüfen Sie die aktuellen In-App-Preise, bevor Sie einen großen Rückstand einplanen.

7. Rev — beste Wahl, wenn Genauigkeit garantiert sein muss

Rev ist die einzige App hier, die menschliche Transkription anbietet. Sie erhalten Live-KI-Transkripte in der App und können menschliche Transkripte bestellen, die mit über 99 % Genauigkeit beworben werden, wenn ein Entwurf nicht ausreicht. Die App richtet sich an Fachleute aus Recht, Forschung und Medien, mit Team-Zusammenarbeit, KI-Vorlagen und der Möglichkeit, die eigenen Transkripte zu befragen.

Der Eintrag weist darauf hin, dass Anrufaufzeichnung nicht unterstützt wird — relevant, falls das Ihr Plan war.

Nutzen Sie Rev, wenn ein Transkript in einen Schriftsatz vor Gericht oder einen veröffentlichten Artikel einfließt und maschinelle Genauigkeit nicht genügt. Für Alltagsnotizen ist die bezahlte menschliche Stufe mehr Prozess und Kosten, als die Aufgabe braucht.

Ideal für: Transkripte von Vernehmungen, Interviews und Archivmaterial, bei denen Fehler echte Konsequenzen haben.

Zu beachten: Menschliche Transkription ist ein Bezahldienst mit Bearbeitungszeit, und alles wird in der Cloud verarbeitet.

So wählen Sie für Ihre eigenen Aufnahmen

• Wenn das Audio vertraulich ist — Kundengespräche, Patientengespräche, unveröffentlichte Forschung —, beginnen Sie mit einer On-Device-App und schließen Sie sie nur aus, wenn wirklich etwas fehlt.
• Wenn Sie live geteilte Notizen mit Kolleginnen und Kollegen brauchen, ist ein Cloud-Dienst die einzige echte Antwort. Wählen Sie einen, dessen Sprachenliste Ihre Aufnahmen tatsächlich abdeckt.
• Wenn Sie in einer anderen Sprache als Englisch, Spanisch, Französisch oder Japanisch aufnehmen, filtern Sie zuerst nach Sprachabdeckung. Das eliminiert mehr Optionen als jedes andere Kriterium.
• Wenn Sie einen Rückstand vorhandener Dateien haben, prüfen Sie vor allem anderen die Importformate. Mehrere Apps transkribieren nur, was in ihnen selbst aufgenommen wurde.
• Wenn Sie sich noch nicht sicher sind, öffnen Sie „Sprachmemos“ und transkribieren Sie noch heute etwas. Es kostet nichts und zeigt Ihnen, was Sie wirklich brauchen.

Egal, wofür Sie sich entscheiden: Testen Sie mit drei bis fünf Minuten, aufgenommen in Ihrer normalen Umgebung — Ihr Mikrofon, Ihr Raum, Ihr Akzent, ein paar Namen, Zahlen und Fachbegriffe. Prüfen Sie dann, was fehlt, wie die Interpunktion liest, ob Sprecherwechsel markiert sind und wie lange es gedauert hat. Eine Liste ordnet Apps im Allgemeinen ein; Ihre eigene Aufnahme sagt Ihnen, ob das Ergebnis brauchbar ist.

Häufig gestellte Fragen

Welche iOS-Speech-to-Text-App funktioniert ohne Internetverbindung?

LoroNote und Aiko geben beide an, dass die Spracherkennung auf dem Gerät läuft — die Transkription braucht also keine Netzwerkverbindung, sobald die App und ihre Ressourcen installiert sind. Cloud-Dienste wie Otter, Transcribe und Rev benötigen Konnektivität, um ein Transkript zu erzeugen.

Reicht die kostenlose iPhone-Transkription aus?

Für kurze persönliche Memos in einer gut unterstützten Sprache oft ja. „Sprachmemos“ ist kostenlos, bereits installiert und synchronisiert überall hin. Eng wird es, wenn Sie Sprecherlabels, SRT-Untertitel, importierte Dateien oder eine Sprache brauchen, die die App nicht gut beherrscht.

Welche App eignet sich am besten für Meetings mit mehreren Sprechern?

Wenn das Meeting zu einem Cloud-Dienst darf, ist Otter genau dafür gebaut und ergänzt live geteilte Notizen. Wenn nicht, führt LoroNote die Sprechererkennung auf dem Gerät durch und lässt Sie die Sprecher umbenennen, bevor Sie das Transkript teilen.

Transkribieren diese Apps auch importierte Audio- und Videodateien?

LoroNote importiert MP3, WAV, M4A, MP4 und MOV. Aiko und Transcribe arbeiten ebenfalls mit importierten Dateien. „Sprachmemos“ ist um die eigenen Aufnahmen herum gebaut statt um einen Import-Arbeitsablauf.

Wie genau ist On-Device-Transkription im Vergleich zur Cloud?

Nah genug, dass die Wahl meist von anderen Faktoren abhängt. On-Device-Whisper-Modelle sind dieselbe Familie, die viele Cloud-Dienste verwenden; die praktischen Unterschiede sind die Geschwindigkeit auf Ihrer konkreten Hardware und die Frage, ob der Dienst eine Nachbearbeitung ergänzt. Die Genauigkeit bei Ihrem eigenen Audio — Akzent, Mikrofon, Hintergrundgeräusche, Vokabular — schwankt weit stärker als der Abstand zwischen den Engines. Deshalb ist ein fünfminütiger Test mehr wert als jeder veröffentlichte Benchmark.

Fazit zu den besten Speech-to-Text-Apps für iOS

Es gibt nicht die eine beste Speech-to-Text-App fürs iPhone, weil die Apps nicht dasselbe Problem lösen. Otter ist für Teams gebaut, die ständig in Meetings sitzen. Rev existiert, weil ein maschinelles Transkript manchmal nicht zulässig ist. „Sprachmemos“ ist kostenlos und schon auf Ihrem Telefon. Aiko ist ein fokussiertes Werkzeug mit einer ehrlichen Liste dessen, was es nicht tut.

Was sich 2026 geändert hat: Die private Option ist nicht länger der Kompromiss. Whisper Large V3 Turbo auf einem iPhone gibt Ihnen dieselbe mehrsprachige Modellfamilie, die die Cloud-Dienste verwenden — mit Sprecherlabels, synchronisierter Wiedergabe und Untertitel-Export, während die Aufnahme nie Ihr Gerät verlässt.

Wenn Ihr Audio es wert ist, geschützt zu werden, fangen Sie dort an und prüfen Sie, ob Ihnen etwas fehlt.