# Diktat und Vokabular

> Das Desktop-Diktat läuft mit Ihrem eigenen OpenAI- oder Gemini-Schlüssel und Hinweisvokabularen pro Projekt. Telefone transkribieren über die HB-Code-Dienste. Die Fehlerklassen sagen Ihnen, welche Schicht versagt hat.

Handbuch / Mitgelieferte Tools · Gegen den Quellcode geprüft am 2026-10-05 · https://www.hbcode.ai/de/docs/tools/dictation

## Diktat einrichten

**Nur das Diktat vom Telefon läuft über den regionalen Server von HB Code**

Das Desktop-Diktat nimmt in der Desktop-Laufzeit auf und sendet das Audio mit Ihrem API-Schlüssel und Ihrem Vokabular direkt an OpenAI oder Gemini, und das Transkript kommt in den Composer zurück. Über 25.000.000 Bytes lehnt der Desktop vor dem Upload zu OpenAI ab. Das Diktat auf dem Telefon leiht sich zuerst über das Relay den Vokabular-Prompt des Desktops und lädt dann das Audio mit seinem HB-Code-JWT zum regionalen Server hoch, der es mit OpenAI unter dem Schlüssel von HB Code transkribiert und Ihr Guthaben belastet. Der Server nimmt bis zu 100 MiB an, sein OpenAI-Aufruf endet aber bei 25 MiB.

- **Ihr Schlüssel** (transcribe_with_provider): Der Desktop ruft OpenAI oder Gemini direkt mit dem Schlüssel auf, der unter Settings → API Keys gespeichert ist. Die Server von HB Code sehen weder das Audio noch den Schlüssel.
- **HB-Code-Key** (/api/audio/transcriptions): Telefone laden mit ihrem HB-Code-JWT hoch und verlangen openai/gpt-4o-transcribe. Der Server lehnt den Upload ohne positives Guthaben ab und belastet Ihr Konto mit der Transkription.
- **Geliehenes Vokabular** (system.voiceTranscriptionContext): Vor dem Upload fragt das Telefon den Desktop über das Relay nach seinem Vokabular-Prompt. Ohne Antwort lädt es ohne Prompt hoch, und der Server baut seinen eigenen Standard-Prompt.

1. Öffnen Sie Settings → API Keys.
2. Speichern Sie einen persönlichen OpenAI- oder Gemini-API-Schlüssel.
3. Öffnen Sie Settings → Voice.
4. Wählen Sie in der Karte Voice Dictation OpenAI oder Gemini als Diktatdienst.
5. Klicken Sie auf Save.
6. Wenn das Betriebssystem nach dem Mikrofonzugriff fragt, erlauben Sie ihn.

Diktat verwendet Ihren eigenen API-Schlüssel und ist von der ChatGPT- oder Claude-Anmeldung getrennt, die den Agenten ausführt. Die einzigen akzeptierten Modell-IDs sind gpt-4o-transcribe und gemini-flash-latest. Vor der ersten Aufnahme sendet der Desktop eine synthetische Preflight-WAV an den echten Anbieterendpunkt und cacht das Ergebnis pro Anbieter und Modell, nach einem Erfolg 15 Minuten und nach einem Fehler 5 Minuten lang, oder bis Sie die Einstellungen erneut speichern. OpenAI-Anfragen laufen nach 120 Sekunden ab.

Aufnahmen im Review Mode laufen über den regionalen Server mit POST /api/llm/video/analyze zu Gemini. Auf dem iPhone wird die Erzählung zu jedem Screenshot zuerst transkribiert. Die Medienkapitel zu iOS und Android beschreiben den Review Mode genauer.

- [Diktat auf iOS](https://www.hbcode.ai/de/docs/ios/media.md#dictation): Aufnahme, Wiederholungen und der Vokabular-Prompt vom Desktop.
- [Diktat auf Android](https://www.hbcode.ai/de/docs/android/media.md#recording): Der Mikrofon-Vordergrunddienst und der Upload.

## Fügen Sie Ihre Wörter zum Vokabular hinzu

**OpenAI lässt Ihrem Vokabular 265 von 1.000 Bytes und kürzt zuerst die Projektliste**

Der Transkriptionsprompt für OpenAI ist auf 1.000 Bytes begrenzt, maßstabsgetreu gezeichnet. Die escapten Regeln mit ihren Tags belegen 683 Bytes, ein Zeilenumbruch und die Vokabular-Tags weitere 52, sodass Ihr Vokabulartext die letzten 265 Bytes erhält. Die globale Liste kommt zuerst, also wird die Projektliste gekürzt. Gemini erlaubt 1.000.000 Bytes: In gleicher Breite gezeichnet sind seine vollständigen Regeln mit 1.836 Bytes eine dünne Linie, und der Rest fasst etwa ein Megabyte Vokabular. Ein Telefon nutzt denselben Prompt, wenn der Desktop ihn für OpenAI baut.

- **Regeln** (transcription_system_prompt): Die kompakten Regeln für OpenAI belegen nach dem XML-Escaping 622 Bytes und mit ihren Tags 683. Das Budget erlaubt ihnen bis zu 720 Bytes und hält 280 für das Vokabular frei.
- **Ihr Vokabular** (personal_vocabulary_kb): Nach den Regeln lassen ein Zeilenumbruch und 51 Bytes Tags 265 Bytes Text übrig. Die globale Liste kommt zuerst, dann die Projektliste, beide XML-escapt und an der Grenze abgeschnitten, notfalls mitten im Wort. Die gezeigte Aufteilung ist ein Beispiel.
- **Gemini** (transcription_prompt_max_bytes): Gemini erhält die vollständigen Regeln, 1.836 Bytes mit Tags, und Platz für etwa ein Megabyte Vokabular, sodass nichts gekürzt wird, was Sie realistisch eintippen.

Die Spracheinstellungen halten ein globales Vokabular und ein Vokabular pro Projekt. Begriffe, die Sie überall verwenden, gehören in die globale Liste, repository-spezifische Namen in die Projektliste. Sie reisen als XML-escapte Schreibreferenz im Transkriptionsprompt mit der ausdrücklichen Regel, sie nie einzufügen. Bei OpenAI bleiben ihnen nach den Regeln und Tags 265 Bytes Text, die globale Liste zuerst.

## Fehlerklassen

| Sichtbares Problem | Prüfen |
| --- | --- |
| Mikrofon nicht verfügbar | Stellen Sie sicher, dass das Betriebssystem HB Code den Zugriff auf das Mikrofon erlaubt. Das Diktat braucht außerdem einen funktionierenden Audioeingang. |
| Anbieter nicht konfiguriert | Stellen Sie sicher, dass Settings → API Keys einen Schlüssel für den Diktatdienst enthält. Stellen Sie sicher, dass Settings → Voice den gespeicherten Diktatdienst zeigt. |
| Kontingent- oder Ratenbegrenzung | Nur OpenAI, klassifiziert anhand des 429-Codes und nie aus Freitext. Kontingent-Codes wie insufficient_quota, credit_balance_exhausted und die Ausgaben- oder Nutzungslimits verweisen auf die Abrechnung. Jeder andere 429, etwa rate_limit_exceeded oder slow_down, ist ein Ratenlimit, das mit der Zeit vergeht. Ein Gemini-Fehler erscheint als Schlüsselproblem und sperrt das Gemini-Diktat für 5 Minuten oder bis Sie die Einstellungen unter Settings → Voice speichern. |
| Aufnahme zu groß | Der Desktop lehnt einen OpenAI-Upload mit mehr als 25.000.000 Bytes ab. Nehmen Sie einen kürzeren Clip auf, oder verwenden Sie Gemini. |