Eine Bekannte von mir hat einen ziemlich harten Akzent. Deutsch ist ihre dritte Sprache. Zwei Jahre lang hat sie die Spracheingabe von ChatGPT einfach nicht angerührt — weil aus “Ich muss meinem Vermieter wegen der Heizung schreiben” regelmäßig sowas wurde wie “Ich muss meinem Vater wegen der Heizung schreiben”. Also hat sie halt alles getippt.
Letzte Woche schreibt sie mir: “warte mal — es versteht mich jetzt??”
Ja. Tut es.
Am 26. Juni 2026 hat OpenAI still und leise ein neues Diktat-Modell hinter ChatGPT eingebaut — also das, was dein Gesprochenes in Text verwandelt. Und zwar für alle, auch für den kostenlosen Plan. Kein neuer Knopf, nichts zum Anschalten. Du kriegst einfach seltener diese “warum tippt es DAS jetzt”-Momente. Und obendrauf: Der gesprochene Hin-und-her-Modus, bei dem es dir laut antwortet, wurde auch aufgefrischt. Das Ganze fühlt sich weniger an wie Befehle-Bellen und mehr wie echtes Reden.
Ich zeig dir, wie du beides nutzt — denn das sind zwei verschiedene Dinge, und genau da verheddern sich die meisten.
Erstmal: Diktat und Sprachchat sind nicht dasselbe
Das bringt fast jeden durcheinander, also klären wir’s, bevor irgendwas anderes kommt.
Spracheingabe (Diktat) = du redest, es tippt deine Wörter ins Nachrichtenfeld. Dann antwortet es dir als Text, ganz normal. Du sparst dir nur die Tastatur. Stell dir das kleine Mikro auf deiner Handytastatur vor — nur eben viel schlauer.
Sprachchat (Voice Mode) = ein echtes gesprochenes Gespräch. Du redest, es redet laut zurück. Kein Text, außer du schaust hin. Es hört durchgehend zu, du kannst es unterbrechen, es merkt sogar, wenn du eine Pause machst. Das ist der Modus, der sich anfühlt wie ein Telefonat mit einer sehr geduldigen Freundin.
Hier dieselbe Idee als Bild:
Beides ist dieses Jahr besser geworden. Das Juni-Update drehte sich speziell ums Tippen — das wurde deutlich genauer. Der Voice-Mode-Refresh betrifft das Zurückreden — es klingt natürlicher, weichere Betonung, echte Pausen, weniger von diesem flachen Nachrichtensprecher-Ton.
Hier OpenAIs eigene Seite dazu, damit du siehst, dass ich mir das nicht ausdenke:
Was sich am 26. Juni wirklich geändert hat
OpenAI hat ein neues Sprache-zu-Text-Modell fürs Diktat rausgebracht, “über alle Pläne hinweg” — Free, Go, Plus, Pro, Business, Enterprise. Alle. Wie du das Diktat startest, hat sich kein bisschen geändert. Sie haben nur den Motor drunter besser gemacht.
Wie viel besser? In den eigenen Tests sank die Wortfehlerrate um mindestens 10 Prozent bei den wichtigsten Sprachen — das ist die übliche Art zu messen, wie viele Wörter danebengehen. Zehn Prozent weniger Fehler klingt erstmal nicht nach viel. Bis du selbst eine lange Notiz diktierst und nicht mehr jeden dritten Satz einen Vertipper ausbessern musst.
Besonders gezeigt haben sich die Verbesserungen bei:
- Anderen Sprachen — Japanisch, Koreanisch, Chinesisch, Urdu, Vietnamesisch, dazu lange Passagen auf Spanisch, Französisch, Italienisch und Portugiesisch.
- Akzent-Deutsch und Akzent-Englisch — so wie bei meiner Bekannten. Das ist für ziemlich viele Leute der eigentliche Knackpunkt.
- Sprachen mitten im Satz mischen — wenn du beim Reden natürlich zwischen Deutsch und Englisch hin- und herswitchst (im Job mit dem ganzen Tech-Jargon macht das halt fast jeder), kommt es damit jetzt besser klar.
- Lauten Orten — ein Café, ein volles Großraumbüro, die Straße.
- Leiser oder geflüsterter Sprache — für die Momente, in denen du dein Handy nicht gerade anschreien kannst.
- Buchstaben und Zahlen zusammen — wenn du einen Code, eine Adresse oder eine Bestellnummer vorliest.
Und ja: Die deutsche Spracheingabe kommt inzwischen sogar mit Dialekten wie Bairisch oder Wienerisch überraschend gut klar (nicht perfekt, aber deutlich besser als früher). Für nichts davon brauchst du ein Abo. Das ist der Teil, den man ruhig wiederholen darf: Der kostenlose Plan hat das auch bekommen.
So machst du’s wirklich (am Handy)
Ich halt’s ganz simpel.
Einen Prompt per Sprache tippen:
- Öffne die ChatGPT-App und starte (oder öffne) einen Chat.
- Tipp aufs kleine Mikrofon-Symbol im Nachrichtenfeld — das neben der Stelle, wo du sonst tippst.
- Red los. Du siehst deine Wörter als Text erscheinen.
- Lies drüber, korrigier was Komisches, drück auf Senden.
Das ist Diktat. Immer noch dein Prompt, immer noch Text — du hast es nur laut gesagt.
Ein gesprochenes Gespräch führen:
- Such in der App den größeren Voice-Button (meist ein Schallwellen- oder Kopfhörer-Symbol, etwas abseits vom Textfeld).
- Tipp drauf. Es fängt an zuzuhören.
- Red einfach, wie bei einem Anruf. Es antwortet laut. Du kannst jederzeit reinreden.
- Tipp zum Beenden, wenn du fertig bist.
Am Desktop (chatgpt.com im Browser) ist es dieselbe Idee — das Mikro sitzt im Eingabefeld fürs Diktat, und es gibt eine Voice-Option für den gesprochenen Chat. Sprachgespräche funktionieren für jeden, der eingeloggt ist, in den Handy-Apps und im Desktop-Browser.
Kurz zur Gratis-gegen-Bezahlt-Grenze, aber nur beim Sprachchat: Gratis-Nutzer kriegen gesprochene Gespräche, aber mit einem Tageslimit (ein paar Stunden) und dem leichteren Modell. Wer zahlt, kriegt die vollere, natürlichere Stimme und praktisch unbegrenzte Nutzung. Aber — und das ist der Punkt — das Diktat-Genauigkeits-Update ist nicht eingeschränkt. Das haben alle bekommen.
Wofür echte Leute das nutzen
Ich hab mich durchgelesen, was Leute online wirklich sagen — nicht das Marketing, die echten Reaktionen. Ein paar Muster kamen immer wieder. Und ehrlich: Genau die würde ich auch einem kompletten Einsteiger empfehlen.
Beim Spazieren laut denken. Das kommt ständig vor. Leute gehen raus, machen Diktat oder Voice Mode an und drauflosreden — halbfertige Gedanken, “ne, warte, streich das”, das ganze chaotische Denken, wie es wirklich läuft. Einer hat beschrieben, wie er auf den Balkon geht, um ein festgefahrenes Problem durchzureden, statt auf ein leeres Blatt zu starren. Schneller als Tippen — und komischerweise ehrlicher. Du sagst, was du wirklich meinst, bevor dein innerer Lektor aufräumt.
Die nervige E-Mail entwerfen. Du hältst das Mikro und sagst einfach die Sache — “sag meinem Vermieter, die Heizung ist seit Dienstag aus, freundlich aber bestimmt, frag nach wann jemand kommen kann”. Es baut daraus erstaunlich gut zusammen, was du meintest, sogar mit all deinen “ähm"s und “mach’s mal lieber"s drin. Dann liest du drüber und schickst.
Ein Nutzer hat’s auf X ungefähr so beschrieben: Man redet, es tippt richtig mit — auch im lauten Großraumbüro — und das ewige Neutippen fällt einfach weg. Klingt übertrieben, ist aber genau der Alltag, in dem das Ding glänzt.
Eine andere Sprache üben. Das ist ein richtig guter, und viele lieben ihn. Du kannst ein Übungsgespräch auf Spanisch, Englisch, was auch immer du lernst, führen — und weil das Hören für Nicht-Deutsch besser geworden ist, versteht es deine Versuche jetzt tatsächlich. Bitte es, dich unterwegs zu korrigieren.
Einfach den Tag durchsprechen. Manche nutzen den Voice Mode fast wie ein Resonanzbrett — eine Art, einen Gedanken aus dem Kopf zu kriegen und ihn zurückzuhören. Keine Therapie. Aber auch nicht nichts.
Was das für dich heißt
Je nachdem, wer du bist, würde ich hier anfangen:
Du hast einen Akzent, oder Deutsch ist nicht deine Muttersprache. Fang hier an, heute. Dieses Update ist praktisch für dich gebaut. Tipp eine E-Mail, die du vor dir herschiebst, mal per Sprache — und schau, wie viel es jetzt richtig macht. Das ist 2026 der größte Grund, der Spracheingabe nochmal eine Chance zu geben.
Du hasst Tippen am Handy. Nutz Diktat für alles — Nachrichten, die du entwirfst, Notizen, schnelle Fragen. Aufs Mikro tippen, reden, senden. Du fragst dich, warum du so lange Absätze mit den Daumen gehackt hast.
Du lernst eine Sprache. Mach den Sprachchat an und lass ihn dein Übungspartner sein. Bitte ihn, langsam zu sprechen, deine Grammatik zu korrigieren und in der Zielsprache zu bleiben. Ein Tutor, dem du nie zu viel wirst.
Du denkst besser laut als auf Papier. Geh spazieren, mach den Voice Mode an und red durch, wo du hängst — ein Plan, eine E-Mail, eine Entscheidung. Lass es dir Rückfragen stellen. Du kommst mit was Geschriebenem vom Spaziergang zurück.
Du bist ganz neu bei alldem. Mach einfach einmal die Vier-Schritte-Diktat-Sache. Das war’s. Aufs Mikro tippen, sagen “erklär mir, was eine Hypothek ist, als wär ich 12”, und die Antwort lesen. Sprache ist der sanfteste denkbare Einstieg in KI — weil du reden ja eh schon kannst.
Was es nicht kann (und was du nie laut sagen solltest)
Sprache ist jetzt wirklich gut. Sie ist nicht magisch. Hier stolpern die Leute immer noch — und hier musst du aufpassen.
Es springt immer noch rein, wenn du zum Nachdenken pausierst. Die mit Abstand häufigste Beschwerde. Du machst kurz Pause, um deinen Gedanken zu sammeln, und es nimmt an, du seist fertig, und legt los. Nervig. Wenn du langsam und überlegt redest, ist Diktat (Reden-zu-Text) oft weniger frustrierend als der volle Sprachchat, weil es dich nicht unterbricht.
Es verhört sich bei Namen, Marken und Fachbegriffen. Ungewöhnliche Namen, Produktnamen, technische Begriffe, jemandes seltsame Schreibweise von “Aimée” — es rät, und rät falsch. Lies eine diktierte Nachricht immer, bevor du sie schickst. Jedes Mal. Das eine Mal, wo du’s nicht tust, ist das Mal, wo es einen Namen ändert.
Es kann schlicht falsch liegen — und laut gehört, klingt es sicherer, als es ist. Wenn ChatGPT selbstbewusst redet, behandelt dein Hirn das als vertrauenswürdiger — so wirken Stimmen halt auf uns. Aber es kann trotzdem Sachen erfinden. Wenn es dir einen Fakt, ein Datum, eine Dosierung, was Rechtliches, einen Preis nennt — prüf es nach. Handle nicht nach einer gesprochenen Antwort, die du nicht nachgeprüft hast.
Laut in der Öffentlichkeit reden ist… laut in der Öffentlichkeit reden. Die Person neben dir im Zug hört dein ganzes Gespräch. Heißt: diktier nichts Privates in der Öffentlichkeit — Passwörter, deine Adresse, Gesundheitszeug, Kontonummern, die Geheimnisse deiner Freunde. Wenn’s sensibel ist, tipp es, oder warte, bis du allein bist.
Laute Räume und Akzente hauen es manchmal immer noch daneben. Beides ist besser geworden. “Besser” ist nicht “perfekt”. In einer lauten Bar mit starkem Akzent rechne mit ein paar Aussetzern. Ruhige Ecken geben dir die saubersten Ergebnisse.
Nichts davon heißt: nicht nutzen. Es heißt: nutz es so, wie du jedes Werkzeug nutzen würdest, das zu 90 Prozent zuverlässig ist — top für einen ersten Entwurf, geprüft bevor’s zählt.
Unterm Strich
Mit ChatGPT reden ist 2026 ein ganz anderes Erlebnis als noch vor einem halben Jahr. Das Diktat-Update kam am 26. Juni für alle — Gratis-Plan inklusive — und wenn du Sprache abgeschrieben hattest, weil es dich nie verstanden hat: Dieser Grund ist jetzt größtenteils weg. Aufs Mikro tippen. Was sagen. Lesen, was es getippt hat. Das ist die ganze Fähigkeit.
Und wenn du richtig gut werden willst darin, was du sagst, sobald du das Reden drauf hast — also das eigentliche Prompten — das ist der spaßige Teil, und der ist gut lernbar. Unser ChatGPT-Meisterkurs nimmt dich von null mit, ohne Vorwissen. Der Prompt-Engineering-Kurs geht tiefer, wenn du erstmal angefixt bist. Und wenn du ChatGPT gegen die Alternativen abwägst, zeigt dir der ChatGPT-Alternativen-Vergleich, was zu deiner Arbeitsweise passt.
Fang heute damit an, mit ihm zu reden. Schlimmstenfalls verhört es sich und du hast was zu lachen. Bestenfalls tippst du nie wieder eine lange Nachricht am Handy.
Quellen
- ChatGPT — Versionshinweise, OpenAI Help Center — der Diktat-Modell-Rollout vom 26. Juni 2026 über alle Pläne, plus Wortfehlerrate und Sprach-Details.
- ChatGPT Release Notes — OpenAI Help Center — die englische Originalfassung der Release Notes zum selben Update.
- Voice Mode FAQ — OpenAI Help Center — wie Sprachgespräche laufen, Gratis- vs. Bezahl-Limits.
- ChatGPT Voice — OpenAI — die offizielle Feature-Seite.
- Advancing voice intelligence with new models — OpenAI — die zugrundeliegende neue Sprach-/Audio-Modellgeneration.
- Talking to ChatGPT just got better, and you don’t need to pay — TechRadar — Bestätigung, dass die Verbesserung auch Gratis-Nutzer erreicht.
