Beschreibung
Muesli ist eine quelloffene, native macOS-Anwendung, die Spracherkennung in zwei Anwendungsfällen bündelt: Diktat im laufenden Arbeitsfluss und Mitschnitt von Meetings über die eigene Rechnerhardware. Die App liegt in der Menüleiste, wartet auf einen konfigurierbaren Hotkey und fügt den erkannten Text nach dem Loslassen direkt an der Cursor-Position der aktiven Anwendung ein, für kurze Diktate per Halten des Hotkeys, für längere Aufnahmen per Doppeltipp im freihändigen Modus. Für Meetings zeichnet Muesli Mikrofon und Systemaudio über einen CoreAudio-Process-Tap auf, mit Fallback auf ScreenCaptureKit, erkennt aktive Calls anhand von Kamera- und Mikrofonstatus in bekannten Meeting-Anwendungen wie Zoom, Teams oder Slack und kann Meeting-Links direkt aus Kalendereinträgen öffnen und die Aufnahme starten.
Die Spracherkennung läuft vollständig lokal auf Apple Silicon, über CoreML, die Neural Engine und Metal, wahlweise mit Modellen wie Parakeet TDT, Nemotron 3.5, Cohere Transcribe 2B, mehreren Whisper-Größen über WhisperKit oder experimentell Gemma 4. Das setzt einen Mac mit Apple-Silicon-Prozessor voraus, das empfohlene Parakeet-v3-Modell lädt beim ersten Start rund 450 MB herunter, größere Modelle wie Gemma 4 mehrere Gigabyte. Meeting-Mitschnitt ohne Bot-Teilnehmer braucht eine Mikrofon-Berechtigung für die eigene Stimme, eine Berechtigung für Bildschirm- beziehungsweise Systemaudio-Aufnahme für den Rechner-Ton und optional Kalenderzugriff für die Terminerkennung. Das Einfügen des diktierten Texts hängt an der Eingabehilfen-Berechtigung, der globale Hotkey an Input Monitoring, und alle diese Berechtigungen sind an den konkreten Installationspfad in /Applications gebunden, weshalb doppelte Kopien der App zu stillen Berechtigungsfehlern führen können. Strukturierte Notizen und Zusammenfassungen aus dem rohen Transkript sind ein optionaler zweiter Schritt, der entweder einen eigenen API-Schlüssel für OpenAI oder OpenRouter, eine Anmeldung mit einem bestehenden ChatGPT-Abo oder ein lokal laufendes Ollama-Modell voraussetzt.
Gegenüber Diktier-Werkzeugen, die Audio zur Verarbeitung an einen Cloud-Dienst schicken, liegt der Unterschied darin, dass Muesli nach der Installation ohne Internetverbindung diktiert und einfügt. Gegenüber Meeting-Bots, die einer Videokonferenz als eigener Teilnehmer beitreten, zeichnet Muesli stattdessen vom eigenen Rechner mit, sodass kein zusätzlicher Gast in der Teilnehmerliste erscheint und das rohe Transkript als prüfbare Quelle neben der generierten Zusammenfassung erhalten bleibt. Wer stattdessen eine reine Cloud-Transkription ohne lokale Installation sucht oder auf Windows beziehungsweise Linux arbeitet, findet in Muesli keine Option, die App ist ausschließlich für macOS gebaut.
