Blitztext Linux

Dein lokaler KI-Sprachassistent für Linux-Desktops unter Wayland

🇬🇧 English | 🇩🇪 Deutsch

Sprache per Hotkey aufnehmen, lokal oder online transkribieren, optional per LLM umschreiben und direkt in die aktive Anwendung einfügen.

🔗 Webseite: timintech.github.io/blitztextweb

_{Alt gedrückt halten (Standard-Hotkey), sprechen, loslassen — das Transkript landet direkt in der aktiven Anwendung.}

Zweck

Blitztext Linux ist ein Hotkey-gesteuerter Sprachassistent, der gesprochene Sprache in Text umwandelt und direkt in die gerade aktive Anwendung einfügt. Die Transkription läuft standardmäßig lokal über Whisper; ein LLM-Schritt ist optional und wird nur genutzt, wenn du bewusst einen der KI-Workflows (Umformulierung, Ton-Filter, Emoji-Anreicherung) oder das Compose-Fenster auswählst. Alles bleibt auf deinem Rechner, solange du nicht bewusst einen Cloud-Anbieter (OpenAI, OpenRouter oder einen eigenen OpenAI-kompatiblen Endpunkt) für LLM- oder Cloud-TTS-Funktionen aktivierst.

Features

• Mehrsprachige Oberfläche (EN/DE): Schalte die App-Oberfläche zwischen Deutsch und Englisch um – unter Einstellungen → Allgemein → „Sprache der Oberfläche" (die Änderung greift nach einem Neustart der App).
• Compose-Fenster: Text eintippen, einfügen oder hineindiktieren, eine Text-Aktion wählen und von der KI umschreiben lassen — ganz ohne Mikrofon. Mit Tonfall-Auswahl, eigener Anweisung samt Prompt-Prüfung, Varianten-Navigation und Signatur-Unterstützung.
• OpenRouter & eigene LLM-Endpunkte: Nutze OpenRouter oder eine beliebige OpenAI-kompatible API als Alternative zu OpenAI für alle KI-Workflows.
• Audio-Export: Speichere die Ausgabe der Vorlesefunktion direkt als Audiodatei.
• Eigennamen / Begriffe: Erweitere das Vokabular der KI um eigene Begriffe, Namen oder Fachwörter für perfekte Transkriptionen.
• Globale Hotkeys: Jederzeit von überall im System aufnehmen.
• Auto-Paste: Erkennt Sprache und fügt sie direkt dort ein, wo der Cursor ist.
• LLM-gestützte Workflows: Lass die KI deine Sätze professionell umformulieren, emotional filtern oder mit passenden Emojis anreichern.
• Lokale Verarbeitung: Optional 100% offline für volle Privatsphäre.

Die 5 Workflows und Hotkeys

Blitztext registriert globale Hotkeys via evdev. Mit diesen Kombinationen hast du die volle Kontrolle:

KI-Workflows

Die KI-Workflows helfen bei Formulierung, Ton und Emojis. Die passenden Einstellungen findest du unter Einstellungen → Text & KI:

LLM-Anbieter. Blitztext unterstützt drei Anbieter-Modi, wählbar unter Einstellungen → Text & KI → „LLM-Anbieter":

Für OpenRouter base_url auf https://openrouter.ai/api/v1 setzen und Modell wählen (z. B. openai/gpt-4o). Der Name der API-Key-Umgebungsvariable wird unter „API-Key-Umgebung" eingestellt.

Text-Aktionen. Das Umschreiben läuft über fünf klar getrennte Aktionen. Du wählst sie unter Einstellungen → Text & KI → „Text-Aktion", im Compose-Fenster oder im ⋯-Menü des Haupt-Widgets:

Der Ziel-Tonfall wirkt bei Text verbessern und Tonfall ändern. Ältere Konfigurationen mit den früheren neun Schreibstil-Vorlagen werden automatisch auf die nächstliegende Aktion migriert (z. B. „E-Mail – formell“ → Tonfall ändern, professionell). Eigennamen/Begriffe bleiben in allen Aktionen erhalten.

Compose-Fenster

Das Compose-Fenster (✍ Text bearbeiten… im Tray-Menü oder über das Stift-Symbol im Hauptfenster-Widget) ermöglicht das Entwerfen, Umschreiben und Verfeinern von Texten mit der KI — ganz ohne Sprachaufnahme. Es eignet sich ideal zum Überarbeiten von E-Mails, Notizen oder Nachrichten, bevor sie eingefügt werden.

Öffnen: Klick auf das Tray-Icon → ✍ Text bearbeiten… oder Klick auf das goldene Stift-Symbol im Hauptfenster-Widget.

Was du im Compose-Fenster tun kannst:

_{Eigene KI-Anweisungen direkt im Compose-Fenster formulieren und den System-Prompt vorab prüfen.}

Tray-Symbol und Kontextmenü

Das Mikrofon im System-Tray ist dein Indikator für den aktuellen Zustand:

Grün (IDLE) Bereit — wartet auf deinen Einsatz.

Rot (RECORDING) Aufnahme läuft aktiv.

Orange (TRANSCRIBING) Magie läuft (Transkription / KI-Umformulierung).

Grau (ERROR) Ups, etwas ist schiefgelaufen.

Das Tray-Kontextmenü gibt dir schnellen Zugriff auf alle Workflows, das Compose-Fenster, Text-Aktionen, Diktat-Modus, Verlauf und Einstellungen:

Hauptfenster: Single-Panel-Widget

Das Hauptfenster ist ein kompaktes, rahmenloses Desktop-Widget mit einheitlicher dunkler Ästhetik, edlen Gold-Akzenten und direkter visueller Rückmeldung:

Bereit Wartet auf Sprach- oder Mausklick-Eingabe.

Aufnahme Laufender Timer und Audiowellen-Balken.

Verarbeitung Rotierender goldener Fortschrittsring.

Aktions-Menü Workflows und Schnellzugriff direkt am Widget.

• Zentrales Gold-Mikrofon: Markanter kreisrunder Button mit metallischem Farbverlauf und Blitz-Aussparung. Klick startet oder beendet die Aufnahme.
• Dynamische visuelle Rückmeldung:
  • Bereit (IDLE): Grüner Statuspunkt und Zeitanzeige (Bereit: 00:00).
  • Aufnahme (RECORDING): Gelber Statuspunkt, sekundengenaue Zeitanzeige und animierte Wellenbalken links und rechts des Mikrofons.
  • Verarbeitung (TRANSCRIBING): Rotierender goldener Kreisbogen um das Mikrofon (Transkribiere…).
• Kompakte Werkzeugleiste:
  • ✍ Compose-Button (hervorgehobenes Stift-Symbol): Öffnet das Entwurfsfenster für Texteingabe und KI-Verfeinerung.
  • 🕒 Verlauf-Button (mit Zähler-Badge): Öffnet den Transkript- und Diktat-Verlauf.
  • 🔊 Vorlesen-Button (Lautsprecher-Symbol): Öffnet das TTS-Fenster zur Sprachausgabe.
  • ⚙ Einstellungen-Button (Zahnrad): Öffnet den Konfigurations-Dialog.
  • ⋯ Mehr-Button: Öffnet das Popup-Menü für Diktieren & verbessern, Text-Aktionen (Kürzen, Ausformulieren, Tonfall ändern), Eigene Anweisung, Sammel-Diktat und Verwerfen.

Das Widget öffnet sich beim Start sowie über den Tray-Eintrag Fenster anzeigen oder einen Klick auf das Tray-Icon. Schließen blendet das Widget aus — die App läuft im Hintergrund im Tray weiter.

Diktat, Verlauf und Vorlesen

Zusätzlich zu den Workflows bietet das Tool drei Komfort-Funktionen:

  

.venv/bin/pip install piper-tts
# Stimmen (.onnx + .onnx.json) nach ~/.local/share/piper-voices/ legen

Installation & Start

Schnellinstallation (empfohlen)

Der einfachste Weg, um Blitztext auf deinem System bereitzustellen:

git clone https://github.com/TimInTech/blitztext-linux.git
cd blitztext-linux
bash scripts/install.sh

Was macht das Skript? Es ist idempotent (mehrfach ausführbar) und erledigt alles vollautomatisch:

1. Prüft dein System (Ubuntu/Debian) & Python-Version.
2. Installiert fehlende Systempakete (inkl. pipx).
3. Fragt den Betriebsmodus ab: globale Hotkeys mit input-Gruppe oder nur Fenster/Tray ohne globale Hotkeys.
4. Richtet eine .venv Umgebung ein und installiert openai-whisper/faster-whisper.
5. Bereitet ydotool.service vor, installiert den systemd-User-Service und aktiviert ihn für den Autostart, ohne ihn sofort zu starten.

Nach der Installation

1. Neustart nur erforderlich, wenn du den Hotkey-Modus gewählt hast (oder ab-/anmelden), damit die Gruppe input aktiv wird. Danach checken:

   bash scripts/verify.sh
   

2. Manuell testen:

   ./run.sh
   

   (Erscheint das Tray-Symbol und reagieren die Hotkeys? Dann lief alles glatt!)
3. Den bereits aktivierten Autostart-Dienst jetzt starten:

   systemctl --user start blitztext-linux
   

Stand Ubuntu 26.04 GNOME / Wayland (verifiziert am 10.08.2026): Eine saubere Installation mit Python 3.14.4 bestand scripts/verify.sh vor der ersten Benutzerkonfiguration mit 17 PASS, 0 FAIL, 0 WARN und danach mit 18 PASS, 0 FAIL, 0 WARN. Hauptfenster, GNOME-AppIndicator-Tray, Audioaufnahme, lokale openai-whisper-Transkription, globaler Left-Alt-Hotkey, Wayland-Zwischenablage, ydotool-Auto-Paste und der Autostart als systemd-User-Service wurden in der echten Desktop-Sitzung ausgeführt. Diese Verifikation gilt für die native Installation, nicht für das experimentelle Flatpak-Manifest.

systemctl --user stop blitztext-linux
systemctl --user disable blitztext-linux

sudo apt install pulseaudio-utils wl-clipboard xclip ydotool ffmpeg python3-venv python3-evdev build-essential python3-dev socat pipx

sudo usermod -aG input $USER

python3 -m venv .venv
source .venv/bin/activate
pip install --index-url https://download.pytorch.org/whl/cpu torch
pip install PyQt6 evdev openai pytest openai-whisper faster-whisper

pipx install --python "$(command -v python3)" openai-whisper
pipx inject openai-whisper faster-whisper   # optional, für beschleunigte Ausführung

systemctl --user start ydotool.service

sudo apt install cmake build-essential scdoc git
git clone --depth 1 --branch v1.0.4 https://github.com/ReimuNotMoe/ydotool.git
cd ydotool && cmake -B build -DCMAKE_BUILD_TYPE=Release && make -C build && sudo make -C build install
systemctl --user enable --now ydotool.service   # nutzt /usr/local/bin/ydotoold

./run.sh

Konfiguration

Alles wird lokal unter ~/.config/blitztext-linux/config.json gespeichert. Diese Datei enthält keine Secrets — der OpenAI-/OpenRouter-Key wird aus einer Umgebungsvariable gelesen (siehe Secrets). Die Konfigurationsdatei lässt sich direkt aus den Einstellungen öffnen: Einstellungen → Allgemein → „Konfigurationsdatei öffnen".

Der Einstellungs-Dialog hat drei Tabs:

Spracherkennung — Whisper-Modell, Backend, Sprache, Hotkey-Modus und Aufnahmetaste.


Text & KI — System-Prompt, API-Key-Umgebung, LLM-Anbieter, Base-URL, Modell, Text-Aktion und Emoji-Dichte.


Allgemein — Auto-Paste, Diktat-Notizordner, Verlaufsgröße, Sprache der Oberfläche und Signatur.

{
  "model": "base",
  "language": "de",
  "ui_language": "de",
  "backend": "openai-whisper",
  "hotkey_mode": "hold",
  "transcription_hotkey": "KEY_LEFTALT",
  "openai_api_key_env": "OPENAI_API_KEY",
  "autopaste": true,
  "paste_key_delay_ms": 80,
  "audio_device": "@DEFAULT_SOURCE@",
  "notes_folder": "~/Blitztext-Notizen",
  "history_size": 50,
  "llm_provider": "openai",
  "llm_base_url": "",
  "llm_model": "gpt-4o-mini",
  "tts_provider": "piper",
  "tts_voice": "",
  "tts_openai_model": "gpt-4o-mini-tts",
  "tts_openai_voice": "marin",
  "tts_speed": 1.0,
  "compose_signature_text": "",
  "compose_signature_auto_append": false,
  "compose_custom_preset_text": "",
  "workflows": {
    "text_improver_tone": "neutral",
    "writing_preset": "standard",
    "emoji_density": "medium",
    "dampf_system_prompt": ""
  }
}

Secrets

API-Keys werden niemals in config.json gespeichert — sie werden zur Laufzeit aus Umgebungsvariablen gelesen.

Empfohlen: secrets.env. Lege deine(n) Key(s) in ~/.config/blitztext-linux/secrets.env ab, ein NAME=WERT-Paar pro Zeile — der Variablenname richtet sich nach dem unter Einstellungen → Text & KI → „API-Key-Umgebung" gewählten Anbieter (z. B. die OpenAI-Variable für OpenAI, die OpenRouter-Variable für OpenRouter), WERT ist der geheime Key von diesem Anbieter:

<VARIABLENNAME>=<dein-geheimer-wert>

./run.sh und der systemd-User-Service laden diese Datei automatisch. config.json speichert nur den Namen der zu lesenden Umgebungsvariable (openai_api_key_env), niemals den Key selbst.

• Welche Variable verwendet wird, hängt von Einstellungen → Text & KI → „API-Key-Umgebung" und dem gewählten LLM-Anbieter ab (OPENAI_API_KEY für OpenAI, OPENROUTER_API_KEY für OpenRouter, oder ein eigener Name für einen eigenen Endpunkt).
• Ohne gültigen Key sind die LLM-Workflows (Diktieren & verbessern, Sachlich formulieren, Emojis ergänzen) und OpenAI Cloud-TTS deaktiviert bzw. schlagen mit einer Fehlermeldung fehl; lokale Transkription und Piper-TTS funktionieren weiterhin.
• Committe niemals secrets.env, API-Keys oder Tokens in git. Sollte ein Key jemals offengelegt werden (z. B. versehentlich committet oder in ein Issue eingefügt), rotiere ihn sofort beim Anbieter.
• config.json wird mit restriktiven Rechten (0o600) geschrieben; die gleiche Erwartung gilt für secrets.env.

Tests

Führe die Test-Suite lokal aus:

pytest

Mit WHISPER_GUI_TESTS=1 QT_QPA_PLATFORM=offscreen pytest laufen zusätzlich die GUI-Tests (Hauptfenster, Compose-Fenster).

bash scripts/verify.sh führt sitzungsabhängige Diagnosen für X11-, Wayland- und Clipboard-Backends aus — hilfreich nach der Installation oder bei der Fehlersuche zu Hotkeys/Paste-Verhalten. Die Ausgabe ist Diagnosehilfe, kein Supportversprechen; siehe die dort ausgegebenen Kompatibilitätshinweise für deine Desktop-Sitzung.

Flatpak-MVP-Status

packaging/flatpak/ enthält einen experimentellen Flatpak-Manifest-Spike — kein Release-Kanal und nicht auf Flathub veröffentlicht.

• Eine strukturelle Validierung (flatpak-builder --show-manifest / --show-deps) sowie ein vollständiger lokaler Build (inklusive Download von org.kde.Platform/org.kde.Sdk 6.8) waren auf einer Entwicklungsmaschine beide erfolgreich.
• Die KDE-6.8-Runtime ist upstream als EOL markiert; sie baut und läuft für diesen MVP dennoch. Ein Runtime-Bump auf 6.10 ist ein möglicher Folge-Spike, hier aber nicht umgesetzt.
• Innerhalb der Flatpak-Sandbox sind mehrere Funktionen bewusst deaktiviert oder eingeschränkt: keine globalen Hotkeys (kein evdev-/Input-Geräte-Zugriff), kein ydotool-Auto-Paste (Zwischenablage-Kopie funktioniert weiterhin über den Qt-Fallback), keine lokale Whisper-Transkription (aus requirements-flatpak.txt wegen der Größe ausgeklammert — Cloud-Transkription/LLM-Workflows funktionieren weiterhin mit --share=network) und keine Desktop-Benachrichtigungen (notify-send ist nicht gebündelt).
• Es gibt kein Signing, keine AppStream-Metadaten, kein .desktop-File und kein paketiertes Release für diesen Spike.

Details zu Manifest-Umfang, Build-Befehlen und bekannten Abweichungen von Flathub-Konventionen siehe packaging/flatpak/README.md.

Bekannte Grenzen

• Linux Exclusive: Nur für Linux-Systeme.
• Wayland Fokus: Entwickelt für Wayland (wl-clipboard, ydotool).
• Datenschutz: Lokale Workflows bleiben zu 100% auf deinem Rechner. OpenAI oder OpenRouter wird nur bei Bedarf für LLM- oder Cloud-TTS-Aufgaben kontaktiert.
• Sicherheit (evdev & input-Gruppe): Das Tool liest Input global über /dev/input/event*. Auf System-Ebene bedeutet dies, dass alle Prozesse des Benutzers Eingaben mitlesen könnten (Trade-off unter Wayland ohne XDG GlobalShortcuts). Nutze Blitztext nur in Umgebungen, denen du vertraust!
• Flatpak-Sandbox: Siehe Flatpak-MVP-Status oben — globale Hotkeys, Auto-Paste, lokales Whisper und Desktop-Benachrichtigungen sind innerhalb der Sandbox nicht verfügbar.

Entwicklung

Dieses Projekt wurde mit Unterstützung künstlicher Intelligenz (AI-assisted) entworfen. Architektur, Code und Tests wurden manuell gesichtet und auf Funktion/Sicherheit lokal verifiziert. Siehe CONTRIBUTING.md für Hinweise, wie du Änderungen vorschlagen kannst.

.
├── app/
│   ├── __init__.py
│   ├── audio_recorder.py   # PulseAudio/PipeWire-Aufnahme via parec
│   ├── blitztext_linux.py  # PyQt6-Hauptanwendung (System-Tray)
│   ├── compose_window.py   # Compose-Fenster für textbasiertes KI-Umschreiben
│   ├── config.py           # Konfigurations-Manager
│   ├── history_panel.py    # Transkript-Verlauf-Panel
│   ├── hotkey_service.py   # evdev-basierter Hotkey-Daemon
│   ├── i18n.py             # Übersetzungen (DE/EN) für die Oberfläche
│   ├── llm_service.py      # OpenAI / OpenRouter / eigene Endpunkte
│   ├── main_window.py      # Hauptanwendungsfenster
│   ├── paste_service.py    # Wayland-Clipboard-Integration
│   ├── transcribe.py       # Whisper-Transkription
│   ├── tts_window.py       # Vorlese-Fenster mit Audio-Export
│   ├── workflows.py        # Workflow-Definitionen
│   └── writing_presets.py  # Text-Aktionen und Migration alter Presets
├── packaging/flatpak/      # Experimenteller Flatpak-MVP-Spike (siehe oben)
├── tests/                  # Test-Suite
└── README.md               # Englische Fassung (diese Datei: README.de.md)

Legal / Impressum & Datenschutz (Original-Projekt)

Dieses Projekt ist ein Linux-Port der macOS-Anwendung "Blitztext". Der Fairness halber und zur korrekten Attribution verweisen wir auf die rechtlichen Angaben des Original-Projekts:

Das Original-Projekt ist ein experimentelles, nicht-kommerzielles Open-Source-Projekt unter der MIT-Lizenz. Die zugehörige Website (blitztext.de) wird betrieben von der Blackboat Internet GmbH:

• Impressum: https://www.blackboat.com/impressum
• Datenschutz / Privacy: https://www.blackboat.com/datenschutz

Neueste Release-Notizen (v0.8.1): Absichtstreue Prompts und bessere Diagnose

Blitztext+ und die Schreibstil-Presets bewahren die Absicht der Eingabe jetzt konservativer. Sie sollen bei diktierten Arbeitsanweisungen oder Übergabe-Prompts keine Meetings, Teilnehmer, Empfänger, Rollen oder Ziele erfinden. E-Mail-Presets nutzen eine E-Mail-artige Struktur nur dann, wenn die Eingabe erkennbar als Nachricht an jemanden gemeint ist.

Das Linux-Prüfskript enthält außerdem verbesserte sitzungsabhängige Desktop-Diagnosen für X11, Wayland und Clipboard-Backends. Die Kompatibilitätsmatrix ist Diagnosehilfe, kein Supportversprechen.