Was ist Voxa?
Voxa ist ein Open-Source-Desktop-Sprachassistent, veröffentlicht unter askvoxa.dev und gebaut mit Tauri v2, einem Framework zum Bau leichtgewichtiger, plattformübergreifender Desktop-Apps mit webbasierter Oberfläche in einer nativen Hülle. Voxa steht unter der MIT-Lizenz.
- Kern-Interaktionsmodell: ein rahmenloser, immer im Vordergrund bleibender Orb, der über den anderen Fenstern schwebt — antippen startet ein Echtzeit-Sprachgespräch, statt ein separates Chatfenster oder einen Browser-Tab zu öffnen
- Das Modell-Backend ist konfigurierbar, nicht auf einen Anbieter festgelegt: Cloud-Echtzeit-Sprachmodelle (Google Gemini Live oder OpenAI Realtime) oder ein selbst gehosteter lokaler Daemon
- Gebaut mit Tauri v2, das die Oberfläche über die eigene Web-Engine des Betriebssystems rendert (WebView2 unter Windows, WKWebView unter macOS, WebKitGTK 4.1 unter Linux), statt wie Electron eine eigene Browser-Engine mitzuliefern
- Notizen und Informationen, die der Assistent nachschlägt oder speichern soll, werden als reine Markdown-Dateien im lokalen Dateisystem geschrieben
- Kein proprietärer Backend-Server von Voxa selbst — die eigene Konfiguration, Daten und API-Schlüssel der App bleiben auf dem eigenen Rechner; Cloud-Aufrufe gehen direkt an den konfigurierten Modellanbieter (Google oder OpenAI), nicht an einen von Voxa betriebenen Server
Was sind die Kernfunktionen von Voxa?
Voxas drei prägende Merkmale sind der immer im Vordergrund bleibende Sprach-Orb, die Markdown-basierte Notizspeicherung und die Open-Source-Basis mit Tauri v2. Jedes prägt, wie sich die App im Vergleich zu einem browserbasierten oder abo-pflichtigen Sprachassistenten verhält.
Der schwebende Sprach-Orb
Voxas Oberfläche ist ein rahmenloser, immer im Vordergrund bleibender Orb statt eines vollständigen Anwendungsfensters oder Browser-Tabs. Er bleibt über anderen Fenstern sichtbar, sodass ein Echtzeit-Sprachgespräch mit einem einzigen Antippen starten kann, ohne den Fokus von der aktuellen Arbeit wegzunehmen.
Markdown-basierte Notizen und Suche
Wenn Voxa Informationen sucht oder etwas gespeichert werden soll, wird das Ergebnis als reine Markdown-Datei im lokalen Dateisystem geschrieben — nicht in einer proprietären Datenbank oder einem reinen Cloud-Notizspeicher eingeschlossen. Da Markdown ein reines Textformat ist, bleiben diese Dateien in jedem Texteditor oder jeder Notiz-App lesbar und bearbeitbar, unabhängig davon, ob Voxa läuft.
Open Source: Tauri v2 und MIT-Lizenz
Voxa ist mit Tauri v2 gebaut und steht unter der MIT-Lizenz, einer freizügigen Open-Source-Lizenz ohne Einschränkung für das Einsehen, Verändern oder Weiterverbreiten des Quellcodes. Tauri-Apps nutzen für die Oberfläche die eigene Web-Rendering-Engine des Betriebssystems statt einer separat mitgelieferten Browser-Engine — deshalb sind die Plattformanforderungen an eine bestimmte Version der jeweiligen OS-Web-Engine gebunden (siehe Plattformabschnitt unten).
Ist Voxa wirklich lokal?
Voxa ist eine hybride App, keine ausschließlich lokal auf dem Gerät laufende — dieser Unterschied sollte klar sein, bevor man es als „lokales KI"-Tool wählt. Es unterstützt zwei getrennte Backend-Wege für das Echtzeit-Sprachmodell, und nur einer davon hält die Inferenz auf der eigenen Hardware.
- Cloud-Echtzeit-Sprachmodelle — Voxa kann das Echtzeit-Sprachgespräch über Google Gemini Live oder OpenAI Realtime führen. Dieser Weg erfordert eine Internetverbindung und eigenen API-Zugang/Zugangsdaten bei diesem Anbieter; das Sprachmodell selbst läuft auf den Servern dieses Anbieters, nicht auf dem eigenen Gerät.
- Selbst gehosteter lokaler Daemon — Voxa kann stattdessen auf einen selbst konfigurierten und betriebenen lokalen Daemon zeigen, sodass die Sprachmodell-Inferenz auf dem eigenen Rechner oder Netzwerk bleibt, statt Audio an einen Cloud-Anbieter zu senden. Das ist der Weg, der Voxa zu einem lokalen KI-Tool macht, aber es ist eine optionale Einrichtungsarbeit auf eigene Faust, nicht das Standardverhalten ohne Konfiguration.
📌Hinweis: Was unabhängig vom gewählten Backend lokal bleibt: die eigene Konfiguration der App, die Notizen (gespeichert als reine Markdown-Dateien) und die API-Schlüssel — diese liegen auf dem eigenen Rechner, nicht auf einem von Voxa betriebenen Server. Was standardmäßig nicht lokal bleibt: das Echtzeit-Sprachmodell selbst, sofern nicht der selbst gehostete lokale Daemon-Weg konfiguriert wurde.
Voxa unter Windows, macOS und Linux
Windows
- Was zu erwarten ist:
- Voxa rendert seine Oberfläche über WebView2, die Chromium-basierte Web-Engine, die Microsoft mit modernem Windows ausliefert. Ein aktuelles WebView2-Runtime ist nötig, damit die Orb-Oberfläche und die Sprach-UI korrekt angezeigt werden.
macOS
- Was zu erwarten ist:
- Voxa nutzt WKWebView, Apples integrierte Web-Rendering-Engine, für seine Oberfläche. Da Tauri auf die vom OS bereitgestellte Engine setzt, statt eine eigene mitzuliefern, richtet sich das Verhalten nach der WKWebView-Version, die mit der jeweiligen macOS-Version ausgeliefert wird.
Linux
- Was zu erwarten ist:
- Voxa nutzt WebKitGTK 4.1 für seine Oberfläche unter Linux. Das ist eine spezifische WebKitGTK-Version, nicht „irgendein WebKit-Build" — vor der Installation prüfen, ob die eigene Distribution WebKitGTK 4.1 (oder eine kompatible Version) paketiert, da ältere Distro-Paketversionen nicht passen könnten.
Da Tauri v2 die Oberfläche über die eigene Web-Engine jedes Betriebssystems rendert statt über eine mitgelieferte Browser-Engine, lässt sich die genaue Mindestversion von OS/Engine für jede Plattform hier nicht als dauerhafte Zahl festlegen — aktuelle Plattformanforderungen vor der Installation direkt auf askvoxa.dev prüfen.
Für wen eignet sich Voxa?
Die richtige Wahl hängt davon ab, ob ein dauerhaft sichtbarer Sprach-Orb und Markdown-basierte Notizen zur gewünschten Art passen, mit einem Assistenten zu sprechen, und ob man bereit ist, bei Bedarf einen lokalen Daemon selbst einzurichten, wenn vollständig lokale Inferenz wichtig ist.
Voxa nutzen, wenn
- ein Sprachassistent gewünscht ist, der als kleiner schwebender Orb sichtbar bleibt, statt zu einem vollständigen Fenster oder Browser-Tab gewechselt werden zu müssen
- Notizen als reine Markdown-Dateien gespeichert werden sollen, die man außerhalb der App öffnen, durchsuchen und bearbeiten kann, statt in einem proprietären Format
- man bereit ist, einen Cloud-Echtzeit-Sprachanbieter (Gemini Live oder OpenAI Realtime) mit eigenem API-Zugang zu nutzen, oder bereit ist, bei Bedarf einen selbst gehosteten lokalen Daemon zu konfigurieren, damit die Inferenz auf der eigenen Hardware bleibt
- eine Open-Source-, MIT-lizenzierte App gewünscht ist, deren Quellcode man einsehen oder verändern kann, statt eines closed-source Abo-Assistenten
Ein anderes Tool in Betracht ziehen, wenn
- ein vollständig lokaler, einrichtungsfreier Sprachassistent von Haus aus gewünscht wird — Voxas Standardweg ist cloudgestützt, und rein lokaler Betrieb erfordert die eigene Einrichtung des selbst gehosteten Daemons
- eine mobile App statt eines Desktop-Tools gewünscht wird — Voxa zielt auf Windows-, macOS- und Linux-Desktop, nicht auf iOS oder Android
- eine vollständig dokumentierte End-to-End-Open-Source-Sprachpipeline (Speech-to-Text, LLM, Text-to-Speech) mit jeder spezifizierten Komponente gewünscht wird — siehe Einen lokalen Sprachassistenten auf dem Smartphone bauen oder Einen lokalen Sprachassistenten bauen: Vollständige Anleitung für eine solche vollständig spezifizierte Pipeline
Häufige Fehler bei der Einschätzung von Voxa
Die meiste Verwirrung um Voxa entsteht, wenn man davon ausgeht, es verhalte sich entweder wie eine rein lokale oder eine rein cloudbasierte App, obwohl es als konfigurierbares Hybrid aus beidem konzipiert ist.
Fehler 1: Annehmen, Voxa laufe standardmäßig vollständig offline
Voxas Standardweg mit dem geringsten Aufwand ist ein Cloud-Echtzeit-Sprachmodell (Gemini Live oder OpenAI Realtime), das eine Internetverbindung und den API-Zugang dieses Anbieters benötigt. Offline, vollständig lokaler Betrieb ist möglich, aber erst nach eigener Konfiguration und Betrieb des selbst gehosteten lokalen Daemons.
Fehler 2: Annehmen, „Open Source" bedeute „keine Cloud-Aufrufe"
Dass Voxas eigener Anwendungscode Open Source ist (MIT-Lizenz, Tauri v2), ist eine separate Tatsache vom gewählten Sprachmodell-Backend. Open-Source-App-Code kann trotzdem so konfiguriert sein, dass Echtzeit-Audio an einen Cloud-Anbieter eines Drittanbieters gesendet wird — prüfen, welcher Backend-Weg tatsächlich konfiguriert ist, nicht nur die Lizenz der App.
Fehler 3: Automatisch dieselben Markdown-Notizen auf jedem Gerät erwarten
Notizen werden als reine Markdown-Dateien im lokalen Dateisystem des Rechners gespeichert, auf dem Voxa läuft. Ohne separat eingerichtete eigene Synchronisierung (ein Cloud-Ordner, ein Git-Repository oder Ähnliches) sind Notizen auf einem Rechner nicht automatisch auf einem anderen verfügbar.
Fehler 4: Installation ohne Prüfung der Plattform-Web-Engine-Anforderung
Da Voxa mit Tauri v2 gebaut ist, hängt seine Oberfläche von der eigenen Web-Engine des Betriebssystems ab — WebView2 unter Windows, WKWebView unter macOS, WebKitGTK 4.1 unter Linux — statt einer mitgelieferten Browser-Engine. Eine veraltete oder fehlende Engine kann verhindern, dass die Orb-Oberfläche korrekt gerendert wird; vor der Annahme, ein Installationsproblem sei ein Voxa-Fehler, prüfen, ob die Engine der eigenen Plattform aktuell ist.
Häufig gestellte Fragen
Was ist Voxa?
Voxa ist ein Open-Source, MIT-lizenzierter Desktop-Sprachassistent, gebaut mit Tauri v2, verfügbar unter askvoxa.dev. Er präsentiert sich als rahmenloser, immer im Vordergrund bleibender Orb, den man antippt, um ein Echtzeit-Sprachgespräch zu starten, und kann als Backend ein Cloud-Echtzeit-Sprachmodell oder einen selbst gehosteten lokalen Daemon nutzen.
Ist Voxa kostenlos?
Voxas eigener Anwendungscode ist Open Source unter der MIT-Lizenz. Bei Nutzung des Cloud-Echtzeit-Sprach-Backends (Gemini Live oder OpenAI Realtime) gelten die eigenen Preise und API-Bedingungen dieses Anbieters, getrennt von Voxa selbst. Aktuelle Preise für Gemini Live oder OpenAI Realtime direkt bei Google oder OpenAI prüfen.
Läuft Voxa vollständig offline?
Nur wenn der selbst gehostete lokale Daemon-Weg konfiguriert wird. Standardmäßig ist Voxa so eingerichtet, dass es einen Cloud-Echtzeit-Sprachanbieter (Gemini Live oder OpenAI Realtime) nutzt, was eine Internetverbindung erfordert. Ein vollständig offline nutzbares Setup ist möglich, erfordert aber, dass man einen eigenen lokalen Daemon betreibt und Voxa darauf zeigt.
Welche Plattformen unterstützt Voxa?
Windows (mit der WebView2-Engine), macOS (mit WKWebView) und Linux (mit WebKitGTK 4.1). Voxa ist eine Desktop-App, gebaut mit Tauri v2, keine mobile App für iOS oder Android.
Wo speichert Voxa meine Notizen?
Als reine Markdown-Dateien im lokalen Dateisystem, nicht in einer proprietären Datenbank oder einem reinen Cloud-Format. Das bedeutet, Notizen bleiben in jedem Texteditor lesbar und bearbeitbar, unabhängig davon, ob Voxa installiert ist oder läuft.
Sendet Voxa meine API-Schlüssel oder Daten irgendwohin?
Konfiguration, Daten und API-Schlüssel werden auf dem eigenen Rechner gespeichert. Bei Nutzung des Cloud-Echtzeit-Sprach-Backends werden Audio- und Gesprächsdaten an den konfigurierten Anbieter (Google Gemini Live oder OpenAI Realtime) gesendet, gemäß dessen eigenen Datenschutzbedingungen — nicht an einen separaten, von Voxa betriebenen Server.
Was ist der Unterschied zwischen dem Cloud-Backend und dem lokalen Daemon-Backend in Voxa?
Das Cloud-Backend (Gemini Live oder OpenAI Realtime) führt das Echtzeit-Sprachmodell über die Server dieses Anbieters und erfordert eine Internetverbindung sowie eigenen API-Zugang bei diesem Anbieter. Das selbst gehostete lokale Daemon-Backend hält die Sprachmodell-Inferenz auf eigener Hardware, erfordert aber, dass man diesen Daemon selbst einrichtet und betreibt — er ist nicht vorkonfiguriert.
Ist Voxa Open Source?
Ja. Voxa ist mit Tauri v2 gebaut und steht unter der MIT-Lizenz, einer freizügigen Lizenz, die das Einsehen, Verändern und Weiterverbreiten des Quellcodes ohne Einschränkung der kommerziellen Nutzung erlaubt.
Kann ich Voxa ohne Internetverbindung nutzen?
Nur wenn der selbst gehostete lokale Daemon als Sprachmodell-Backend konfiguriert ist und läuft. Der Cloud-Echtzeit-Sprachweg (Gemini Live oder OpenAI Realtime) benötigt eine Verbindung, um zu funktionieren.
Benötigt Voxa eine bestimmte Browser-Engine auf meinem System?
Ja, indirekt — da es mit Tauri v2 gebaut ist, rendert Voxa seine Oberfläche über die eigene Web-Engine des Betriebssystems: WebView2 unter Windows, WKWebView unter macOS und WebKitGTK 4.1 unter Linux. Vor der Installation sicherstellen, dass die jeweilige Engine vorhanden und aktuell ist.