Wichtigste Erkenntnisse
- Gebaut mit Tauri v2, veröffentlicht unter der MIT-Lizenz — für die App selbst ist keine proprietäre Backend-Software nötig
- Oberfläche: ein rahmenloser, immer im Vordergrund bleibender Orb statt eines gewöhnlichen Fensters oder Browser-Tabs
- Hybrides Modell-Backend: Cloud-Echtzeit-Sprache (Google Gemini Live oder OpenAI Realtime) oder ein selbst gehosteter lokaler Daemon, den man selbst konfiguriert
- Notizen und Suchergebnisse werden als reine Markdown-Dateien im lokalen Dateisystem gespeichert, nicht in einer proprietären Datenbank
- Konfiguration, Daten und API-Schlüssel werden auf dem eigenen Rechner gespeichert
- Verfügbar für Windows (WebView2), macOS (WKWebView) und Linux (WebKitGTK 4.1)
- Offizielle Website: askvoxa.dev
📍 In einem Satz
Voxa ist ein Open-Source, MIT-lizenzierter Desktop-Sprachassistent, gebaut mit Tauri v2, der als schwebender, immer im Vordergrund bleibender Orb erscheint, Echtzeit-Sprachgespräche entweder über einen Cloud-Anbieter (Gemini Live oder OpenAI Realtime) oder über einen selbst gehosteten lokalen Daemon unterstützt und Notizen als reine Markdown-Dateien auf dem eigenen Rechner speichert.
💬 In einfachen Worten
Statt einen Browser-Tab oder ein Programmfenster zu öffnen, bekommt man einen kleinen schwebenden Kreis, der über den anderen Fenstern liegt. Antippen und loslegen: Er kann einen Cloud-KI-Sprachdienst nutzen oder, wenn man ihn selbst einrichtet, ein Sprachmodell auf dem eigenen Rechner — und er schreibt Notizen als reine Textdateien, die man in jedem Editor öffnen kann.
📌Hinweis: Voxa ist kein ausschließlich lokales Tool. Das Cloud-Backend (Gemini Live oder OpenAI Realtime) ist der einfachere Weg und hängt von der API dieses Anbieters und einer Internetverbindung ab; ein vollständig lokales Setup erfordert, dass man Voxa selbst auf einen eigenen, selbst gehosteten Daemon zeigt. Siehe „Ist Voxa wirklich lokal?" weiter unten, bevor man davon ausgeht, dass dies eine cloudfreie, einrichtungsfreie lokale App ist.
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.
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.
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.
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.