Cicada hört dem Audio deines Meetings direkt zu, ohne Bot im Raum

Die erste angenehme Überraschung bei Cicada ist das, was es nicht tut. Es tritt deinem Meeting nicht bei. Kein Teilnehmer namens „Cicada Notetaker" wartet im Wartebereich, keine Kalenderberechtigung, keine Mail an die andere Seite, die erklärt, dass eine KI zuhört.
Es nimmt das Audio auf, das dein Rechner ohnehin abspielt. Diese eine Entscheidung beseitigt den größten Teil der Reibung, die Meeting-Bots erzeugen, und sie nimmt ihnen auch die Ausrede: Am Call ändert sich nichts, also muss niemand irgendetwas zustimmen.
Cicada stammt von wquguru, ist kostenlos, steht unter Apache-2.0 und erschien am 1. November 2026 auf GitHub. Drei Wochen später waren es 2.437 Sterne.
Was auf dem Bildschirm steht
Unten sitzt eine Untertitelzeile, die auftaucht, wenn jemand spricht, unter dem Zeiger durchsichtig wird und nach der Spracherkennung in wenigen Sekunden in deine Systemsprache übersetzt. ⌃⌥S schaltet die Anzeigemodi durch, wenn du Original und Übersetzung zusammen oder getrennt sehen willst.
Rechts wachsen während des Meetings die Notizen: eine Zusammenfassung, Themen, Kernpunkte, Schlussfolgerungen, To-dos, ein Fischgräten-Diagramm und ein Glossar der Namen und Begriffe. Klick auf eine Schlussfolgerung, und du springst zu den Zeilen zurück, aus denen sie stammt. ⌘F durchsucht das Transkript, und auch falsch verstandene Homophone tauchen auf, weil die Suche über den korrigierten Text läuft und nicht über das Rohaudio.
Die Korrekturschleife war der Teil, mit dem ich nicht gerechnet hatte. Mit angebundenem KI-Dienst werden falsch verstandene Namen sofort repariert: offensichtliche Homophone direkt, unbekannte Namen, indem du einmal gefragt wirst und die Antwort gemerkt wird. Du kannst vor einem Meeting eine Wortliste in die Einstellungen kleben, damit das Vokabular ab der ersten Minute da ist. Nach dem Meeting korrigiert Edit line… dasselbe falsche Wort über die ganze Sitzung, mit Undo.
Zwei Arten von Audio, eine Aufzeichnung
Rechneraudio wird als Online bezeichnet. Das Mikrofon heißt In room, und wenn du es einschaltest, nimmt es die Menschen auf, die physisch bei dir sitzen. Beides landet in derselben Aufzeichnung, was für ein hybrides Meeting das richtige Verhalten ist und erstaunlich selten vorkommt.
Mit Lautsprechern statt Kopfhörern dedupliziert Cicada das Audio, damit dieselbe Stimme nicht zweimal erscheint. Mit Kopfhörern können beide Seiten gleichzeitig sprechen, und beides bleibt erhalten. Auf dem Mac wählt der Pfeil neben dem Mikrofon-Button eine bestimmte Quelle, ein iPhone-Mikrofon oder ein Konferenzmikrofon, ohne die Systemvorgabe zu ändern.
Was das Mikrofon hört, geht nur in die Notizen; es wird nicht in das Meeting geleitet. Damit die andere Seite dich hört, nimmst du den Dolmetscher.
Taste halten, die eigene Sprache sprechen
Das ist die Funktion, wegen der ich zweimal hingesehen habe. Halte auf dem Mac die rechte ⌥, unter Windows die rechte Ctrl und sprich. Die anderen Teilnehmer hören deine übersetzte Stimme im Call, und diese Stimme kann deine sein: Mit einem Ling-API-Key klont Cicada sie aus einer 8 bis 30 Sekunden langen Aufnahme. Ohne Key bleiben die eingebauten macOS-Stimmen.
Auf dem Mac gibt es außerdem einen Freihandmodus: Du fängst an zu sprechen, während das Meeting läuft, das Meeting-Audio wird automatisch leiser, und deine übersetzte Stimme geht nach einer Sekunde Pause raus. Das Mikrofon pausiert, solange der Modus aktiv ist, und das README empfiehlt, zur Sprechtaste zurückzukehren, wenn andere Leute in der Nähe sind, damit ihre Stimmen nicht für deine gehalten werden. Praktischer Rat, und leicht zu vergessen.
Unter der Haube schaltet das Dolmetschen das Systemmikrofon auf BlackHole 2ch um, einen virtuellen Audiotreiber, den du mit einem Klick installierst. Das ist der eine Einrichtungsschritt, der Leute verwirren wird, und er lässt sich nicht vermeiden: Um Audio in eine Meeting-App einzuspeisen, muss sich etwas als Mikrofon ausgeben.
Sprecher, Namen und die Aufzeichnung
Das lokale Stimmabdruck-Modell trennt Sprecher automatisch und füllt Namen ein, wenn ein Ling-Key vorhanden ist. Du kannst Sprecher umbenennen oder zusammenlegen, wann immer es danebenliegt, und auf dem Mac eine Stimme merken lassen, mit der Anweisung aus dem README, vorher bei der Person nachzufragen. Der Stimmabdruck bleibt auf dem Rechner, und in den Einstellungen lässt er sich löschen.
Aufzeichnungen behalten das zweisprachige Transkript, die Notizen und das Rohaudio auf deinem Gerät. Klick auf eine beliebige Zeile, um von dort abzuspielen, während der Text mitläuft. Nach dem Meeting kannst du Notizen neu erzeugen, eine Schlussfolgerung direkt bearbeiten, neu transkribieren, wenn die Sprache falsch erkannt wurde, oder eine lokale Audio- oder Videodatei importieren. Der Export deckt Markdown, Word und SRT ab.
Zwei Details fallen auf. Copy Notes landet in Feishu, Notion oder Word mit Überschriften, Listen und dem Fischgräten-Bild intakt. Und mit „Save to folder" wird jedes Meeting zu einer Markdown-Datei mit Frontmatter oben, die in einem Obsidian-Vault oder irgendeinem Ordner landet und beim Umbenennen mitwandert. Frontmatter für Agenten, in einer Consumer-App, im Jahr 2026: Die Annahme ist, dass irgendetwas nachgelagert diese Notizen liest.
Teilen erzeugt einen Link mit optionalem Ablaufdatum und Passwort, und vor dem Upload blockiert es Keys, unveröffentlichte Firmeninformationen und andere sensible Zeichenketten. Blockieren ist ein Filter. Die Richtung stimmt trotzdem.
Die Realität der Plattformen
Mac hat den vollen Funktionsumfang. Auf Apple Silicon läuft die Spracherkennung auf dem Gerät, das Audio verlässt den Rechner also nie, und die App funktioniert ohne API-Key. Intel-Macs brauchen einen Key. Windows, Linux und Android brauchen einen Key von Ling, OpenRouter, ZenMux oder ähnlich.
Unter Linux ist das Notizfenster beim Bildschirmteilen sichtbar, was du vor einer Präsentation wissen solltest. Unter Android blockiert das System die Aufnahme von Audio aus Call- und Meeting-Apps, der Workaround ist also Freisprechen plus der Modus In person. Das ist eine Grenze der Plattform, kein Bug.
Was ich prüfen würde, bevor ich ihr traue
Vier Dinge.
Einwilligung. „Niemand merkt etwas" ist eine Funktion für die Person, die aufnimmt, und ein Problem für alle anderen. In vielen Rechtsordnungen verlangt das Aufzeichnen eines Calls, dass die Teilnehmer informiert werden. Die App macht es leicht, das zu vergessen; du solltest es nicht.
Übersetzungsqualität unter Druck. Live-Dolmetschen ist eine harte Aufgabe, und die eine Sekunde Pause, bevor deine Stimme rausgeht, ist eine echte Einschränkung dafür, wie du sprichst. Probier es in einem unkritischen Call, bevor du es mit einem Kunden benutzt.
Die Abhängigkeitskette. Erkennung auf dem Gerät gibt es nur auf dem Mac, alles andere braucht einen Drittanbieter-Key. Kostenlose Software mit einer bezahlten Abhängigkeit in der Mitte ist eine normale Konstruktion, und es lohnt sich zu wissen, welche Teile aufhören zu funktionieren, wenn der Key abläuft.
Sprecherzuordnung. Stimmabdrücke sind gut und nicht perfekt, besonders bei ähnlichen Stimmen über einen komprimierten Meeting-Codec. Lies die ersten Minuten eines Transkripts, bevor du den Labels traust.
Warum es den Platz auf der Platte wert ist
Hier stecken drei getrennte Produkte, die normalerweise einzeln verkauft werden: Live-Untertitel, Meeting-Notizen und Echtzeit-Dolmetschen. Cicada liefert alle drei, nutzt das Audio, das der Rechner schon hat, und legt die Ergebnisse als Dateien ab, die dir gehören.
Die Designentscheidung, die es klein macht, ist die Abwesenheit eines Bots. Alles andere folgt daraus: keine Kalenderintegration, kein Wartebereich, keine Teilnehmerliste, kein „lass mich rein". Du drückst eine Taste, und das Meeting bekommt Untertitel.
Für alle, die ihre Woche in Calls zwischen zwei Sprachen verbringen, ist das eine Menge Reibung weniger zum Preis eines virtuellen Audiotreibers.
Verwandte Artikel
Ein Server, eine KI-Streamerin: im Code, der einen nächtlichen Livestream trägt
open-yoki ist der Produktionscode einer KI-Host, die jeden Abend auf Binance Square streamt, mit entfernten Geld-Features, Stimme und Persona. headless Chrome zeichnet das Bild, ffmpeg schiebt RTMP, ein Markdown-Ordner entscheidet über Laune und Posts.
ByteDances SeedRealtime nimmt zwei Bilder pro Sekunde und entscheidet selbst, wann es spricht
Doubao-Seed-Realtime-1.0 packt Kamera-Frames, Bildschirm-Frames und Sprache in eine einzige Vollduplex-Sitzung, mit höchstens zwei Frames pro Sekunde. Die interessanten Entscheidungen sind die Bildrate, das proaktive Sprechen und die Audit-Antwort, die ab Werk an ist.
Pinky lässt einen Agent dein Handy bedienen und hält den Senden-Knopf fest, bis du auf Erlauben tippst
Pinky verbindet jeden MCP-Agent mit einem echten iPhone oder Android und erzwingt die Freigabe in seiner eigenen Gateway statt in einem Prompt. Bank-Apps sind unsichtbar, Passwortfelder tabu, und unter Android 13 bekommt der Agent einen versteckten zweiten Bildschirm.
AnyModelBot stellt ein kleines Team aus KI-Bots auf deinen eigenen Rechner, Keys inklusive
AnyModelBot ist eine Desktop-App, die mehrere Bots gleichzeitig laufen lässt, jeder mit eigener Persona, eigenem Modell, Workspace und Gedächtnis. Man spricht sie in der App an oder über WeChat, Feishu, Telegram, Slack und Discord, und Dateien, Verlauf und API-Keys bleiben auf der eigenen Platte.