Sprach-KI Woof: Vorlesen ohne Cloud, aber nicht für Unternehmen
09. November 2026
KI-generiert, redaktionell von 8thsense ausgewählt, geprüft und freigegeben. EU AI Act, Art. 50
Eine Sprach-KI, kleiner als manches Handyfoto-Album, die Text direkt im Browser vorliest, ohne dass ein Wort an einen Cloud-Server geht: Das zeigt das US-Start-up Underdog mit seinem Modell Woof. Für Unternehmen mit sensiblen Daten, etwa in Pflege, Therapie oder Beratung, klingt das nach der lange gesuchten datensparsamen Vorlesefunktion. Ein Blick in die Model Card und die Lizenz zeigt allerdings zwei Haken, die in der ersten Berichterstattung untergehen. Woof ist trotzdem ein gutes Signal dafür, wohin sich Sprach-KI entwickelt.
Was Underdog vorgestellt hat
Laut TechCrunch präsentiert Underdog Woof in einem Browserspiel im Retro-Look: Auf einer virtuellen Schreibmaschine getippter Text wird vorgelesen, alle Stimmen stammen vom Modell selbst (Quelle: techcrunch.com). Das Unternehmen gibt an, dass das Modell auf den meisten Geräten ohne Internetverbindung läuft. TechCrunch nennt rund 32 Megabyte und 31 Millionen Parameter. Die offizielle Model Card bei Hugging Face präzisiert: Die Browser-Version mit einer Stimme ist 31,7 MB groß, das herunterladbare Paket mit zwei Stimmen 40,6 MB (Quelle: huggingface.co). Es läuft laut Hersteller auf einer normalen Laptop-CPU, nur mit der Python-Bibliothek numpy, ohne Grafikkarte, Server oder API-Schlüssel. Gründer Sigil Wen begründet den Ansatz in einem Manifest mit Datenschutz: Daten, die nie auf einem Server landen, können dort auch nicht abfließen (Quelle: underdog.ai).
Starke Zahlen, aber selbst gemessen
Die Model Card wirbt mit einer Wortfehlerrate von 1,42 Prozent auf einem englischen Testsatz mit schwierigen Sätzen (Telefonnummern, Datumsangaben, Preise) und einer Geschwindigkeit von 13,8-facher Echtzeit auf einem einzigen CPU-Kern. Damit liege Woof vor deutlich größeren Cloud-Modellen bekannter Anbieter. Diese Werte sollte man einordnen: Underdog hat alle Vergleichsmodelle selbst getestet, die Transkription und das Zählen der Fehler übernahmen wiederum KI-Modelle. Das ist transparent dokumentiert, aber kein unabhängiger Benchmark. Glaubwürdig ist vor allem die Grundaussage, dass Sprachausgabe in brauchbarer Qualität inzwischen in Dateigrößen passt, die jeder Browser problemlos lädt. Das ist der eigentliche Trend hinter der Meldung.
Haken 1: Woof spricht nur Englisch
In der Model Card ist als Sprache ausschließlich Englisch hinterlegt, die zwei Stimmen heißen Juno und Mira. Für deutschsprachige Websites, Kundenportale oder Pflegedokumentation ist Woof damit derzeit schlicht nicht einsetzbar. Ein englisches Sprachmodell liest deutschen Text nicht einfach mit Akzent vor, sondern scheitert an Aussprache, Zahlenformaten und Betonung. Gerade der eingebaute Normalisierer, der Telefonnummern oder Uhrzeiten so ausspricht, wie Menschen sie sagen, ist auf englische Konventionen ausgelegt. Ob und wann eine deutsche Version folgt, kündigt Underdog bislang nicht an.
Haken 2: Die Lizenz schließt Firmen aus
Während TechCrunch schreibt, das Modell sei für alle zum Download offen, zeigt die Lizenz ein anderes Bild. Woof steht unter der „Underdog Non-Commercial License 1.0“ (Quelle: Lizenztext auf huggingface.co). Die wichtigsten Punkte:
Kostenlos nur für private Projekte, Forschung, Lehre und gemeinnützige Organisationen, solange nichts verkauft oder monetarisiert wird.
Kommerzielle Nutzung umfasst ausdrücklich jede Nutzung durch oder für ein Unternehmen, inklusive der internen Abläufe eines Betriebs. Dafür ist eine separate Lizenz nötig.
Namensnennung ist Pflicht: Apps müssen „Voice by Underdog Woof“ anzeigen.
Kein Training anderer Sprachmodelle mit Woof oder seinen Audiodateien.
Selbst ein rein internes Vorlese-Tool im Pflegedienst wäre also lizenzpflichtig. Vereine und Wohlfahrtsverbände könnten Woof theoretisch frei nutzen, scheitern aber an der fehlenden deutschen Sprache.
Was es heute schon auf Deutsch gibt
Wer lokale Sprachausgabe auf Deutsch sucht, landet bei etablierten Open-Source-Projekten wie Piper. Die Engine wird von der Open Home Foundation gepflegt, läuft lokal und steckt unter anderem in Home Assistant und dem Screenreader NVDA (Quelle: github.com). Für Deutsch gibt es mehrere Stimmen, etwa „Thorsten“, deren Trainingsdaten unter der freien Lizenz CC0 stehen (Quelle: huggingface.co). Die Engine selbst steht unter der GPL, und jede Stimme hat eigene Lizenzbedingungen. Vor dem Einbau in ein Produkt sollte das jemand prüfen, der sich mit Open-Source-Lizenzen auskennt. Klanglich reicht Piper nicht an aktuelle Cloud-Stimmen heran, für Vorlesefunktionen und Ansagen ist es aber erprobt.
Was das für Unternehmen bedeutet
Woof selbst ist für deutsche Mittelständler im Moment eine Demo, kein Werkzeug. Die Richtung stimmt aber: Sprach-KI wird klein genug, um auf dem eigenen Gerät oder im Browser zu laufen, und damit verschwindet eines der größten Datenschutzprobleme. Für einen Pflegedienst, der Einsatzpläne vorlesen lassen will, eine Therapiepraxis mit barrierearmen Übungsanleitungen oder eine Tanzschule mit Audio-Hinweisen in der App heißt das: Die Frage ist nicht mehr nur „welcher Cloud-Anbieter“, sondern zunehmend „lokal oder Cloud“. Die eigentliche Arbeit steckt dabei selten im Modell, sondern in der Einbindung: Wo entsteht der Text, wie kommt er in die Sprachausgabe, wer prüft Aussprache und Fachbegriffe, und passt die Lizenz zum Einsatzzweck?
Ein sinnvoller Start ist klein: einen konkreten Anwendungsfall wählen, etwa das Vorlesen von Terminbestätigungen oder internen Anleitungen, und dafür eine lokale deutsche Stimme mit echten Texten aus dem Betrieb testen. Das kostet wenige Tage Aufwand statt laufender API-Gebühren. Wer solche Bausteine in bestehende Abläufe einbinden will, sollte sie als Teil einer größeren KI-Automation denken und nicht als Insellösung. Und bei jedem neuen Modell gilt: erst Model Card und Lizenz lesen, dann begeistern lassen.
