Die besten Wake-Word-Tools 2026 im Vergleich

Wenn ein Gerät auf einen bestimmten Satz reagieren soll – „OK Lampe", „Hallo Lampe" oder „こんにちはライト" – hast du im Grunde vier Optionen. Sie sind nicht gleichwertig, und die richtige hängt von drei Fragen ab, die du beantworten solltest, bevor du dir überhaupt ein Tool ansiehst:

1. Welche Sprache hat dein Keyword? Englisch ist einfach. Alles andere grenzt das Feld schnell ein.
2. Brauchst du ein Keyword oder mehrere? Ein Wake-Word plus Befehle („heller", „aus", „dimmen") ist ein anderes Problem als eine einzelne Phrase.
3. Wie gut muss es am ersten Tag sein? Und kannst du ein schwaches Modell mit echtem Audio nachbessern – oder bist du an das gebunden, was der Generator dir liefert?

Die Landschaft

Die Lücke lässt sich in einem Satz benennen: kostenlos, aber nur Englisch auf der einen Seite, mehrsprachig, aber lizenziert und teuer auf der anderen. Die Mitte – mehrsprachig, Standard-ONNX, ohne Lizenz pro Gerät, mit Multi-Keyword – war lange leer.

openWakeWord: der sichere Standard – für Englisch

Wenn dein Keyword englisch ist und du ein einzelnes Wake-Word brauchst, ist openWakeWord die naheliegende Wahl. Es ist kostenlos, läuft auf der Home-Assistant-Voice-Preview-Edition ab Werk und ist erprobt. Die ehrliche Einschränkung: Die offiziellen Modelle sind nur englisch, und jedes Modell erkennt ein Wort. Ein deutsches Modell selbst trainieren heißt: wieder Daten sammeln, Python/CUDA aufsetzen und Hyperparameter tunen.

Picovoice / Porcupine: fähig, aber mit Lock-in

Porcupine kann mehrere Sprachen und mehrere Keywords – und funktioniert gut. Der Preis ist das Geschäftsmodell: eine Lizenz pro Gerät, ein Account und ein proprietäres .ppn-Format. Im Betrieb hängt dein Gerät von einem Anbieter ab, den du nicht kontrollierst, und die Sprachunterstützung wurde seit Jahren kaum erweitert.

DIY: volle Kontrolle, hoher Preis

Ein eigenes Keyword-Modell mit WeKws oder sherpa-onnx zu trainieren ist legitim – und das, was du tust, wenn nichts anderes passt. „Volle Kontrolle" heißt aber, dass du jeden Schritt selbst trägst: hunderte unterschiedliche Aufnahmen sammeln, bereinigen, VAD, Augmentierung, Training, Evaluation. Für ein Team realistisch, für ein einzelnes Hardware-Projekt brutal.

Die drei Punkte, die du bei jedem Generator prüfen solltest

Was auch immer du wählst: Hinterfrage es an drei Punkten. Die meisten Generatoren scheitern an mindestens einem.

1. Kann es deine Sprache wirklich?

„Mehrsprachig" heißt manchmal „Englisch plus ein paar Akzente". Für deutsche, französische, japanische oder chinesische Keywords: Verlange eine Demo in dieser Sprache, bevor du zahlst. Wie nicht-englische Unterstützung aussehen sollte, zeigt unser Deutsch-Walkthrough.

2. Kann ein Modell mehr als ein Wort?

Ein Wake-Word allein ist noch keine Sprachsteuerung. Nutzer erwarten, das Wake-Word zu sagen und dann einen Befehl. Braucht das Tool pro Wort ein eigenes Modell – oder ein komplettes ASR-System für die Befehle – wird deine Integration deutlich schwerer. Ein einzelnes Modell, das 2–10 Schlüsselwörter in einem Durchlauf erkennt (~100 KB, <5 ms), ist der Unterschied. Mehr dazu im Multi-Keyword-Artikel.

3. Kannst du ein schlechtes Modell mit echtem Audio retten?

Rein TTS-synthetisierte Trainingsdaten bringen dich zu „Standardaussprache" – grob 90 % des Weges. Echte Nutzer haben Akzente, nuscheln und reden gegen den Fernseher. Die Lösung: ein paar echte Aufnahmen ergänzen und neu trainieren. Bietet der Generator das nicht an, steckst du mit dem fest, was die TTS dir liefert.

Verifizieren statt einer „90 %+"-Behauptung glauben

Jeder Anbieter behauptet, sein Recall sei hervorragend. Du musst das nicht glauben. Voicutes Modelle und Inferenz-Engine sind Open Source unter github.com/voicute/onnx-wakeword – klone das Repo, lade ein Modell und miss den Recall mit deinem eigenen Audio. Wenn ein Anbieter dir nichts zum Selbsttesten nennen kann, behandle die Zahl als Marketing.