Warum Vigilant Ear?

Stand: Oktober 2026.

Das hier ist nicht irgendeine App zur Geräuscherkennung. Solche Apps erkennen eine kurze Liste von Geräuschen und blenden ein Symbol auf deinem Bildschirm ein. Das meiste, was dir wirklich entgeht, steht nicht auf dieser Liste.

Jemand hinter dir sagt deinen Namen. Du drehst dich nicht um. Und schon hält man dich für unhöflich.

Ein Barista ruft deine Bestellung aus. Eine Pflegekraft ruft im Wartezimmer deinen Namen. Du antwortest nicht, und alle ziehen denselben Schluss.

Dein Telefon hat sie alle gehört. Es hatte nur keine Möglichkeit, es dir zu sagen.

Vigilant Ear ändert das — auf dem Telefon, das du ohnehin in der Tasche hast.

Jede Sprache — die App erkennt selbst, was gesprochen wird; du wählst nie eine aus
Wer es gesagt hat — jede Stimme in ihrer eigenen Farbe
Woher es kam — Peilung und Entfernung auf einer Live-Karte
Wie sicher sie sich ist — ein Vertrauenszeichen an jeder Zeile
Wenn du gemeint bist — ein unverkennbares Antippen, sobald jemand deinen Namen sagt
Privat — dein Audio verlässt nie dein Telefon
Kein Abo — Untertitel und Warnungen für immer kostenlos

Und es ist nicht ein Problem — es sind drei. Eine Türklingel ist der leichte Fall: laut, scharf, nach einer Sekunde vorbei. Anschwellender Verkehr auf der Straße draußen ist der schwere — weit weg, breitbandig, ohne saubere Kante, an der man ihn packen könnte. Ein Erdbeben ist der Fall, den überhaupt niemand hört: Es kommt als Bewegung und Druck unterhalb des menschlichen Hörbereichs an. Barometer und Beschleunigungssensor deines Telefons spüren es.

Die meisten Barrierefreiheits-Apps decken den ersten ab. Vigilant Ear deckt alle drei ab — gleichzeitig.

Was in keinem Prospekt steht

Jede Hör-App wirbt zuerst mit dem Rauchmelder. Er ist wichtig, und Vigilant Ear erkennt ihn, aber er ist der leichte Teil: laut, selten, unverwechselbar. Was dir durchrutscht, sind die Zwischentöne. Ein betontes Wort. Jemand, der nachts leise in deiner Nähe unterwegs ist. Ein Baby, das im Nebenzimmer weint.

Standing Watch ist eine Lampe auf deinem Bildschirm, die immer an ist: gleichmäßiges Cyan, solange der Raum sein gewohntes Muster hält, Bernsteingelb, sobald sich etwas ändert — eine neue Stimme, plötzliche Stille, etwas, das sich nähert.

Name gerufen achtet auf die Namen, die du auswählst — deinen, den deines Kindes, den deiner Partnerin oder deines Partners — und tippt dich unverkennbar an, sobald jemand einen davon sagt. Deine Apple Watch und die Standing-Watch-Lampe zeigen beide, aus welcher Richtung er kam. Der Satz erscheint trotzdem in den Untertiteln, wie alles andere Gesprochene. Die Warnung heißt nicht jemand hat gesprochen. Sie heißt jemand spricht mit dir.

Woher es kam

Eine Sirene ist keine Information, solange du nicht weißt, aus welcher Richtung sie kommt. Jedes Geräusch, das Vigilant Ear hört, landet mit Peilung und ungefährer Entfernung auf einer Live-Karte, damit eine Warnung die Frage beantwortet, die du wirklich hast: Muss ich mich bewegen, und in welche Richtung?

Richtungstöne können diese Peilung an ein einzelnes Ohr schicken, für einseitiges Hören.

Wer spricht, und wie weit du dich darauf verlassen kannst

Live-Untertitel trennen die Menschen um dich herum nach Stimme, jede in ihrer eigenen Farbe, damit sich ein Gespräch wie ein Gespräch liest und nicht wie ein einziger durchgehender Block.

Die meisten Untertitel-Apps reichen dir jedes Wort mit derselben ruhigen Selbstsicherheit und überlassen es dir, später herauszufinden, welche falsch waren. Hier trägt jede Zeile ein Drei-Balken-Zeichen — drei Balken heißt klar gehört, einer heißt mit Vorsicht zu genießen — und die einzelnen Wörter, bei denen sie sich nicht sicher war, sind unterstrichen. In einem lauten Raum zählt das Wissen, welchen Wörtern du trauen kannst, genauso viel wie die Wörter selbst.

Legt jemand Nachdruck auf ein Wort, wird es hervorgehoben: Ich hab nicht gesagt, dass er es genommen hat. So erreicht dich auch die Betonung, die ein Transkript sonst wegwirft.

Du wählst nie zuerst eine Sprache. Vigilant Ear erkennt, was gesprochen wird, und untertitelt es. Ein Raum, in dem drei Sprachen durcheinanderschwirren, bleibt ein Raum, dem du folgen kannst.

Fast alle davon kann die App auch in deine Sprache übersetzen. Wo nicht, sagt sie es dir und zeigt dir das Original, statt dir eine Vermutung unterzujubeln, die sich als Übersetzung verkleidet.

Ein Telefon peilt. Zwei triangulieren.

Die Mikrofone eines Telefons liegen nur wenige Zentimeter auseinander — genug, um dir eine Richtung zu nennen. Stell ein zweites Telefon auf die andere Seite des Raums, und das Array ist so breit wie der Raum: Die Peilungen der beiden Telefone kreuzen sich, und aus einer Richtung wird eine Position. Untertitel verschmelzen, statt zu konkurrieren, und Telefone, die sich noch nie begegnet sind, bilden dieses Array auf der Stelle und bestimmen dabei auf rund 30 Zentimeter genau, wo jedes steht. Niemand muss im selben Gespräch sein, damit es hilft.

Remote Link erreicht jemanden, der nicht bei dir ist: Video und Untertiteltext, zu keinem Zeitpunkt eine Tonspur — nichts daran hängt also auf einer der beiden Seiten vom Hören ab, und du hast eine Möglichkeit zu gebärden. Deine Untertitel gehen als Text hinüber und kommen in der Sprache der Person an, die sie liest. Du schickst einen Code; die andere Person steigt direkt in der App ein, ohne etwas zu kaufen.

Die Verbindung ist zwischen den beiden Telefonen Ende-zu-Ende-verschlüsselt. Das Relay, das sie weiterleitet, kann sie nicht lesen, wir können sie nicht lesen, und nichts wird aufgezeichnet — weder auf einem der beiden Telefone noch auf irgendeinem Server. Der vollständige Weg.

Warnungen von denen, die sie herausgeben

Unwetterwarnungen kommen aus offiziellen staatlichen Quellen in mehr als 140 Ländern und Gebieten — Tendenz steigend —, gefiltert auf den Ort, an dem du tatsächlich bist. Erdbebenmeldungen warten auf die amtliche Bestätigung, statt zu raten.

Diese Warnungen erreichen dich über unseren eigenen Dienst, statt dass dein Telefon jede Behörde direkt anfragt. Deshalb kontaktiert dein Telefon nie die Server einer ausländischen Regierung, und ein stark gefragter öffentlicher Feed kann deine Warnung nicht verschlucken, nur weil zu viele gleichzeitig angefragt haben. Dein Telefon sagt uns nur ungefähr, wo du bist — ein Quadrat von etwa 50 km Seitenlänge — und prüft für jedes Warngebiet selbst, ob du darin bist, sodass dein genauer Standort es nie verlässt.

Mehrere kleine Experten statt eines großen

Der naheliegende Weg, eine Hör-App zu bauen: ein Modell laufen lassen und melden, was es sagt. Vigilant Ear lässt stattdessen ein Team von Spezialisten laufen, jeder mit einer Aufgabe, die er gut kann. Einer erkennt Alltagsgeräusche, und ein zweiter prüft seine Arbeit. Einer erkennt, welche von über hundert Sprachen gerade gesprochen wird, und gibt die Sprache an die Untertitel-Engine weiter, die in dieser Sprache am besten abgeschnitten hat. Einer trennt die Stimmen im Raum, und ein weiterer behält im Blick, welche welche ist. Einer entscheidet, ob wirklich Musik läuft. Einer maskiert Schimpfwörter, wenn das eingeschaltet ist. Woher ein Geräusch kam und wie weit weg, ergibt sich aus den Mikrofonen selbst.

Sie sind sich oft uneinig, und genau darum geht es. Ein sirenenartiger Moment in einem Song sieht genau wie eine Sirene aus, wenn du nur ein Modell fragst. Deshalb muss eine Sirenenwarnung an einer zweiten Meinung vorbei (ist das Musik?) und länger als einen Moment anhalten, bevor sie dich unterbricht.

So kann die App auch sagen, dass sie unsicher ist, statt zu raten: die Vertrauenszeichen an den Untertiteln, die Stimme, die niemandem zugeordnet wird, statt der falschen Person, die Warnung, die noch einen Frame auf Bestätigung wartet. Ein einzelnes Modell kann nicht wissen, wann es falschliegt. Mehrere können es — solange etwas von Moment zu Moment entscheidet, welchem von ihnen zu glauben ist.

Wir wollten keine Patente anmelden. Wir wollten, dass das hier in einem echten Raum funktioniert — laut, voll, in mehr als einer Sprache gleichzeitig — und dafür brauchte es immer wieder Bausteine, die wir nirgends finden konnten. Also haben wir sie gebaut, und einige davon sind jetzt zum Patent angemeldet.

Das Acoustic Scope bringt diese rohe Wahrnehmung auf den Bildschirm — Spektrum, Spektrogramm, ⅓-Oktav-Bänder, Chroma, harmonische Teiltöne. Seine Pegel haben wir auf echten Telefonen mit einem Referenz-Schallpegelmesser abgeglichen, damit Ingenieure mit den Zahlen arbeiten können. Es ist für alle kostenlos, denn vielen Menschen erschließt sich ein Geräusch am schnellsten, wenn sie seine Form sehen. Es gibt einen Praxisleitfaden, wie man es liest.

Sein Visualizer verwandelt die Musik im Raum in eine Lichtshow: Jeder Beat zündet einen Ring, der Bass lässt die ganze Szene atmen, die Höhen regnen als Funken herab. Bring ihn auf einen Fernseher oder Beamer, und die Wand feiert mit — dein DJ-Name in der Ecke, wie der des Interpreten. Du musst nicht hören können, um die Party zu rocken.

Privat aus Prinzip

Zuhören, Transkription, Übersetzung und Geräuschklassifikation laufen alle auf deinem Telefon. Die Arbeit, die berührt, was du sagst und was du hörst, können wir nicht lesen, weil sie uns nie erreicht. Das ist eine bewusste Einschränkung, kein Schnörkel: Modelle, die klein genug für deine Hosentasche sind, müssen nie irgendwohin schicken, was sie hören.

Ein paar Dinge nutzen durchaus das Netz: Karten; die Unwetterwarnungen und Erdbebenmeldungen oben; Straßenkontext; Music ID, das einen kurzen akustischen Fingerabdruck sendet und nie aufgezeichneten Ton; die optionalen Modelle der Untertitel-Unterstützung, ein einmaliger Download; das Forschungs-Array, das dich einmal fragt und dann Messwerte zu tiefen Frequenzen und Bodenbewegung für die Erdbebenforschung teilt — wann und ungefähr wo, auf etwa 1 km genau, nie Ton; App-Store-Käufe; und Remote Link, das naturgemäß zwischen den beiden Telefonen unterwegs ist — Ende-zu-Ende-verschlüsselt, sodass nichts dazwischen es lesen kann.

Keine Werbung. Nichts wird verkauft. Kein Konto nötig.

Was es kostet

Zum Ausprobieren erst einmal kostenlos. Nach der Testphase bleiben Untertitel und Warnungen für immer kostenlos — den Sicherheitskern verkaufen wir nicht.

Eine einmalige Zahlung, und Power Pack+ gehört dir für immer: Auto-Übersetzen, das eine Sprache, die du nicht liest, schon beim Sprechen in eine verwandelt, die du liest; Music ID, das den Song im Raum benennt, damit du weißt, was alle anderen gerade hören; und eine Constellation oder einen Remote Link starten — wen du einlädst, der ist kostenlos dabei. Niemals ein Abo — und keine neue Hardware, die du kaufen musst.

Vigilant Ear ist ein experimentelles Forschungs- und Barrierefreiheitswerkzeug — kein zertifiziertes oder lebensrettendes Gerät. Verlass dich immer auch auf deine eigene Aufmerksamkeit.