So baust du in Minecraft per Sprache, mit einer KI

Wie baue ich in Minecraft mit meiner Stimme?

1. Öffne eine Welt und halte V, oder klicke im Panel auf das Mikrofon.
2. Sag, was du willst, mit deinen eigenen Worten, so wie du es tippen würdest.
3. Lass die Taste los. Deine Worte erscheinen als Text in der Unterhaltung, und der Bau startet wie bei einer getippten Anfrage.

V ist die Sprechtaste, und du kannst sie ändern (siehe die Fragen am Ende). Beim Mikrofon-Knopf endet das Zuhören von selbst nach einem Moment Stille und gibt nach 8 Sekunden auf, wenn du nichts sagst.

Ein Zuhören dauert höchstens 30 Sekunden, und weniger als eine halbe Sekunde Sprache gilt als Antippen, nicht als Satz.

Wohin geht meine Stimme?

Die Sprache wird auf deinem eigenen Rechner erkannt, von einer Engine namens whisper.cpp, die in der Mod steckt. Es ist kein Konto, kein Schlüssel und kein Spracherkennungsdienst im Spiel.

Der Ton wird nirgendwohin gesendet und nicht in eine Datei geschrieben. Weiter geht der Text deiner Anfrage, an dein eigenes Claude Code auf deinem Rechner, genau wie eine Anfrage, die du getippt hättest.

Das Sprachmodell ist eine Datendatei. Die Mod lädt sie einmal von dieser Website nach config/craftai-voice/ und weist eine Datei ab, deren SHA-256-Fingerabdruck nicht der erwartete ist. Danach braucht die Erkennung selbst keine Verbindung.

Welches Sprachmodell nutzt sie, und wie groß ist es?

Es gibt zwei Modelle, beide mehrsprachig. Du wählst mit Sprachqualität, im Abschnitt Sprache des Reiters Optionen.

Jedes Modell wird einmal heruntergeladen, wenn es zum ersten Mal gebraucht wird, und anhand seines Fingerabdrucks geprüft.

Was brauche ich, damit der Sprachmodus funktioniert?

• Ein Mikrofon. Findet die Mod keines, sagt sie es und sendet nichts.
• Auf einem Mac: Der Launcher braucht die Mikrofonberechtigung, in den Datenschutz-Einstellungen des Systems. Ohne sie hört die Mod nur Stille, und sagt es.
• Unter Windows: Desktop-Apps müssen Zugriff auf das Mikrofon haben, in den Datenschutz-Einstellungen des Systems. Der Prozessor muss AVX2 unterstützen: Die Mod sagt es, statt abzustürzen.
• Unter Linux: Das Paket libgomp1 (Debian, Ubuntu) oder libgomp (Fedora, Arch) muss installiert sein, und das Mikrofon darf in deinen Soundeinstellungen nicht stummgeschaltet sein.

Die Sprach-Engine steckt in der Mod für macOS (Apple Silicon und Intel), für Windows (64-Bit-Intel oder -AMD) und für Linux (64-Bit-Intel oder -AMD, und ARM). Die Fehlerliste der Anleitung nennt den genauen Weg auf jedem System.

In welcher Sprache kann ich sprechen?

In jeder Sprache, die das Modell kennt: Die Engine findet die Sprache selbst. Deine Anfrage wird dann in der Sprache beantwortet, die du benutzt hast.

Die Mod gibt der Engine außerdem ein paar Sätze von der Art, wie ein Baumeister sie sagt, in der Sprache der Oberfläche, damit sie Minecraft- und Bauwörter öfter richtig schreibt. Wir haben die Erkennung in anderen Sprachen als Englisch, Französisch, Spanisch und Deutsch nicht gemessen.

Was du sagst, ist das, was du tippen würdest: was eine gute Anfrage enthält gilt Wort für Wort.

Was wurde ausprobiert, und was nicht?

So steht der Sprachmodus in Version 0.13.3.

• Ausprobiert: im echten Spiel auf einem Mac (Apple Silicon), mit der echten Sprach-Engine und einem aufgenommenen Satz.
• Die Bibliotheken für Windows, Linux und Intel-Macs starten in den automatischen Tests.
• Ein Mikrofon unter Windows oder Linux wurde noch von keiner Person ausprobiert.
• Mit Forge und NeoForge wurde das Diktieren mit einem echten Mikrofon noch nicht ausprobiert.
• Das echte Mikrofon unter Lunar Client konnte von den automatischen Tests nicht ausprobiert werden.

Das Standardmodell ist schnell, und es macht Fehler: Ein langer oder verrauschter Satz kann falsch verstanden werden. In der Unterhaltung siehst du, was die Engine verstanden hat.

Häufige Fragen