PDF mitlesen auf dem iPhone: Wort für Wort markiert

Jede Vorlese-App im App Store schreibt, sie lese PDFs vor. Nur wenige zeigen, wie das aussieht, sobald Sie auf Wiedergabe tippen, und der Unterschied zwischen den Versprechen ist nicht die Stimme. Es ist die Frage, ob der Bildschirm mit der Stimme mithält.

Ein PDF ist keine Textwand. Es sind Seiten, mit Spalten, Abbildungen, Bildunterschriften und Seitenumbrüchen. Eine App, die nur Ton ausgibt, stellt Sie alle paar Minuten vor eine Wahl: aufhören zu hören und Ihre Stelle suchen, oder weiterhören und sie verlieren.

Kurze Antwort: Mitlesen heißt, dass die App beim Sprechen zeigt, wo die Stimme ist. In Local TTS läuft das auf zwei Ebenen gleichzeitig — ein Rahmen um den gesprochenen Satz auf der gerenderten PDF-Seite und eine Wortmarkierung in einem großen Textfeld darunter — und die Seitenansicht blättert von selbst weiter, wenn die Stimme das Seitenende erreicht. Alle drei Verhaltensweisen entstehen auf dem Gerät und funktionieren deshalb im Flugmodus.

Laden Sie Local TTS gratis aus dem App Store und sehen Sie zu, wie es Ihrem eigenen PDF folgt.

Worauf dieser Artikel beruht: Der unten eingebettete Clip ist eine offizielle Local-TTS-Demo — ungeschnittenes Bildschirmmaterial der App, die eine frei verbreitete gemeinfreie Ausgabe von Die Geschichte von Peter Hase als illustriertes PDF vorliest: 82 Sätze, 7 Minuten 40 Sekunden Sprache. Produktangaben, Tarifgrenzen und Gerätevoraussetzungen wurden am 23. August 2026 anhand des aktuellen App-Store-Eintrags für Local TTS 2.1.5 geprüft. Es ist unsere eigene App; das Rohmaterial wird gerade deshalb veröffentlicht, damit Sie jede Behauptung unten daran überprüfen können, statt uns zu glauben.

Was ein einzelnes Bild der Wiedergabe enthält

Halten Sie die Demo an einem beliebigen Punkt an, und der Bildschirm beantwortet vier verschiedene Fragen gleichzeitig.

Nichts davon ist Dekoration. Jedes Element existiert, weil das Hören eines langen Dokuments eine bestimmte Art von Verwirrung erzeugt, und jedes beseitigt eine davon.

Warum zwei Markierungsebenen statt einer

Der naheliegende Entwurf ist eine einzige Markierung auf der PDF-Seite. Local TTS zeichnet eine zweite, und der Grund ist, dass eine PDF-Seite ein festes Layout hat, das nie für den Leseabstand einer ausgestreckten Hand gedacht war.

Die Seite in der Demo ist ein Kinderbuch in einer schreibmaschinenartigen Schrift in einer für den Druck gewählten Größe. Auf dem Telefon, in dem Abstand, in dem Sie es beim Gehen tatsächlich halten, sind einzelne Wörter auf der gerenderten Seite lesbar, aber nicht bequem verfolgbar. Dort ein Wort zu markieren wäre technisch korrekt und praktisch nutzlos.

Also teilen sich die beiden Ebenen die Arbeit:

• Der Seitenrahmen dient der Orientierung. Er zeigt, welcher Teil des echten Dokuments — desjenigen mit der Illustration der drei Hasen, die Brombeeren pflücken — gerade gelesen wird. Er wandert einmal pro Satz, also langsam genug für einen kurzen Blick.
• Das Textfeld dient dem Lesen. Es zeichnet den aktuellen Satz in bequemer Größe neu und markiert ein Wort nach dem anderen. Es bewegt sich mehrmals pro Sekunde, was nur nützlich ist, weil die Schrift groß genug zum Verfolgen ist.

Sehen Sie sich das markierte Wort im Standbild oben genau an: Cotton-tail. Die Markierung deckt die gesamte Bindestrichverbindung ab, statt über Cotton und dann tail zu huschen. Das ist eine bewusste Segmentierungsentscheidung — ein naiver Worttrenner behandelt einen Bindestrich als Grenze und erzeugt zwei Markierungen für ein gesprochenes Wort, was auf dem Bildschirm wie ein Stottern wirkt. Bindestrichnamen, zusammengesetzte Adjektive und Gedankenstrichkonstruktionen kommen in echten Dokumenten häufig genug vor, dass ein Fehler hier schon in der ersten Minute auffällt.

Wenn Sie das Timing ohne Installation spüren wollen: Auf der Local-TTS-Startseite läuft derselbe Effekt an einem Satz aus demselben Buch.

Automatischer Seitenwechsel: Die Funktion, die man erst vermisst, wenn sie fehlt

Das ist das eine Verhalten, das ein Standbild nicht zeigen kann — achten Sie im Clip darauf. Etwa bei Sekunde sieben springt der Zähler von Satz 11 auf Satz 12, die Illustration wechselt von drei Hasen, die Brombeeren pflücken, zu Peter, der sich unter einem Tor durchzwängt, und die Stimme setzt nicht aus. Niemand hat den Bildschirm berührt.

In dieser Ausgabe trägt jede Seite einen Satz und ein Bild, also muss die Seitenansicht für die 7:40 Sprache Dutzende Male weiterrücken. Ohne automatischen Wechsel ist jedes davon eine Unterbrechung: das Telefon herausholen, entsperren, die Seitensteuerung finden, wischen — was genau den Grund zunichtemacht, aus dem Sie überhaupt gehört haben. Vorlesen, bei dem Sie das Telefon halten müssen, ist eine strikt schlechtere Art zu lesen als lesen.

Wenn die Stimme das Ende des Textes auf einer Seite erreicht, wechselt die Ansicht zur nächsten Seite und die Wiedergabe läuft ohne Lücke weiter. In der Praxis ist es das, was ein PDF zu etwas macht, das Sie beim Spazieren, im Auto oder mit dem Telefon flach auf dem Schreibtisch hören können. Es ist auch das, was Sperrbildschirm- und Hintergrundwiedergabe wirklich benutzbar macht statt zu einem Häkchen: Hintergrundton hilft nur, wenn die App unbeaufsichtigt durch das Dokument kommt.

Wozu die Positionsanzeige dient

11 / 82 · 10% und 0:50 / 7:40 sehen aus wie zwei Fassungen derselben Information. Sind sie nicht.

Die linke Anzeige zählt Sätze: Das ist Satz 11 der 82, in die die App das Dokument zerlegt hat, und Sie sind etwa 10% durch. Der Satz ist die Einheit, die Local TTS tatsächlich liest, markiert und wieder aufnimmt — deshalb steht sie auf dem Bildschirm. Die Zeitleiste betrifft das Audio: 50 Sekunden von 7 Minuten 40 Sekunden. Das erste brauchen Sie, um zu entscheiden, wo Sie morgen fortsetzen, das zweite, um zu entscheiden, ob Sie vor einem Zehn-Minuten-Spaziergang noch anfangen.

Beides zählt bei importierten Dokumenten mehr als bei eingefügtem Text, weil Local TTS ein PDF als gespeicherten Hörtitel behält und nicht als einmalige Äußerung. Schließen Sie die App mitten im Satz, ist das Dokument samt Ihrer Position noch da. Das ist die praktische Grenze zwischen dem Importieren eines Dokuments und einer allgemeinen Bildschirmvorlesefunktion, die spricht, was gerade angezeigt wird — die Vorlesefunktion hat kein Gedächtnis für das Dokument, weil es für sie kein Dokument gibt, sondern nur einen Bildschirm.

Alles auf diesem Bildschirm entstand auf dem Telefon

Der Punkt, den man leicht übersieht: Synchrone Hervorhebung ist normalerweise eine Cloud-Funktion.

Um ein Wort in dem Moment zu markieren, in dem es gesprochen wird, muss etwas wissen, wann jedes Wort im erzeugten Ton beginnt. Cloud-Sprachdienste liefern diese Zeiten zusammen mit der Audiodatei zurück, was bedeutet, dass der Text an einen Server geschickt wurde, um sie zu bekommen. Eine App kann nur dann offline markieren, wenn sie Ton und Zeiten lokal erzeugt.

Local TTS tut das. Die Sprache kommt von Supertonic 3 für die mehrsprachige Stimme, die alle 31 unterstützten Sprachen abdeckt, oder von Kokoro-82M für die 28 amerikanischen und britischen englischen Stimmen, und die Wortzeiten fallen im selben Syntheseschritt auf dem Gerät an. Nichts in dieser Kette — Textextraktion aus dem PDF, Spracherzeugung, Wortzeiten, Seitendarstellung — stellt eine Netzwerkanfrage.

Die Folge: Das Mitlesen im Demo-Clip ist kein Luxus des Online-Betriebs, der im Flugzeug auf reinen Ton zurückfällt. Es ist in beiden Fällen derselbe Codepfad. Wenn Sie diese Behauptung lieber prüfen als glauben wollen: Der Flugmodus-Test hat vier Schritte und dauert etwa eine Minute.

Es gibt eine ehrliche Ausnahme, und sie betrifft die Datei, nicht die App: Ein PDF, das nur in iCloud Drive liegt, braucht beim ersten Öffnen eine Verbindung. Die Spracherzeugung ist offline; das Herunterladen des Quelldokuments nicht.

Die Demo selbst nachstellen

Der Clip nutzt eine gemeinfreie Ausgabe von Die Geschichte von Peter Hase, Sie können also denselben Test mit derselben Datei fahren.

1. Laden Sie ein beliebiges PDF in die Dateien-App auf Ihrem iPhone. Ein gemeinfreies E-Book eignet sich gut, weil Sie das Ergebnis bedenkenlos zeigen können.
2. Öffnen Sie Local TTS und importieren Sie das PDF.
3. Wählen Sie eine Stimme. Beginnen Sie bei 1× — Hervorhebung lässt sich bei normaler Geschwindigkeit am besten beurteilen, denn bei 1,5× ist ein kleiner Synchronfehler kaum von einem schnellen Sprecher zu unterscheiden.
4. Starten Sie und achten Sie auf den Satzrahmen, nicht auf die Wörter. Wenn er den richtigen Satz umrahmt, stimmt die Wortebene fast immer auch.
5. Lassen Sie es das Seitenende erreichen, ohne den Bildschirm zu berühren. Das ist der automatische Seitenwechsel.
6. Schalten Sie den Flugmodus ein und spielen Sie eine andere Seite ab. An der Hervorhebung sollte sich nichts ändern.

Der Gratis-Tarif liest bis zu 500 Zeichen pro Notiz, genug, um all das an einem Auszug zu sehen. Der vollständige Import eines illustrierten E-Books wie diesem ist eine Pro-Funktion — 4,99 $ pro Monat oder einmalig 19,99 $ — zusammen mit unbegrenzter Textlänge, dem gesamten Stimmenkatalog und M4A-Export.

Wo Mitlesen tatsächlich hilft

Synchrone Hervorhebung wird oft unter Barrierefreiheit abgelegt und dort belassen. Die Gründe, aus denen Menschen sie nutzen, sind breiter.

Behalten bei dichtem Stoff. Denselben Satz zu lesen und zu hören nutzt zwei Kanäle statt einen. Bei Lehrbüchern und Kurs-PDFs ist die Markierung das, was Sie schnell hören und trotzdem sauber bei dem Satz anhalten lässt, dem Sie nicht folgen konnten. Welche Apps diese Kombination bieten, steht im Vergleich der Vorlese-Apps fürs iPhone.

Abschweifende Aufmerksamkeit — der Fall, für den Local TTS am besten passt. Mitlesen passt besonders gut zu Leserinnen und Lesern mit ADHS, und der Grund ist konkret. ADHS-Lesen scheitert selten daran, dass der Text zu schwer ist. Es scheitert ein paar Sekunden nachdem die Aufmerksamkeit abreißt: Sie schauen zurück, finden die Zeile nicht, lesen den Absatz noch einmal und schließen das Dokument irgendwann. Eine wandernde Markierung löscht dieses Suchen. Die Stimme hält Ihre Stelle, während Sie woanders sind, also kostet das Zurückkommen einen Blick statt eines Neustarts, und der Ton treibt die Lektüre weiter, statt auf Sie zu warten. Das ist ein Lesewerkzeug und kein klinisches, aber die Reibung, die es beseitigt, ist genau die, die Lesesitzungen am häufigsten beendet.

Sprachenlernen. Ein Wort zu hören und dabei genau zu sehen, welches es war, ist die eigentliche Übung. Ohne Markierung haben Sie Ton und Text; mit ihr haben Sie die Zuordnung zwischen beiden, und die ist der Teil, den man allein schwer herstellt.

Eigene Texte Korrektur lesen. Eine synthetische Stimme liest nicht, was Sie gemeint haben. Der Markierung durch den eigenen Entwurf zu folgen, ist ein effizienter Weg, den Satz zu finden, in dem die Grammatik gekippt ist.

Lesen mit einem Bildschirm, den Sie nicht dauernd ansehen können. Im Zug, beim Gehen oder beim Kochen schauen Sie gelegentlich auf das Telefon, nicht durchgehend. Der Wert der Markierung liegt nicht darin, dass Sie sie beobachten — sondern darin, dass der Wiedereinstieg beim Hinsehen eine Sekunde kostet statt eines Rückspulens.

Häufige Fragen

Was bedeutet Mitlesen bei einem PDF-Reader?

Die App zeigt beim Sprechen, wo sie im Text ist. Local TTS macht das auf zwei Ebenen — ein Rahmen um den Satz auf der gerenderten PDF-Seite und eine Wortmarkierung im großen Textfeld darunter —, sodass Sie jederzeit wissen, wo die Stimme steht.

Blättert die App beim Vorlesen selbst um?

Ja. Am Seitenende wechselt die Ansicht und das Lesen läuft ohne Lücke weiter. Im Clip ist es zu sehen: Der Zähler geht von Satz 11 auf 12, die Seite wechselt, und niemand berührt den Bildschirm.

Braucht die Wort-für-Wort-Hervorhebung eine Internetverbindung?

Nein. Die Wortzeiten entstehen beim Erzeugen der Sprache auf dem Gerät, also funktioniert die Hervorhebung im Flugmodus genau wie online.

Kann ich ein ganzes mehrseitiges PDF im Gratis-Tarif lesen lassen?

Ein langes nicht. Der Gratis-Tarif liest bis zu 500 Zeichen pro Notiz, was für einen Test am Auszug reicht. Der vollständige mehrseitige Import ist eine Pro-Funktion, für 4,99 $ pro Monat oder einmalig 19,99 $.

Was passiert mit meiner Stelle im Dokument, wenn ich die App schließe?

Sie bleibt erhalten. Ein importiertes PDF ist ein gespeicherter Hörtitel mit Position, das erneute Öffnen setzt dort fort, wo Sie aufgehört haben.

Warum wirkt das markierte Wort manchmal leicht vor der Stimme?

Weil eine exakt auf die Audioposition gezeichnete Markierung zu spät ankommt, sobald Neuzeichnen und Ausgabepuffer eingerechnet sind. Ein kleiner bewusster Vorlauf lässt Wort und Stimme gleichzeitig wirken.

Passt Mitlesen zu Leserinnen und Lesern mit ADHS?

Ja, und das ist einer der stärksten Gründe dafür. Ein paar Sekunden Abschweifen kosten sonst Ihre Stelle, und das Wiederfinden beendet die Sitzung. Die Markierung wandert währenddessen weiter, Sie steigen mit einem Blick wieder ein, und die Stimme trägt die Lektüre weiter. Es ist eine Lese-App, kein klinisches Werkzeug.

Die Behauptung, die sich zu prüfen lohnt

„Liest PDFs vor” ist Grundausstattung und sagt fast nichts. Die Fragen, die einen Dokumentenleser, mit dem Sie ein Buch tatsächlich zu Ende hören, von einem trennen, den Sie auf Seite drei aufgeben, sind enger:

• Zeigt der Bildschirm auf Wortebene, wo die Stimme ist?
• Blättert er ohne Sie weiter?
• Merkt er sich, wo Sie aufgehört haben?
• Funktioniert all das noch mit abgeschaltetem Netz?

Diese Fragen beantwortet man mit dreißig Sekunden ungeschnittenem Material, und genau deshalb ist der Demo-Clip ungeschnitten. Machen Sie denselben Test mit einem eigenen PDF — einem Bericht, einer Arbeit, einer Anleitung — und sehen Sie, ob der Bildschirm mit der Stimme mithält.

Installieren Sie Local TTS gratis und lesen Sie Ihr erstes PDF mit. Kein Konto, kein Upload, nach der Installation keine Verbindung nötig.