Architekturdiagramm von Whisper: Ein Transformer-Encoder liest das Audio-Spektrogramm, ein Decoder schreibt den Text

Whisper-Transkription: Modelle, Tempo & Offline-Nutzung am Mac & iPhone (Guide 2026)

2. Juli 2026(aktualisiert am 31. Oktober 2026)
·
9 Min. Lesezeit
·Whisper Notes Team

Whisper Transkription bedeutet: Sprache mit OpenAIs Whisper in Text umwandeln — einem Open-Source-KI-Modell, das in der Cloud, auf einem Server oder komplett am eigenen Gerät laufen kann. Dieser Guide erklärt, wie Whisper funktioniert, welche Modellgröße du wählen solltest, wie genau die Transkription wirklich ist — und den schnellsten Weg, Whisper offline am Mac oder iPhone zu nutzen.

Was ist Whisper eigentlich?

Whisper ist ein Modell für automatische Spracherkennung (ASR), das OpenAI im September 2022 unter MIT-Lizenz veröffentlicht hat. Es ist ein Encoder-Decoder-Transformer, trainiert auf über 680.000 Stunden mehrsprachigem Audio, und beherrscht Transkription in rund 100 Sprachen plus Übersetzung ins Englische.

Der entscheidende Punkt für dich: die Modellgewichte sind offen. Anders als die Sprach-APIs von Google oder Amazon muss Whisper nicht auf einem fremden Server laufen. Ein ganzes Ökosystem existiert, um es lokal auszuführen — whisper.cpp, faster-whisper und native Apps wie Whisper Notes. Genau das macht wirklich offline, private Whisper Transkription möglich — ein Punkt, der in Österreich (Stichwort DSGVO) besonders zählt.

Lässt sich Whisper ohne Programmierkenntnisse nutzen? Ja: Eine App mit grafischer Oberfläche lädt das Whisper-Modell herunter und führt es lokal für dich aus. Du importierst eine Aufnahme und erhältst das Transkript, ohne Python, ohne Terminal und ohne API-Schlüssel. Whisper Notes macht das auf Mac und iPhone, MacWhisper am Mac und Buzz (kostenlos und Open Source) unter Windows, Mac und Linux.

Whisper-Modellgrößen: Welches Modell nehmen?

Whisper gibt es in sechs Hauptgrößen. Größer heißt genauer und langsamer:

Modell Parameter Geschwindigkeit Am besten für
tiny 39M Am schnellsten Schnelle Entwürfe, schwache Hardware
base 74M Sehr schnell Einfaches, sauberes Audio
small 244M Schnell Gute Balance aus Tempo und Genauigkeit auf Mobilgeräten
medium 769M Mittel Heute selten die richtige Wahl
large-v3 1,55B Am langsamsten Maximale Genauigkeit, schwieriges Audio
large-v3-turbo 809M ~5x schneller als large-v3 Die Version, die die meisten Tools mitliefern

Für fast alle lautet die Antwort large-v3-turbo: Es behält den Encoder von large-v3, reduziert aber die Decoder-Schichten von 32 auf 4 — nahezu identische Genauigkeit bei einem Bruchteil des Rechenaufwands. Den ausführlichen Benchmark findest du in Whisper Large V3 Turbo vs. V3.

Wie genau ist die Whisper Transkription?

Bei sauberem englischem Audio erreichen die großen Modelle eine Wortfehlerrate (WER) von etwa 5-8 % im Open ASR Leaderboard. Die Genauigkeit sinkt bei Hintergrundgeräuschen, starken Akzenten, durcheinander redenden Sprechern und Sprachen mit wenig Trainingsdaten.

Whispers berühmteste Schwäche: Halluzinationen bei Stille. Der autoregressive Decoder erfindet manchmal wiederholte Phrasen oder Untertitel-Credits, wenn gerade niemand spricht. In unseren konkreten Stille-Tests hat NVIDIAs Parakeet V3 kein einziges Wort erfunden; das ist ein auf diesen Test begrenztes Ergebnis und keine Behauptung, irgendein Sprachmodell sei unfehlbar (kompletter Parakeet V3 vs. Whisper Benchmark).

Für Chinesisch, Japanisch und Koreanisch ist Whisper nicht die einzige Option: siehe SenseVoice vs. Qwen3-ASR.

5 Wege, Whisper Transkription zu nutzen

Methode Kosten Datenschutz Einrichtung
OpenAI API Bezahlung pro Audiominute Audio wird hochgeladen API-Key + Code
openai-whisper (Referenz-Python) Kostenlos 100 % lokal Python-Umgebung, GPU empfohlen
whisper.cpp / faster-whisper Kostenlos 100 % lokal Kommandozeile
Native App (Whisper Notes) Einmalig $7.99 am iPhone; $14 am Mac, 5.000 Wörter pro Woche gratis 100 % am Gerät Keine
Web-Demo-Tools Kostenlose Kontingente Audio wird hochgeladen Keine

Als Faustregel: Wer im Terminal zuhause ist, fährt mit faster-whisper hervorragend. Wer ein Produkt baut, nimmt die API ($0.006/Min. — für Entwickler gedacht). Wer einfach nur seine Aufnahmen privat transkribiert haben will, ohne Python anzugreifen, nimmt eine native App — genau dafür gibt es Whisper-Apps für den Mac.

Du vergleichst Offline-Tools grundsätzlicher — inklusive Windows- und Android-Optionen? Lies unseren kompletten Guide zu Offline-Spracherkennung.

Whisper vs. neuere lokale Modelle (2026)

Whisper hat die Ära der lokalen Transkription eingeläutet, ist aber nicht mehr allein. Die Geschwindigkeiten unten wurden auf einem M4 Pro Mac gemessen:

Modell Sprachen Geschwindigkeit Besonderheit
Whisper Large V3 Turbo 100+ 14,3x Echtzeit (M4 Pro) Größte Sprachabdeckung
Parakeet V3 25 (europäisch, inkl. Deutsch) etwa 74x Echtzeit (Mac) 6,32 % WER, keine Stille-Halluzinationen
SenseVoice Small zh, ja, ko, yue, en 115–131x Echtzeit (Modellkarte) Schnell bei Chinesisch, Japanisch, Koreanisch

Alle drei laufen lokal in Whisper Notes; am iPhone ist die Whisper-Option Whisper Small. Das Modell wählst du in den Einstellungen. Die Fehlerraten aller Modelle in 42 Sprachen im direkten Vergleich findest du auf unserer Vergleichsseite der Whisper-Modelle.

Whisper Transkription offline am Mac & iPhone nutzen

Keine Kommandozeile, kein Python, keine Cloud:

  1. Lade Whisper Notes für Mac (5.000 Wörter pro Woche gratis) oder für iPhone (einmalig $7.99) herunter.
  2. Wähle ein Modell: Parakeet für Deutsch und 24 weitere europäische Sprachen (Standard), Whisper Large V3 Turbo für breite Sprachabdeckung, SenseVoice, wenn es bei Chinesisch, Japanisch und Koreanisch schnell gehen soll, oder am Mac Qwen3-ASR 1.7B (Beta) für weniger Fehler in diesen Sprachen. Einmal heruntergeladen, funktioniert es für immer offline.
  3. Nimm direkt auf, diktiere systemweit per gedrückter Fn-Taste (in der Mac-App von unserer Website), oder zieh Audio- und Videodateien hinein (MP3, WAV, M4A, MP4).
  4. Der Text erscheint fortlaufend während der Verarbeitung. Export als TXT oder SRT.

Skeptisch bei "offline"? Schalte zuerst den Flugmodus ein. Die Transkription läuft mit voller Geschwindigkeit — nichts wird hochgeladen, niemals.

Wie genau ist Whisper Transkription auf Deutsch? Welches Modell wählen?

Sehr genau — wenn du das richtige Modell wählst. Für deutschsprachiges Audio, auch mit österreichischer Färbung, ist Parakeet die klare Empfehlung: das integrierte Standardmodell in Whisper Notes (Parakeet Ultra von Moondream, auf Basis von NVIDIA Parakeet V3 nachtrainiert), das 25 europäische Sprachen inklusive Deutsch abdeckt. Parakeet V3, auf dem es aufbaut, erreicht auf Englisch im Schnitt 6,32 % WER (Open ASR Leaderboard), und am Mac läuft Parakeet mit etwa 74x Echtzeit. Enthält deine Aufnahme Sprachen, die Parakeet nicht abdeckt, wechselst du in den Einstellungen zu Whisper: am Mac Large V3 Turbo (100+ Sprachen, ~2 GB), am iPhone Whisper Small — alles komplett am Gerät.

Häufig gestellte Fragen

Ist Whisper Transkription kostenlos?

Das Modell selbst ist kostenlos und Open Source (MIT-Lizenz). Es über Kommandozeilen-Tools wie whisper.cpp zu betreiben kostet nichts, erfordert aber Einrichtung. OpenAIs API berechnet $0.006 pro Audiominute. Native Apps verpacken die Modelle für einen kleinen Einmalbetrag — Whisper Notes kostet einmalig $7.99 am iPhone und einmalig $14 am Mac, wo 5.000 Wörter pro Woche gratis sind.

Funktioniert Whisper Transkription offline?

Ja — genau das ist der Sinn offener Modellgewichte. Sobald die Modelldatei am Gerät ist, braucht es kein Internet mehr. Whisper Notes führt Whisper Large V3 Turbo auf Apple Silicon via CoreML/Metal aus, vollständig offline. Überprüfen kannst du das im Flugmodus.

Welches Whisper-Modell ist am genauesten?

large-v3 hat die beste Rohgenauigkeit. large-v3-turbo liegt bei der WER nur einen Bruchteil eines Prozents dahinter und läuft dabei rund 5x schneller — deshalb liefern es heute so viele Tools mit. Parakeet V3, das auch Deutsch abdeckt, erreicht auf Englisch im Schnitt 6,32 % WER, und das integrierte Parakeet-Modell läuft am Mac mit etwa 74x Echtzeit.

Unterstützt Whisper Transkription Deutsch?

Ja, Deutsch gehört zu Whispers stärksten Sprachen (neben Englisch, Spanisch, Französisch usw.). Insgesamt deckt Whisper rund 100 Sprachen ab. Für Chinesisch, Japanisch, Koreanisch und Kantonesisch ist SenseVoice auf Apple Silicon deutlich schneller, und am Mac macht Qwen3-ASR 1.7B (Beta) weniger Fehler; bei Japanisch und Koreanisch liegt Whisper Large V3 Turbo nah an SenseVoice oder sogar vorn. Die vollständige Liste der Sprachen, die Whisper unterstützt, findest du auf unserer Sprachenseite, in einer Tabelle zusammen mit Parakeet und SenseVoice.

Gibt es eine App für Whisper Transkription am iPhone?

Ja. Whisper Notes führt Whisper-Modelle optimiert für die Neural Engine des iPhones aus (iPhone 12 und neuer) — aufnehmen, aus Sprachmemos oder Dateien importieren und komplett am Gerät transkribieren, für einmalig $7.99, ohne Abo.