Superwhisper vs Whisper Notes: Ein technischer Vergleich
Preise, Sprachmodelle, Berechtigungen und Architektur — ein detaillierter Vergleich zweier Offline-Transkriptions-Apps für Mac.
Superwhisper war ein Pionier. Es zeigte der Mac-Community, was möglich ist: OpenAIs Whisper-Modell lokal auf Apple Silicon ausführen, Sprache transkribieren ohne Audio in die Cloud zu senden.
Eine Zeit lang war es genau das, was viele von uns wollten — ein einfaches, schnelles, lokales Transkriptionswerkzeug.
Dann hat es sich verändert.
Die jüngste Richtung geht hin zum "KI-Assistenten" — Kontextbewusstsein, Cloud-Sync, agentische Modi, die Ihre Worte interpretieren, anstatt sie bloß zu transkribieren.
Mit dieser Wende kamen drei strukturelle Änderungen:
• Das Abo: Monatliche Miete für Modelle zahlen, die auf Ihrer eigenen Hardware laufen.
• Die Berechtigung: Input Monitoring, das alle Ihre Tastatureingaben beobachten kann.
• Das Konto: Pflichtanmeldung für Software, die vollständig offline funktioniert.
Diese Seite handelt nicht von Fehlern oder vorübergehenden Problemen. Es geht um Architekturphilosophie.
Whisper Notes existiert als Alternative für alle, die das bevorzugten, was Superwhisper einmal war: ein zuverlässiges, Offline-Werkzeug, das eine Sache gut macht.Schnellvergleich: Whisper Notes vs Superwhisper
| Funktion | Whisper Notes | Superwhisper |
|---|---|---|
| Preis | $14 einmalig | €8,49/Monat oder €250 lebenslang |
| macOS-Berechtigung | Nur Bedienungshilfen | Input Monitoring |
| Konto erforderlich | Nein | Ja |
| iOS-App | $14 (im App-Store-Kauf enthalten; DMG separat) | Im Abo enthalten |
| Sprachmodelle | Whisper + Parakeet V3 + SenseVoice | Whisper (+ Distil-Varianten) |
| 100% Offline | Ja | Optional (Hybrid) |
| Lokale KI-Bearbeitung | Ja (Gemma 4, auf dem Gerät) | Ja (Cloud-abhängig) |
| KI-Kontext-Funktionen | Nein | Ja |
Sprachmodelle: Drei Engines gegen eine
Das ist der technische Unterschied, der für den täglichen Gebrauch am meisten zählt.
Superwhisper bietet Whisper und seine destillierten Varianten. Whisper Notes liefert drei unabhängige Sprach-Engines, jede für verschiedene Szenarien optimiert:
Sprachmodell-Vergleich
| Modell | Geschwindigkeit | WER | Am besten für |
|---|---|---|---|
| Whisper Large V3 Turbo | 10–15× realtime | 7.83% | 100+ Sprachen — die mehrsprachige Option |
| Parakeet V3 | ~60× realtime | 6.32% | Englisch — schnellste, niedrigste Fehlerrate |
| SenseVoice | 52× realtime | — | Chinesisch, Japanisch, Koreanisch + Kantonesisch |
Parakeet V3 (von NVIDIA) ist das genaueste Englisch-Modell im Lineup: 6.32% WER gegenüber 7.83% bei Whisper Large V3 Turbo auf dem Open ASR Leaderboard. Und es ist auch das schnellste. Auf unserem M5 Air kam ein 17.5-Minuten-Meeting nach 16.7 Sekunden zurück, also rund 60× Echtzeit.
SenseVoice ist eigens für CJK-Sprachen gebaut — Chinesisch, Japanisch, Koreanisch, Kantonesisch — und Sie wählen es selbst aus der Modellliste, wenn Sie in diesen Sprachen arbeiten. Es läuft mit 52× Echtzeit oder besser; in unserem Test auf einem M4 Pro war ein 27-minütiger chinesischer Podcast nach 13.83 Sekunden fertig.
Das sind keine Cloud-Modelle hinter einer Paywall. Sie laufen vollständig auf der Neural Engine Ihres Macs, im Kaufpreis von $14 enthalten.
Superwhisper bietet nur Whisper-Varianten. Für englischlastige oder CJK-Workflows ist der Unterschied in der Modellauswahl erheblich.
Die Input Monitoring Frage
Das ist die Berechtigung, die datenschutzbewusste Nutzer innehalten lässt.
Superwhisper fordert Input Monitoring-Zugriff auf macOS an. Diese Berechtigung erlaubt einer Anwendung, alle Tastatur- und Mausereignisse systemweit zu empfangen — unabhängig davon, welche App im Fokus ist.
Das ist dieselbe Berechtigungsklasse, die Bedienungshilfen und Automatisierungssoftware nutzen, und sie ist tatsächlich sehr weitreichend.
Warum braucht Superwhisper das?Um "intelligent" zu sein. Ihre KI-Kontext-Funktionen lesen Ihren Bildschirminhalt, verstehen, welche Anwendung Sie verwenden, und passen ihr Verhalten entsprechend an. Um Ihre Umgebung zu beobachten, benötigen sie Beobachtungsberechtigungen.
Der architektonische Kompromiss:Sie bekommen kontextbewusste Transkription. Sie bekommen die technische Fähigkeit, alles zu sehen, was Sie tippen, einschließlich Passwörter, private Nachrichten und vertrauliche Dokumente.
Wir unterstellen keine böswillige Absicht — aber die Berechtigung selbst ist architektonisch zur Überwachung fähig.
Berechtigungs-Architektur
Input Monitoring (Superwhisper):
Kann alle Tastaturereignisse aus allen Anwendungen empfangen. Erforderlich für 'Kontextbewusstsein'.
Bedienungshilfen (Whisper Notes):
Kann Text an der Cursorposition einfügen. Kann Ihre Tastatureingaben nicht lesen oder andere Apps beobachten. Nur Ausgabe.
Whisper Notes verwendet ausschließlich die Bedienungshilfen-Berechtigung. Wir können Text dort einfügen, wo Ihr Cursor ist — das ist Ausgabe. Wir können nicht lesen, was Sie tippen oder was auf Ihrem Bildschirm ist.
Unsere Position: Wir haben uns entschieden, nicht "intelligent" zu sein, weil intelligent Beobachtung erfordert. Ein Transkriptionstool muss nicht wissen, dass Ihre Passwörter existieren. Es muss nur tippen, was Sie gesagt haben.Das Hardware-Miete-Problem
Das ist die Preisentscheidung, die Fortgeschrittene frustriert.
Superwhisper hat lokale KI-Modelle — einschließlich Nvidia Parakeet und Whisper-Varianten — hinter eine Abo-Bezahlschranke gestellt. Nutzer zahlen jetzt monatliche Gebühren, um Verarbeitung freizuschalten, die vollständig auf ihren eigenen Geräten läuft.
Seien wir präzise, was hier passiert:• Ihr M3 oder M4 MacBook hat eine Neural Engine.
• Apple hat diesen Chip speziell für On-Device Machine Learning entwickelt.
• Die Whisper-Modellgewichte sind Open Source, veröffentlicht von OpenAI.
• Der Strom kommt aus Ihrer Steckdose.
Wofür genau bezahlt das Abo?
| Zeitraum | Whisper Notes | Superwhisper (Monatlich) | Superwhisper (Lifetime) |
|---|---|---|---|
| Jahr 1 | $14 | $101.88 | $250 |
| Jahr 3 | $14 | $305.64 | $250 |
| Lokale KI-Bearbeitung | Ja (Gemma 4, auf dem Gerät) | Ja (Cloud-abhängig) | |
| Jahr 5 | $14 | $509.40 | $250 |
Wenn Superwhispers Cloud-Funktionen — Sync, KI-Assistenten, externe APIs — für Sie Wert bieten, ist Abo-Preisgestaltung vertretbar. Sie bezahlen für deren Infrastruktur.
Aber lokale Modelle hinter dieselbe Bezahlschranke zu setzen? Das ist Miete für Berechnungen zu verlangen, die auf Hardware stattfinden, die Sie bereits besitzen.
Unsere Preisphilosophie: Whisper Notes kostet einmalig $14, weil wir keine Cloud-Infrastruktur betreiben. Ihre Neural Engine erledigt die Arbeit. Wir stellen die Oberfläche bereit. Das ist eine einmalige Transaktion, keine fortlaufende Beziehung.
Komplexität und Ihre Folgen
Dieser Abschnitt handelt nicht von einem bestimmten Fehler. Es geht um architektonische Kompromisse.
Wenn Software versucht, viele Dinge zu tun — Cloud-Sync, Kontextbewusstsein, agentische Interpretation, hybride Lokal/Cloud-Verarbeitung — wird sie zwangsläufig komplex.
Komplexe Systeme haben mehr Fehlermodi als einfache.Superwhisper-Nutzer haben ein Fehlermuster gemeldet:
• Aufnahmen, die keine Transkripte erzeugen
• Audio, das zu verschwinden scheint
• "Keine Stimme gefunden"-Fehler nach langen Sitzungen
Wir können ihre Codebasis nicht diagnostizieren, aber wir können das Muster beobachten: je mehr Funktionen eine App verwaltet, desto mehr Arten kann sie versagen.
Das Zustandsmaschinen-Problem:Kontextbewusste Apps müssen viele Variablen verfolgen. Was ist auf dem Bildschirm? Ist das Netzwerk schnell genug für Cloud-Verarbeitung? Soll diese Aufnahme synchronisiert werden? Welches KI-Modell soll diesen Kontext verarbeiten?
Jeder Entscheidungspunkt ist eine potenzielle Diskrepanz zwischen erwartetem und tatsächlichem Zustand.
Whisper Notes ist bewusst einfach:Audio aufnehmen → Kontinuierlich auf Festplatte schreiben → Mit Whisper verarbeiten → Text anzeigen
Linearer Datenfluss. Kein Cloud-Sync, der versagen kann. Kein Kontextbewusstsein, das fehlzünden kann. Keine hybriden Routing-Entscheidungen.
Wir verwenden progressive Persistenz — Audio alle paar Sekunden während der Aufnahme auf die Festplatte schreiben. Wenn die App abstürzt oder Ihr Akku leer ist, verlieren Sie höchstens die letzten paar Sekunden. Die vorherigen 20 Minuten sind bereits sicher auf Ihrem Laufwerk.
Das ist keine Funktion, die wir bewerben; es ist einfach, wie zuverlässige Aufnahmesoftware funktionieren sollte.
Der Kompromiss ist real: Wir können nicht tun, was Superwhisper tut. Wir verstehen Ihren Bildschirmkontext nicht. Wir synchronisieren nicht zwischen Geräten. Wir haben keine KI-Modi, die Ihre Sprache umformatieren.Wir transkribieren einfach nur. Präzise, zuverlässig, lokal. Das ist das gesamte Produkt.
Die Konto-Anforderung
Superwhisper erfordert die Kontoerstellung, um die Software zu nutzen — selbst für lokale Transkription auf Ihrem eigenen Gerät.
Das dient ihrem Geschäftsmodell: Abo-Verwaltung, Cloud-Sync und Nutzungsanalysen erfordern Benutzeridentität.
Aber für diejenigen, die einfach lokale Sprache-zu-Text-Funktion wollen, ist es Reibung ohne Nutzen.
Whisper Notes hat kein Kontosystem:• Sie möchten drei Sprachmodelle — Whisper, Parakeet V3 (schnellstes Englisch) und SenseVoice (am besten für Chinesisch/Japanisch/Koreanisch)
• Sie möchten lokale KI-Bearbeitung mit Gemma 4 — Interpunktionskorrektur, Entfernung von Füllwörtern, automatisch generierte Titel, alles auf dem Gerät
• Laden Sie die App herunter
• Beginnen Sie zu sprechen
Keine E-Mail. Kein Passwort. Keine Identitätsüberprüfung.
Das ist nicht nur Bequemlichkeit. Es geht um Datenminimierung:
• Jedes Konto ist ein weiteres Passwort zu verwalten
• Jeder Datenbankeintrag ist ein weiteres Einbruchsziel
• Jede Benutzeridentität ist ein weiterer Datenpunkt zu schützen
Für Software, die vollständig auf Ihrem Gerät läuft, sehen wir keine Rechtfertigung dafür zu wissen, wer Sie sind. Das Whisper-Modell braucht Ihre E-Mail nicht, um Sprache in Text umzuwandeln.
Wann Superwhisper Richtig für Sie ist
Wir behaupten nicht, dass Whisper Notes universell besser ist. Superwhisper hat architektonische Entscheidungen getroffen, die bestimmte Anwendungsfälle gut bedienen.
Wählen Sie Superwhisper, wenn:• Sie KI-Kontext-Modi wollen, die Ihren Bildschirm verstehen und die Ausgabe anpassen
• Sie Cloud-Sync zwischen mehreren Macs brauchen
• Sie das "Assistenten"-Erlebnis mehr schätzen als reine Transkription
• Das Abo oder der Lifetime-Preis von $250 zum Wert Ihres Workflows passt
• Die Input Monitoring-Berechtigung Sie nicht beunruhigt
• Sie minimale Systemberechtigungen wollen (nur Bedienungshilfen)
• Sie wortgetreue Transkription ohne KI-Interpretation bevorzugen
• Sie einmal zahlen ($14) und die Software besitzen wollen
• Sie kein Konto erstellen wollen
• Datenschutzarchitektur wichtiger ist als Komfortfunktionen
• Sie auch iPhone nutzen ($7.99 im App Store, im App-Store-Kauf zusammen mit der Mac-App-Store-Version enthalten; die DMG-Version wird separat verkauft)
Superwhisper baut an einer Zukunft, in der KI Ihren gesamten Computerkontext versteht. Das ist ambitioniert und manche Nutzer wollen das.
Whisper Notes baut das Gegenteil: ein Werkzeug, das genau eine Sache tut, nichts über Ihren Computer außer dem Mikrofon-Eingang weiß und jedes Mal gleich funktioniert.
Langweilige Software für Leute, die Vorhersehbarkeit schätzen.
Für Langweilige Software
"Langweilig" ist in der Softwaretechnik nicht abwertend. Langweilig bedeutet vorhersehbar. Langweilig bedeutet weniger Überraschungen.
Langweilige Software:
• Braucht kein Konto
• Erfordert keine Netzwerkverbindung für Kernfunktionen
• Fordert keine Berechtigungen über das strikt Notwendige hinaus
• Entwickelt sich nicht zu etwas, das Sie nicht wollten
Superwhisper begann als langweilige Software. Ein lokales Transkriptionswerkzeug. Einfach, schnell, zuverlässig.
Dann wuchsen die Ambitionen. Es wollte ein KI-Assistent sein, Kontext verstehen, über Clouds synchronisieren, Ihre Worte interpretieren.
Manche Nutzer folgten dieser Entwicklung gerne. Andere vermissen, was es war.
Whisper Notes ist absichtlich langweilig. Wir machen eine Sache: Sprache mit der Neural Engine Ihres Geräts in Text umwandeln. Wir beobachten nicht Ihren Bildschirm. Wir synchronisieren nicht Ihre Daten. Wir interpretieren nicht Ihre Absicht. Wir transkribieren einfach.
Einmalkauf; Preis laut Kaufkanal. Kein Konto. Kein Input Monitoring. Keine Abos. Keine Ambitionen jenseits von Zuverlässigkeit.
Für alle, die die ursprüngliche Vision davon bevorzugten, was lokale Transkriptionstools sein könnten — Whisper Notes ist hier.
Häufig Gestellte Fragen
Warum erfordert Superwhisper Input Monitoring-Berechtigung?
Superwhisper verwendet Input Monitoring für 'Kontextbewusstsein' — zu verstehen, was auf Ihrem Bildschirm ist, um das KI-Verhalten anzupassen. Diese Berechtigung erlaubt das Lesen aller Tastatureingaben in allen Anwendungen. Whisper Notes verwendet nur die Bedienungshilfen-Berechtigung, die Text einfügen kann, aber Ihre Eingaben oder andere Apps nicht beobachten kann.
Warum ist Superwhisper auf Abo-Preise umgestiegen?
Superwhisper betreibt Cloud-Infrastruktur für Sync, Konten und einige KI-Funktionen. Abos finanzieren diese Infrastruktur. Allerdings haben sie auch lokale Modelle (die auf Ihrer Hardware laufen) hinter dieselbe Bezahlschranke gestellt — was die Preisentscheidung ist, die Nutzer am meisten hinterfragen.
Ist Whisper Notes so genau wie Superwhisper?
Whisper Notes bietet drei Sprachmodelle. Parakeet V3 hat eine niedrigere Wortfehlerrate (6.32%) als Whisper Large V3 Turbo (7.83%) auf dem englischen Open ASR Leaderboard-Benchmark, und auf unserem M5 Air läuft es mit rund 60× Echtzeit. Für Chinesisch, Japanisch, Koreanisch und Kantonesisch wählen Sie SenseVoice, das eigens für diese Sprachen gebaut ist und mit 52× Echtzeit oder besser läuft. Superwhisper bietet nur Whisper-Varianten. Wenn Sie also ein englisches Modell außerhalb von Whisper oder ein eigenes CJK-Modell ohne Abo wollen, lohnt sich ein Blick auf Whisper Notes.
Welche Sprachmodelle unterstützt Whisper Notes?
Drei Modelle: Parakeet V3 von NVIDIA (Standard auf dem Mac — schnellstes Englisch, niedrigste Fehlerrate, 25 europäische Sprachen), Whisper Large V3 Turbo (die mehrsprachige Option, 100+ Sprachen) und SenseVoice (Chinesisch, Japanisch, Koreanisch und Kantonesisch — 52× Echtzeit oder besser über Apple MLX). Sie wählen das Modell; alle drei laufen lokal auf Ihrem Gerät.
Wie viel kostet Whisper Notes im Vergleich zu Superwhisper?
Whisper Notes kostet Einmalkauf; Preis laut Kaufkanal (Ein App-Store-Kauf umfasst iPhone/iPad und die Mac-App-Store-Version; die direkt geladene DMG-Version für Mac wird separat als Einmallizenz verkauft). Superwhisper kostet $8.49/Monat oder $250 lebenslang; eine Lizenz deckt die Mac-, Windows- und iOS-Apps ab. Über 3 Jahre: Whisper Notes kostet Einmalkauf; Preis laut Kaufkanal, Superwhisper monatlich kostet $305.64.
Kann Whisper Notes zwischen Geräten synchronisieren?
Nein, absichtlich. Wir betreiben keine Cloud-Server, also gibt es nichts, worüber synchronisiert werden könnte. Ihre Aufnahmen bleiben auf dem Gerät, auf dem Sie sie erstellt haben. Das eliminiert Sync-Fehler und stellt sicher, dass Ihre Sprachdaten nie Ihre Hardware verlassen. Verwenden Sie bei Bedarf AirDrop oder manuellen Export.
Warum erfordert Whisper Notes kein Konto?
Lokale Transkription hat keinen technischen Grund, Identitätsüberprüfung zu erfordern. Wir glauben an Datenminimierung — wenn wir Ihre E-Mail nicht brauchen, damit die Software funktioniert, sollten wir nicht danach fragen. Kein Konto bedeutet kein Passwort zu verwalten, kein Datenbankeintrag zum Einbrechen.
Was ist der Unterschied zwischen Input Monitoring und Bedienungshilfen-Berechtigungen?
Input Monitoring kann alle Tastatur-/Mausereignisse systemweit empfangen (Beobachtung). Bedienungshilfen können Text einfügen und UI-Automatisierung durchführen (Aktion). Whisper Notes verwendet Bedienungshilfen, um transkribierten Text an Ihrem Cursor einzugeben — nur Ausgabe, keine Beobachtung dessen, was Sie tippen.
Drei Sprachmodelle. $14 einmalig.
Whisper + Parakeet V3 + SenseVoice. Lokale KI-Bearbeitung. Kein Input Monitoring. Keine Abonnements. Keine Konten.
Für iOS laden