Whisper (OpenAI)

Der Standard für Transkription, sehr gutes Deutsch. large-v3-turbo ist der Alltags-Tipp: fast Large-Qualität bei einem Bruchteil der Rechenzeit.

So nutzt du es

Am einfachsten per Ollama: ollama pull <modellname> und dann ollama run <modellname> — oder komfortabel mit LM Studio (grafische Oberfläche, Modell-Suche eingebaut). Die Hardware-Angaben unten beziehen sich auf die übliche 4-Bit-Quantisierung (Q4).

Größen & Hardware

• Verfügbare Größen: tiny / base / small / medium / large-v3 / large-v3-turbo
• Empfohlene Hardware (Q4): tiny–small: CPU reicht · large: ~10 GB VRAM (oder Geduld)

Im Detail

Whisper von OpenAI ist der De-facto-Standard für lokale Spracherkennung und liefert insbesondere für Deutsch sehr zuverlässige Transkripte. Die Modellreihe reicht von tiny bis large-v3, wobei kleinere Varianten (tiny/base/small) bereits auf der CPU laufen, während large für gute Genauigkeit rund 10 GB VRAM braucht oder entsprechend Geduld auf der CPU erfordert. Der Alltags-Tipp ist large-v3-turbo: Es erreicht nahezu die Qualität von large-v3, braucht dafür aber nur einen Bruchteil der Rechenzeit – ein guter Kompromiss für alle, die viele Aufnahmen transkribieren, aber keine High-End-GPU dauerhaft blockieren wollen. Für reine Offline-Integration ohne Python-Stack lohnt eher whisper.cpp mit denselben Gewichten.

Praxis-Tipp

Für den Alltag large-v3-turbo verwenden statt large-v3 – bei kaum spürbarem Qualitätsverlust ist die Transkription deutlich schneller.

Lizenz & Quelle

• Lizenz: MIT
• Quelle: GitHub
• Quelle: HF