So transkribierst du Audio lokal mit Whisper auf dem Mac und unter Windows

Whisper ist ein Spracherkennungsmodell, das OpenAI als Open Source unter der MIT-Lizenz veröffentlicht hat. Weil die Modelldateien öffentlich sind, kannst du sie auf deinem eigenen Computer ausführen und Interviews, Sprachmemos und aufgenommene Besprechungen transkribieren, ohne sie irgendwo hochzuladen.

Diese Anleitung zeigt zuerst den kostenlosen Weg über die Kommandozeile mit whisper.cpp auf dem Mac und unter Windows, danach den Weg ohne Terminal mit einer Desktop-App. Die Befehle haben wir mit whisper.cpp 1.9.5 geprüft, der neuesten Version (Stand: 19. Oktober 2026).

Was du brauchst

• Einen Mac oder Windows-PC. whisper.cpp läuft auf beiden. Auf Apple Silicon nutzt es die GPU über Metal.
• Einige hundert MB bis 3 GB Speicherplatz für ein Modell, je nach Modellgröße.
• ffmpeg, um dein Audio zu konvertieren, denn das Beispielprogramm whisper-cli arbeitet mit 16-Bit-WAV-Dateien.
• Einmal eine Internetverbindung, um die Tools zu installieren und das Modell herunterzuladen. Danach läuft die Transkription offline.

Ein Whisper-Modell auswählen

Größere Modelle sind meist genauer und immer langsamer. Hier die Größen und der ungefähre Arbeitsspeicherbedarf laut whisper.cpp README:

Außerdem gibt es large-v3-turbo, das OpenAI als optimierte Version von large-v3 beschreibt, die schneller ist und dabei nur minimal an Genauigkeit verliert (Whisper-README von OpenAI). Modelle mit der Endung .en, etwa small.en, unterstützen nur Englisch; laut OpenAI schneiden sie bei den Größen tiny und base auf Englisch tendenziell besser ab. Für gemischtsprachiges oder nicht englischsprachiges Audio nutze ein mehrsprachiges Modell.

Für Besprechungen ist small ein sinnvoller erster Versuch. Steig auf medium oder large-v3-turbo um, wenn Namen und Zahlen falsch erkannt werden, und geh auf base herunter, wenn es zu langsam ist.

Auf dem Mac: whisper.cpp mit Homebrew installieren

Wenn du Homebrew hast, musst du nichts kompilieren.

1. Installiere whisper.cpp und ffmpeg:

   brew install whisper.cpp ffmpeg

   Damit hast du den Befehl whisper-cli.

2. Lade ein Modell herunter, und zwar in einen Ordner, den du wiederfindest:

   mkdir -p ~/whisper-models
   curl -L -o ~/whisper-models/ggml-small.bin \
     https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-small.bin

   Ersetze small durch einen anderen Modellnamen aus der Tabelle, etwa medium oder large-v3-turbo.

3. Konvertiere deine Aufnahme in eine Mono-WAV-Datei mit 16 kHz:

   ffmpeg -i interview.m4a -ar 16000 -ac 1 -c:a pcm_s16le interview.wav

4. Transkribiere sie:

   whisper-cli -m ~/whisper-models/ggml-small.bin -f interview.wav -l auto -otxt -osrt

   Du bekommst interview.wav.txt mit dem reinen Text und interview.wav.srt mit Zeitstempeln.

Unter Windows: whisper.cpp kompilieren

Unter Windows ist das Kompilieren aus dem Quellcode der Weg mit den wenigsten Überraschungen. Vorkompilierte ZIP-Dateien erscheinen zwar auf der Releases-Seite von whisper.cpp, aber ihre Namen und Inhalte ändern sich von Build zu Build.

1. Installiere die Tools: Git, CMake, die Visual Studio Build Tools mit der C++-Workload und ffmpeg, das du zu deinem PATH hinzufügst.

2. Hol dir den Code und ein Modell in der PowerShell:

   git clone https://github.com/ggml-org/whisper.cpp.git
   cd whisper.cpp
   .\models\download-ggml-model.cmd small

3. Kompiliere whisper.cpp:

   cmake -B build
   cmake --build build -j --config Release

4. Konvertiere und transkribiere:

   ffmpeg -i interview.m4a -ar 16000 -ac 1 -c:a pcm_s16le interview.wav
   .\build\bin\Release\whisper-cli.exe -m models\ggml-small.bin -f interview.wav -l auto -otxt -osrt

Wenn du eine NVIDIA-Grafikkarte hast, erklärt die README-Datei, wie du mit CUDA kompilierst, damit die Transkription schneller läuft.

Wissenswerte Optionen

Die vollständige Liste bekommst du mit whisper-cli -h. Laut OpenAI ist das Turbo-Modell nicht auf Übersetzung trainiert; nutze für -tr deshalb ein mehrsprachiges Modell wie medium.

Prüfen, ob es wirklich offline läuft

Sobald das Modell heruntergeladen ist, schalte das WLAN aus und führe denselben Befehl noch einmal aus. Erscheint das Transkript, lief alles auf deinem Computer. Das ist der einfachste Beweis dafür, dass deine Aufnahme ihn nie verlassen hat.

Was dir die Kommandozeile nicht abnimmt

whisper.cpp ist hervorragend darin, aus einer Datei Text zu machen. Bei Besprechungen musst du dich aber um ein paar Dinge selbst kümmern:

• Die Besprechung aufnehmen. Du brauchst ein weiteres Tool, das sowohl dein Mikrofon als auch den Ton der anderen aufnimmt.
• Wer was gesagt hat. Eine Sprecherzuordnung gehört nicht zu einem einfachen Durchlauf; in der README-Datei steht eine experimentelle Option für einige Modelle.
• Die Zusammenfassung. Ein Transkript ist noch keine. Du müsstest es selbst in ein KI-Modell kopieren und damit auch entscheiden, wo dieses Modell läuft.
• Die langfristige Ablage. Am Ende hast du Ordner voller .txt-Dateien, die du benennen, durchsuchen und sicher aufbewahren musst.

Eine Datei lokal mit Kimiko transkribieren

Wenn du lieber ohne Terminal arbeitest: Kimiko führt lokale Spracherkennungsmodelle auf Macs mit Apple Silicon und Windows-PCs aus, darunter Whisper Small, Whisper Medium und Whisper Large v3 Turbo, neben dem Standardmodell Nemotron. Außerdem nimmt die App Besprechungen ohne Bot auf, kennzeichnet, wer spricht, und schreibt mit der integrierten KI Zusammenfassungen auf deinem Computer.

1. Installiere Kimiko und schließ die Einrichtung ab. Das empfohlene Spracherkennungsmodell wird bei der Einrichtung heruntergeladen, und für lokale Zusammenfassungen kannst du Hinzufügen neben Integrierte KI wählen.
2. Such dir ein Whisper-Modell aus, wenn du eins möchtest. Die Modelle findest du unter Einstellungen → Transkription → Spracherkennungsmodelle. Lade es herunter und wähle es dann aus.
3. Importiere deine Aufnahme. Wähle Audiodatei importieren… auf der Seite „Notizen“ oder in einem Projekt, oder zieh die Datei auf die Seite „Notizen“. WAV-, M4A-, FLAC-, OGG- und AIFF-Dateien funktionieren direkt, ohne Konvertierung.
4. Sieh dir das Ergebnis an. Du bekommst ein Transkript und eine Zusammenfassung. Ist die Sprecherzuordnung unter Einstellungen → Transkription eingeschaltet, unterscheidet Kimiko in einem Import bis zu acht Stimmen und kennzeichnet sie als Sprecher 1, Sprecher 2 und so weiter. Du kannst sie umbenennen.
5. Frag nach oder exportiere. Stell im Chat Fragen zur Aufnahme oder exportiere Transkript und Zusammenfassung als Markdown, Word oder PDF.

Sind lokale Modelle ausgewählt, wird das Audio auf deinem Computer transkribiert und zusammengefasst. Audio aufbewahren steht anfangs auf Aus: Kimiko behält also das Transkript und verwirft das Audio. Audio importieren kannst du während der Testphase oder mit einem Abo. Mehr dazu, was wo läuft, erfährst du im Beitrag Besprechungen offline transkribieren.

Häufige Fragen

Ist Whisper kostenlos?

Ja. OpenAI hat den Code und die Modelle von Whisper unter der MIT-Lizenz veröffentlicht, und auch whisper.cpp steht unter der MIT-Lizenz. Du zahlst nur mit der Zeit und dem Arbeitsspeicher deines Computers.

Welches Whisper-Modell sollte ich für Besprechungen nehmen?

Fang mit small an und prüf, wie es mit Namen, Zahlen und Akzenten in deinen Aufnahmen zurechtkommt. Wechsle bei schwierigem Audio zu medium oder large-v3-turbo, wenn dein Computer genug Arbeitsspeicher hat.

Kann ich eine MP3- oder M4A-Datei transkribieren?

Ja. Konvertiere sie zuerst mit ffmpeg in eine WAV-Datei mit 16 kHz (der Befehl steht oben) und starte dann whisper-cli mit dieser Datei.

Schickt Whisper mein Audio irgendwohin?

Nicht, wenn du es lokal mit whisper.cpp ausführst. Das Modell läuft auf deinem Computer, und heruntergeladen werden nur das Tool und die Modelldatei. Anders ist es bei Cloud-Transkriptionsdiensten, die Whisper nutzen: Dort geht das Audio an deren Server.

Kann Whisper unterscheiden, wer spricht?

Nicht in einem einfachen Durchlauf mit whisper.cpp. Du bekommst einen durchgehenden Text mit Zeitstempeln. Apps für Besprechungen ergänzen ein eigenes Sprechermodell, das kennzeichnet, wer was gesagt hat.

Lade Kimiko herunter, wenn du ohne Terminal lokal transkribieren möchtest. Kimiko kannst du kostenlos testen.