Whisper für Mac

Die Mac-Tools, die Whisper verpacken – und wofür jedes da ist

Die meisten, die nach "Whisper für Mac" suchen, wollen pip gar nicht anfassen. Sie wollen eine App. Davon gibt es mehrere gute, und sie sind nicht austauschbar. Sie teilen sich in zwei Lager.

Whisper by Remskill, die App, die ich baue, ist in Lager zwei. Diktat zuerst. Es lohnt sich zu wissen, in welchem Lager du bist, bevor du irgendetwas herunterlädst.

Was Whisper by Remskill auf einem Mac macht

Ich beschreibe das Ding, das ich gebaut habe, und dann kannst du es gegen den Rest abwägen.

Es ist eine Diktier-App. Du drückst eine Taste, du sprichst, und der Text landet an deinem Cursor in jeder App: Mail, Notizen, Slack, dein Code-Editor, das Feld, in dem du gerade die Einverständniserklärung für die Schule dieses Jahr ausfüllst. Die Standardtaste auf dem Mac ist Command und Option zusammen gehalten, und sie lässt sich frei umbelegen. Die gesamte Transkription passiert auf deinem Mac. Keine Datei zum Hochladen, keine Aufnahme zu verwalten.

Du führst auch kein Python aus. Kein pip, kein ffmpeg, kein Terminal, keine GPU. Das Ganze ist reines Rust. Die Whisper- und Parakeet-Engines laufen über eine Bibliothek namens transcribe-rs, ganz ohne mitgelieferten Python-Sidecar. Die lokale Transkription läuft auf deiner CPU, eine dedizierte GPU ist nicht nötig, und die App belegt rund 25 MB auf der Festplatte.

Beim Modell selbst hast du die Wahl. Lokales Whisper bietet dir 8 Modelle, 99 Sprachen, Übersetzung ins Englische, eigenes Vokabular, Beam-Size-Steuerung und Hotword-Gewichtung. Langsamer, aber mit der meisten Kontrolle. Parakeet ist die NVIDIA-TDT-Engine, rund 600 MB groß, und läuft auf einer CPU 5- bis 10-mal schneller als Whisper, deckt Englisch plus 24 weitere europäische Sprachen ab, ohne Übersetzung ins Englische. Der Cloud-Modus ist der dritte Weg: Du bringst deinen eigenen OpenAI-Schlüssel mit, und wir behalten nichts ein. Ich treffe die Wahl bewusst nicht für dich. Die Unterschiede legen wir in Whisper vs Parakeet dar, wenn du die ausführliche Fassung willst.

Die lokale Genauigkeit liegt typischerweise zwischen 95 % und 99 %. Die gesamte lokale Pipeline ist für jeden angemeldeten Nutzer kostenlos: Whisper, Parakeet, Offline-KI-Aufbereitung über Ollama, Transkriptionsverlauf, Voreinstellungen, Hotwords, Hardwarebeschleunigung, Modell-Downloads und die eigene Tastenkombination. Keine Zahlungsmethode bei der Anmeldung. Du kannst es auf bis zu 3 Geräten nutzen. Die kostenpflichtige Stufe, Whisper Pro, ergänzt nur die Cloud-Ebene: OpenAI-Cloud-Transkription, KI-Aufbereitung in der Cloud und Websuche. Die Preise findest du auf der Preisseite. Ich nenne hier keine Zahlen, weil Preisseiten sich ändern und du sie direkt an der Quelle nachlesen solltest.

Eine ehrliche Einschränkung: Unser Mac-Build läuft nur auf Apple Silicon, M1 bis M4. Wenn du einen Intel-Mac hast, ist diese App nichts für dich – und ich sage dir gleich, was passt.

So sieht dein erstes Diktat tatsächlich aus. Drück die Taste, ein kleiner Aufnahme-Indikator erscheint, du sprichst, du lässt los, und der aufbereitete Text fällt genau dorthin, wo dein Cursor saß. Das Overlay unten ist das echte Ding, das die App zeigt, kein Mockup.

Die Einrichtung ist kurz. Lade die App herunter, melde dich an, lass sie ein Modell herunterladen. Parakeet ist mit rund 600 MB das kleinste, oder ein Whisper-Modell, wenn du Sprachen oder Übersetzung willst. Wähle deine Taste oder behalte Command und Option. Dann öffne Mail, halte die Taste und sag einen Satz. Das ist das ganze Onboarding. Meine jüngere Tochter hat es geschafft, ohne mir eine einzige Rückfrage zu stellen – und das ist der einzige Usability-Test, dem ich voll vertraue. Wenn du die längere Schritt-für-Schritt-Anleitung mit Screenshots und allen drei Modellwegen willst, habe ich einen eigenen Leitfaden geschrieben: Sprache zu Text auf dem Mac.

Warum ich es auf dem Mac lokal halte

Hier ist meine eine entschiedene Meinung für diesen Artikel: Reines Cloud-Diktat ist ein Datenschutz-Desaster.

Die Gehaltstabelle deines Chefs, die E-Mail an die Schule deines Kindes, der Schriftsatz, den du im Zug entwirfst. Nichts davon sollte über die Server eines Anbieters laufen, bloß weil du mit deiner Stimme tippen wolltest. Dein Mac hat bereits ein Mikrofon und eine CPU. Für einen Absatz Diktat braucht er keinen Server dazwischen. Mit den lokalen Engines verlässt das Audio deinen Rechner nie. Das wäre meine Voreinstellung, und sie ist kostenlos.

Den Cloud-Modus gibt es für die Momente, in denen du wirklich die neuesten OpenAI-Modelle oder Antworten aus dem Web willst, auf deinem eigenen Schlüssel. Er ist die Notausgangstür, nicht der Haupteingang.

Wann MacWhisper, VoiceInk oder die Kommandozeile die bessere Wahl sind

Ich wäre ein schlechter Ratgeber, würde ich so tun, als gewänne eine App jeden Fall. Tut sie nicht. Hier ist, wohin ich dich woanders schicken würde.

Wenn du dir nur eine Sache merkst

Das Modell ist kostenlos und quelloffen. Die Entscheidung, auf die es ankommt, ist, was du darum herum baust: ein Terminal, eine grafische Datei-Transkription oder eine Taste, die deine gesprochene Sprache in das tippt, worauf du gerade schaust. Passe die Verpackung zur Aufgabe – und ignoriere auf dem Mac Python, es sei denn, du hast wirklich Spaß daran. Es gibt drei Sorten Menschen, die nach Whisper auf einem Mac suchen: die mit einem Ordner voller Aufnahmen, die, die nie wieder tippen wollen, und die, denen einfach der Name gefiel. Zwei davon sind im falschen Lager, bis sie bis hierher gelesen haben.

Den größten Teil dieses Artikels habe ich diktiert statt getippt, was sich passend anfühlte. Der eine Absatz, den ich von Hand tippte, hatte mehr Tippfehler.