Whisper lokal auf dem Mac: Transkribieren ohne Cloud

Whisper kann Audiodateien, Interviews, Meetings oder Voice-Memos lokal transkribieren. Auf Apple Silicon ist mlx-whisper der einfachste Einstieg.

Kurzantwort

Starte mit mlx-whisper und dem Modell small oder medium. Nutze large-v3, wenn Qualität wichtiger ist als Geschwindigkeit. Für Sprechertrennung brauchst du zusätzlich pyannote.

Modellwahl

tiny (~75 MB): nur für sehr kurze Clips oder Pre-Filter.

base (~140 MB): schnell, aber ungenau.

small (~460 MB): gut für Echtzeit-Streaming.

medium (~1,5 GB): mein Go-to für die meisten Aufgaben.

large-v3 (~3 GB): maximale Genauigkeit, besonders für Deutsch.

Was ich getestet habe

Ich habe mlx-whisper auf meinem Mac Mini M4 mit verschiedenen Modellen getestet. Hier ist, was mir aufgefallen ist:

medium ist der Sweet Spot. Für Interviews und Meetings liefert es brauchbare Transkripte. Die Geschwindigkeit ist akzeptabel.

large-v3 ist spürbar besser, besonders bei Deutsch mit Dialekt. Aber es braucht mehr Zeit und Speicher.

Wichtig: Datenschutz

Whisper selbst schickt keine Daten an die Cloud. Aber: Apps wie MacWhisper oder WhisperKit sind offline. Manche kommerzielle Apps leiten Audio an Cloud-APIs weiter. Prüfe die Netzwerk-Aktivität mit Little Snitch.

Sprechertrennung

Standard-Whisper unterstützt keine Diarization. Für Speaker-Labels brauchst du zusätzlich pyannote.audio. Es läuft lokal, ist aber ein zusätzlicher Modelllauf (~1-2 GB).

Mein Fazit

Whisper ist die beste lokale Spracherkennung für den Mac. Starte mit mlx-whisper und medium, steigere auf large-v3 wenn nötig.

Getestet Juni 2026 auf Mac Mini M4 mit 32 GB.