Lokal diktieren heißt: Das Spracherkennungsmodell läuft auf deinem Rechner, die Aufnahme verlässt ihn nicht. Dafür muss das Modell zu deiner Hardware passen. WhisPaste bietet genau drei Größen an, alle laufen vollständig offline und decken 99 Sprachen ab.
Die drei Größen
- Schnell & Kompakt (whisper-small) braucht rund 900 MB Grafikspeicher. Es hält einen bescheidenen Rechner reaktionsfähig und ist der richtige Einstieg bei Onboard-Grafik, älteren Karten und ganz ohne GPU.
- Ausgewogen (whisper-medium) möchte etwa 1,5 GB Grafikspeicher. Bei Akzenten und Fachvokabular ist es meist genauer als die kompakte Stufe, ohne den Speicherhunger der Spitzenstufe.
- Beste Qualität wird auf NVIDIA ab rund 3,6 GB Grafikspeicher empfohlen, auf Apple Silicon ab 4 GB und bei AMD oder Intel ab 12 GB.
Alle Speicherangaben sind eigene Schätzwerte.
Womit du startest
Auf NVIDIA oder Apple Silicon startest du mit Ausgewogen ab rund 2 GB Grafikspeicher (Apple: Unified Memory), bei AMD oder Intel ab etwa 4 GB. Darunter oder ganz ohne GPU nimmst du Schnell & Kompakt. Wechseln kostet nur einen Download, die App lädt dann eine einzige Datei nach.
Parakeet als Alternative
Neben Whisper bringt WhisPaste die Engine Parakeet mit. Sie tauscht Sprachbreite gegen Tempo: Sie unterstützt 25 europäische Sprachen und war auf dem Prozessor in unserem Benchmark mehrfach so schnell wie das kompakte Whisper-Modell. Mit GPU wird sie noch schneller.
Mehr dazu im Ratgeber zur Whisper-Modellgröße und auf der Seite Offline-Spracherkennung.
