WhisPaste liefert drei quantisierte Whisper-Modelle aus, dazu eine prozessorfreundliche Alternative. Sag dem Empfehler, wie viel Grafikspeicher du hast, und er wendet dieselbe Regel an, mit der die App selbst eine Stufe vorschlägt.
Kurz: Starte mit „ausgewogen", wenn du rund 2 GB Grafikspeicher oder mehr hast, mit „kompakt" darunter oder ganz ohne GPU, mit „Premium" nur bei etwa 4 GB dediziertem Grafikspeicher aufwärts. Alle drei laufen vollständig offline, alle drei decken 99 Sprachen ab, und du kannst jederzeit wechseln — die App lädt dann eine einzige Datei nach.
WhisPaste bietet bewusst drei Stufen an statt des gesamten whisper.cpp-Katalogs. Jede ist ein quantisierter GGML-Build, deshalb bleiben die Downloads deutlich unter einem Gigabyte und behalten trotzdem die Qualität des zugrundeliegenden Modells. Du wählst eine Stufe in den Einstellungen; die App lädt eine Datei, prüft ihre Prüfsumme und schaltet um.
| Stufe | Modell | Download | Grafikspeicher |
|---|---|---|---|
| Kompakt | whisper-small (q5_1) | 181 MB | ~900 MB |
| Ausgewogen | whisper-medium (q5_0) | 514 MB | ~1,5 GB |
| Premium | whisper-large-v3-turbo (q5_0) | 547 MB | ~2,6 GB |
| Parakeet | parakeet-tdt-0.6b-v3 (int8) | 639 MB | nur Prozessor |
JavaScript ist aus, deshalb sind unten alle Stufen beschrieben. Die Vergleichstabelle oben gibt dieselbe Information.
Ein 181-MB-Download, der rund 900 MB Grafikspeicher braucht, und die Stufe, die einen bescheidenen Rechner reaktionsfähig hält. Sie ist der richtige Einstieg bei Onboard-Grafik, bei einer älteren Karte und auf allem ganz ohne GPU. Bei schwierigem Audio liegt die Genauigkeit spürbar unter den größeren Stufen, bei klarer Sprache in ein anständiges Mikrofon ist der Abstand aber kleiner, als die Downloadgröße vermuten lässt.
Ein 514-MB-Download, der etwa 1,5 GB Grafikspeicher möchte. Das ist die Stufe, auf der die meisten landen sollten: bei Akzenten, Fachvokabular und Hintergrundgeräuschen klar besser als kompakt, ohne den Speicherhunger der Spitzenstufe. Auf Apple Silicon trägt sie schon ein 8-GB-Gerät.
Ein 547-MB-Download, der etwa 2,6 GB Grafikspeicher möchte. Die Turbo-Variante von large-v3 ist das genaueste Modell, das WhisPaste ausliefert, und dank verschlanktem Decoder deutlich flotter als ein reines Large-Modell. Lohnt sich ab einer dedizierten Karte mit rund 4 GB aufwärts und ist die Stufe der Wahl, wenn dein Audio schwierig ist: schnelles Sprechen, gemischte Sprachen, ungewohnte Eigennamen.
Parakeet ist die zweite On-Device-Engine, keine Whisper-Stufe. Es ist ein 639-MB-Download, hat überhaupt kein GPU-Backend und ist auf demselben Prozessor trotzdem mehrfach schneller als Whisper — was es zur stärksten Option auf einem Rechner ohne nutzbare Grafikbeschleunigung macht. Der Preis ist die Sprachbreite: 25 europäische Sprachen statt der 99 von Whisper.
Der Empfehler oben rät nicht — er wendet dieselben Schwellen an wie die App. Dedizierte NVIDIA-Karten werden gegen rund 70 % ihres gemeldeten Speichers gerechnet, weil Betriebssystem und andere Prozesse ihren Anteil nehmen: etwa 2,1 GB gemeldet für „ausgewogen", etwa 3,7 GB für „Premium". Apple Silicon wird großzügig behandelt, weil Unified Memory tatsächlich geteilt wird: 2 GB für ausgewogen, 4 GB für Premium. Integrierte AMD- und Intel-Grafik wird am vorsichtigsten behandelt — sie meldet geliehenen Systemspeicher, als wäre er ihr eigener, deshalb wird Premium dort erst ab rund 12 GB empfohlen.
Bevor du an der Stufe feilst, prüfe die Sprache. Whisper deckt auf jeder Stufe 99 Sprachen ab, ein größeres Modell schaltet also keine neue Sprache frei — es transkribiert dieselbe Sprache nur genauer. Parakeet ist der umgekehrte Tausch: auf dem Prozessor viel schneller, dafür auf 25 europäische Sprachen begrenzt, darunter Deutsch, Englisch, Französisch, Spanisch, Italienisch, Polnisch, Niederländisch, Ukrainisch und Russisch. Steht deine Sprache auf dieser Liste und hat dein Rechner keine nutzbare GPU, schlägt Parakeet jede Whisper-Stufe beim Tempo.