Jedes Cloud-Transkriptionswerkzeug benötigt Internet und lädt Ihr Audio hoch. Für vertrauliche Audiodaten (rechtliche, medizinische, F&E, journalistisches Quellenmaterial) ist das inakzeptabel. StarWhisper führt Whisper lokal auf Ihrem Windows-Gerät aus. Audio verlässt niemals das Gerät.
Einmal mit Internet installieren, danach für immer offline arbeiten.
Laden Sie den kostenlosen Installer von der StarWhisper-Startseite herunter und führen Sie ihn aus. Die Einrichtung dauert etwa zwei Minuten und umfasst einen einmaligen Download der Whisper-Modelldateien (einige hundert Megabyte bis mehrere Gigabyte, je nach gewählter Modellgröße). Dies ist das einzige Mal, dass eine Internetverbindung erforderlich ist.
Aktivieren Sie den Flugzeugmodus, ziehen Sie das Ethernet-Kabel ab, deaktivieren Sie den WLAN-Adapter oder begeben Sie sich einfach in eine Umgebung ohne Empfang. StarWhisper benötigt keine Verbindung, um zu funktionieren. Wenn Sie einen strikten Beweis möchten, führen Sie Wireshark oder einen beliebigen Netzwerkmonitor aus: Während der Transkription werden null Pakete vom StarWhisper-Prozess gesendet.
Öffnen Sie StarWhisper. Ziehen Sie eine beliebige Audiodatei (MP3, WAV, M4A, OGG, OPUS, FLAC, WMA, AAC, sowie Audio aus MP4-, MOV-, AVI-, MKV-Videos) in das Fenster. Das Whisper-Modell auf Ihrer Festplatte dekodiert und transkribiert das Audio. Die Sprache wird automatisch aus 96 unterstützten Sprachen erkannt.
StarWhisper verarbeitet das Audio lokal auf Ihrer CPU oder GPU. Geschwindigkeit: etwa 10-mal schneller als in Echtzeit auf einer modernen Laptop-CPU und 50-mal schneller auf einer NVIDIA-GPU mit aktiviertem CUDA. Eine einstündige Audiodatei wird in etwa 6 bis 12 Minuten auf der CPU oder in 1 bis 2 Minuten auf einer Mittelklasse-GPU transkribiert.
Das Transkript erscheint im StarWhisper-Fenster, wenn die Verarbeitung abgeschlossen ist. Kopieren Sie es in die Zwischenablage, speichern Sie es als .txt oder exportieren Sie es mit optionalen Zeitstempeln. Die Datei wird auf Ihre lokale Festplatte geschrieben. Keine Cloud-Synchronisierung, kein Upload, keine Telemetrie. Der Text gehört ganz Ihnen.
Reale Situationen, in denen Cloud-Transkription versagt oder verboten ist.
Langstreckenflüge, Zugfahrten, Autofahrten durch Tunnel. Cloud-Tools sterben, wenn das Signal es tut. Lokale Transkription funktioniert auf einem vollständig getrennten Laptop weiter.
Konferenzreisen, Geschäftsreisen, Hotelzimmer mit kaputtem oder gedrosseltem Internet. Die Audiodatei, die Sie zuvor aufgenommen haben, wird weiterhin lokal transkribiert, ohne dass ein Netzwerk nötig ist.
Aufnahmestudios, medizinische Bildgebungsräume, Krankenhäuser mit bewusster Signalblockierung und ähnliche Umgebungen, in denen Cloud-Uploads einfach keinen Zugang zum Server finden.
Sensitive Compartmented Information Facilities verbieten Netzwerkverbindungen. Die lokale Architektur von StarWhisper ist mit Air-Gap-Anforderungen kompatibel; die Bereitstellung hängt von der Genehmigung der Einrichtung ab.
Gerichtliche Zeugenbefragungen, Interviews mit journalistischen Quellen, F&E-Audio, Therapiesitzungen. Cloud-Uploads verletzen die Vertraulichkeit. Datenschutzbedenken erklärt.
Cloud-Tools berechnen pro Minute oder pro Monat. Die lokale Installation ist bis zum täglichen Wortlimit kostenlos oder kostet 10 Dollar pro Monat für unlimitierte Nutzung. Preismodell.
Die meisten Menschen, die „Audio transkribieren“ in eine Suchmaschine eingeben, landen bei Otter, Rev, Trint, Happy Scribe, Sonix, Descript oder einem von einem Dutzend ähnlicher Dienste. Sie alle funktionieren auf dieselbe Weise: Sie laden Ihre Audiodatei auf ihre Server hoch, ihr Backend (oft dasselbe OpenAI-Whisper-Modell, das auch lokal auf Ihrem eigenen Rechner läuft) verarbeitet die Datei, und das Transkript kommt zurück. Für einen gelegentlichen Nutzer mit nicht sensiblem Audio und gutem Internet ist das in Ordnung.
Es ist nicht in Ordnung für einen großen Teil der realen Transkriptionsbedürfnisse.
Anwälte können privilegierte Mandantengespräche nicht auf einen Server eines Drittanbieters hochladen, ohne ihre Berufsregeln und die anwaltliche Schweigepflicht selbst zu verletzen. Ärzte und Therapeuten können Patientenaudio nicht hochladen, ohne gegen HIPAA in den USA oder entsprechende Vorschriften anderswo zu verstoßen. Journalisten, die mit vertraulichen Quellen arbeiten, können Quellaufnahmen nicht hochladen, ohne die Quelle zu gefährden. F&E-Teams in Unternehmen können Audio von unveröffentlichten Produkten nicht hochladen, ohne Geschäftsgeheimnisse preiszugeben. Regierungs- und Verteidigungsarbeiten können offensichtlich nichts Klassifiziertes hochladen. Selbst bei nicht regulierten persönlichen Aufnahmen wollen viele Menschen einfach nicht, dass ihre Sprachmemos für immer auf dem Server von jemand anderem liegen.
StarWhisper ist für diese Art von Nutzer gemacht. Das Whisper-Modell, das es antreibt, läuft vollständig auf Ihrem Windows-Gerät. Nach einer einmaligen Installation (die der einzige Schritt ist, der Internet erfordert), muss die App nicht mehr nach Hause telefonieren. Sie können im Flugzeugmodus, in einem Keller, in einem Flugzeug, in einem Hotel mit kaputtem WLAN, in einem SCIF oder auf einer dauerhaft vom Netzwerk getrennten Workstation transkribieren. Audio verlässt niemals das Gerät.
„Datenschutz“ lässt sich in Werbetexten leicht behaupten. Es lohnt sich, dies selbst zu überprüfen, wenn viel auf dem Spiel steht.
Installieren Sie StarWhisper, schließen Sie den Modelldownload ab und aktivieren Sie dann den Flugzeugmodus (oder ziehen Sie das Ethernet-Kabel ab und deaktivieren Sie WLAN; wenn Ihr Laptop einen Hardware-WLAN-Schalter hat, noch besser). Öffnen Sie StarWhisper und transkribieren Sie eine Datei. Es funktioniert. Dieser einzelne Test bestätigt, dass alles in der Transkriptions-Pipeline lokal abläuft, da es buchstäblich kein Netzwerk gibt, das sie nutzen könnte.
Wenn Sie die absolute Bestätigung möchten, dass StarWhisper nichts hochlädt, wenn das Netzwerk verfügbar ist, installieren Sie Wireshark (kostenlos, Open Source) oder ein entsprechendes Paketerfassungstool. Filtern Sie nach dem StarWhisper-Prozess. Führen Sie eine Transkription durch. Beobachten Sie, wie null ausgehende Pakete während der Transkription vom StarWhisper-Prozess gesendet werden. Telemetrie vom Betriebssystem (Windows selbst sendet standardmäßig einige Hintergrund-Telemetrie) wird in der Erfassung auftauchen, ist aber von allem, was StarWhisper tut, getrennt.
Für SCIF- oder Air-Gap-Implementierungen, bei denen Sie stärkere Garantien benötigen, installieren Sie StarWhisper auf einem verbundenen Rechner, schließen Sie den Modelldownload ab, kopieren Sie den gesamten installierten Ordner (Program Files plus das Verzeichnis mit den zwischengespeicherten Modellen) über genehmigte Wechselmedienverfahren auf einen USB-Stick, übertragen Sie ihn auf den Air-Gap-Zielrechner und führen Sie ihn dort aus. Die App wird völlig ohne Netzwerk funktionieren, da alle Modellgewichte und Code-Abhängigkeiten auf der Festplatte liegen. Dies ist auch für den seltenen Fall nützlich, dass Sie StarWhisper auf vielen Endpunkten in einem Unternehmensnetzwerk bereitstellen möchten, das keine ausgehende Internetverbindung von Workstations zulässt.
Ein Paralegal nimmt eine Zeugenbefragung oder ein Zeugeninterview für interne Zwecke auf. Die Aufnahme enthält privilegierte Gespräche und vertrauliche Mandantenangelegenheiten. Das Hochladen zu einem Cloud-Dienst wie Rev oder Otter würde die anwaltliche Schweigepflicht verletzen (oder zumindest eine Vereinbarung für Geschäftspartner und eine ethische Prüfung erfordern). Ziehen Sie die Datei auf einem Laptop in StarWhisper, erhalten Sie das Transkript lokal, kein Upload. Dasselbe gilt für aufgezeichnete Vergleichsverhandlungen, Vorbereitungsgespräche mit Sachverständigen und alle anderen Audiodaten, die unter die Vertraulichkeitspflichten der Kanzlei fallen. Siehe Sprache-zu-Text für Anwälte für den gesamten juristischen Workflow.
Ein Kliniker zeichnet eine Patientenberatung für Notizzwecke auf (mit Zustimmung). Das Audio enthält geschützte Gesundheitsinformationen (PHI). HIPAA erlaubt die Verarbeitung von PHI auf der eigenen Ausrüstung des Klinikers, schränkt jedoch generell das Hochladen auf Cloud-Dienste von Drittanbietern ohne explizite BAA-Vereinbarungen ein. Lokale Whisper-Transkription auf der Windows-Workstation des Klinikers hält das Audio unter HIPAA-gerechter Kontrolle. Siehe HIPAA-Compliance-FAQ für weitere Details und Sprache-zu-Text für Therapeuten für den mentalen Gesundheitskontext.
Ein investigativer Reporter nimmt ein Quelleninterview auf. Die Quelle hat unter der Bedingung zugestimmt zu sprechen, dass die Aufnahme mit niemandem geteilt wird, auch nicht mit einem Transkriptionsanbieter. Das Hochladen der Datei zu Otter, Rev oder einem Cloud-Dienst würde sie technisch mit der Infrastruktur des Anbieters teilen. Lokale Transkription hält das Versprechen. Siehe Sprache-zu-Text für Journalisten für den reporterspezifischen Workflow.
Feldforscher, Konferenzbesucher und reisende Fachleute haben routinemäßig Audio zu transkribieren, aber kein zuverlässiges Internet. Hotel-WLAN fällt aus. Konferenznetzwerke drosseln große Uploads. Zugfahrten durch Funklöcher. Der Cloud-Tool-Workflow stagniert; der lokale Workflow nicht. Datei ablegen, Transkript erhalten, weitermachen. Siehe Offline-Sprachdiktat Windows FAQ für verwandte Diktierszenarien.
Eine kurze Erklärung, warum dies überhaupt möglich ist, da Cloud-Transkription vor einigen Jahren die einzige Option war.
OpenAI hat das Whisper-Modell 2022 als Open Source unter der MIT-Lizenz veröffentlicht. Whisper ist ein einzelnes neuronales Netz, das auf etwa 680.000 Stunden mehrsprachigem Audio trainiert wurde. Die größte Version hat rund 1,5 Milliarden Parameter und läuft in wenigen Gigabyte RAM. Kleinere Versionen umfassen einige hundert Megabyte und laufen in Echtzeit oder schneller auf einer typischen Laptop-CPU. Das bedeutet, dass dasselbe Modell, das die meisten modernen Cloud-Transkriptionsdienste antreibt, lokal auf Consumer-Hardware laufen kann.
StarWhisper bündelt das Whisper-Modell mit einer Audio-Dekodierungspipeline, einer Benutzeroberfläche und dem Windows-spezifischen Kleber, der es Ihnen ermöglicht, Dateien hineinzuziehen. Nach der Installation liegt die gesamte Pipeline auf Ihrer Festplatte: Modellgewichte, Codec-Bibliotheken, Parsing-Code, Ausgabeformatierung. Keine dieser Komponenten benötigt zur Laufzeit Netzwerkzugriff. Das Transkript wird auf Ihrer CPU oder GPU berechnet und in eine lokale Datei geschrieben. Für eine tiefergehende architektonische Erklärung siehe Datenschutz und Offline-Architektur.
Der Kompromiss im Vergleich zu Cloud-Diensten ist die Hardware. Cloud-Transkription läuft auf welch immer leistungsstarken Server der Anbieter bereitstellen möchte. Lokale Transkription läuft auf Ihrem Laptop, der langsamer ist als ein dedizierter GPU-Server. In der Praxis ist der Geschwindigkeitsunterschied weniger wichtig, als man erwarten könnte: Eine typische moderne Laptop-CPU transkribiert Audio mit etwa dem 10-fachen der Echtzeit, was bedeutet, dass eine einstündige Datei 6 bis 12 Minuten dauert. Eine NVIDIA-GPU mit CUDA reduziert das auf 1 bis 2 Minuten. Für die meisten nicht-in-Echtzeit-Workflows (Transkribieren einer bestehenden Audiodatei, kein Live-Captioning) ist die lokale Geschwindigkeit mehr als ausreichend.
Die kostenlose Version von StarWhisper bietet 500 Wörter pro Tag und 3.500 Wörter pro Woche an transkribierter Ausgabe. Die kostenlose Version funktioniert offline exakt so wie die Pro-Version; es gibt keine reinen Online-Funktionen, die hinter einer Paywall gesperrt sind. Der einzige Unterschied ist das tägliche Wortlimit.
Für die typische gelegentliche Nutzung (eine kurze aufgezeichnete Besprechung, eine persönliche Sprachnotiz, ein einzelner Podcast-Ausschnitt) reichen 500 Wörter pro Tag aus. Eine 5-minütige Sprachnotiz hat ungefähr 700 Wörter; ein einzelner typischer Absatz diktierten Textes passt problemlos unter das Limit. Für professionelle Nutzung mit hohem Volumen (vollständige Zeugenbefragungen, mehrstündige Sitzungstranskripte, tägliche journalistische Arbeit) hebt der Pro-Plan das Limit für 10 Dollar pro Monat oder 80 Dollar pro Jahr auf. Pro-Plan-Details. Eine 7-tägige kostenlose Testversion von Pro ist verfügbar, wenn Sie den Workflow bei einer langen Datei verifizieren möchten.
Die kostenlose Version ist wirklich kostenlos, ohne Kreditkarte, ohne Anmelde-Wall und ohne Testzeitraum, der sich in eine kostenpflichtige Version verwandelt. Es ist keine Teaser-Version der kostenpflichtigen App; es ist dieselbe App mit einem Wortlimit. Die kommerzielle Nutzung ist in beiden Versionen erlaubt. Für einen tiefen Einblick in den Ansatz ohne Abonnement siehe das Preismodell ohne Abonnement.
Wenn der Offline-Aspekt Sie hierher geführt hat, erweitern mehrere verwandte Leitfäden angrenzende Themen. Für die spezifische Frage, wie sich lokale Whisper-Transkription im Vergleich zu Cloud-Whisper verhält, siehe Whisper lokal vs. Cloud. Für die breitere Kategorie von Datenschutzbedenken bei der Transkription siehe Datenschutzbedenken bei der Transkription. Für formatspezifische Offline-Workflows siehe MP3 in Text umwandeln, M4A in Text umwandeln und WAV in Text umwandeln, die alle die oben beschriebene, rein lokale Pipeline nutzen. Für Offline-Echtzeitdiktat (nicht das Transkribieren bestehender Dateien) siehe das Offline-Sprachdiktat Windows FAQ.
Der vollständige Offline-Workflow für das gängigste Audioformat.
TiefenEinblick, wie lokale Verarbeitung funktioniert und warum sie wichtig ist.
Das Problem, das Cloud-Transkription erzeugt, und wie man es vermeidet.
Echtzeit-Diktat offline, nicht nur Datei-Transkription.