Transkribieren und vorlesen mit lokaler KI
Spracherkennung schreibt Aufnahmen von Besprechungen, Interviews oder Diktaten auf dem eigenen Rechner in Text um, Sprachausgabe liest Texte mit einer Stimme vor. Beides läuft nicht in Ollama, sondern mit eigenen Programmen wie whisper.cpp und Piper, und die Aufnahme bleibt dabei auf Ihrem Rechner. Wir rechnen den Speicher, den ein Modell beim Laufen braucht, und nennen, auf wie vielen geführten Geräten das reicht.
Aufnahmen in Text umschreiben
Speicher beim Laufen in der genannten Stufe: die Datei plus der Zuschlag, den wir selbst gemessen haben.
| Modell | Datei | Speicher beim Laufen | Sprachen | Lizenz | Passt auf |
|---|---|---|---|---|---|
| Parakeet TDT 0.6B v3 NVIDIA | 0,7 GB (q8_0) | 8,3 GB | 25 Sprachen | CC BY 4.0 | 572 von 740 Geräten |
| Whisper large-v3-turbo OpenAI | 0,6 GB (q5_0) | 1,0 GB | 100 Sprachen | MIT | 740 von 740 Geräten |
| Whisper large-v3 OpenAI | 1,1 GB (q5_0) | 2,2 GB | 100 Sprachen | MIT | 732 von 740 Geräten |
| Whisper medium OpenAI | 0,5 GB (q5_0) | 1,3 GB | 99 Sprachen | MIT | 740 von 740 Geräten |
| Whisper small OpenAI | 0,2 GB (q5_1) | 0,6 GB | 99 Sprachen | MIT | 740 von 740 Geräten |
Texte vorlesen lassen
Speicher beim Laufen in der genannten Stufe, gemessen wie bei der Spracherkennung. Die Stimmen nennt die Modellseite einzeln.
| Modell | Datei | Speicher beim Laufen | Stimmen | Lizenz | Passt auf |
|---|---|---|---|---|---|
| Qwen3-TTS 1.7B (Base) Qwen | 1,0 GB (Q4_K_M) | 8,4 GB | eigene Stimme | Apache 2.0 | 572 von 740 Geräten |
| Piper Thorsten (medium) Open Home Foundation | 0,1 GB (onnx) | 0,3 GB | eine Stimme, männlich | MIT | 740 von 740 Geräten |
| Piper Kerstin (low) Open Home Foundation | 0,1 GB (onnx) | 0,2 GB | eine Stimme, weiblich | MIT | 740 von 740 Geräten |
Vom Mitschnitt zum Protokoll
Ein Spracherkennungsmodell schreibt auf, was gesagt wurde, fasst aber nicht zusammen. Für ein Protokoll geben Sie das Transkript danach einem Sprachmodell. Welche Sprachmodelle lange Texte auf Ihrem Gerät verarbeiten, steht unter Dokumente auswerten
So starten Sie ein Audiomodell
Jede Modellseite nennt die Befehle zum Installieren, Laden und Starten, mit der Stufe, die zur Tabelle passt. Reicht der Grafikspeicher nicht, laufen die meisten Modelle auch auf dem Prozessor; die Geräteseite sagt, welche.
Wie Sie Whisper einrichten, welches Modell für deutsche Aufnahmen passt und wo die Grenzen liegen, steht im Ratgeber: Whisper lokal: Interviews und Besprechungen transkribieren
Wie schnell es arbeitet, rechnen wir nicht. Bei Audio zählt, wie viele Minuten Aufnahme in einer Minute fertig werden, und dafür haben wir noch keine eigene Messung.