Whisper unter Windows mit einer kostenlosen App nutzen
Geschrieben von Andreas, dem Entwickler von ClipCatalog. Fakten geprüft am 5. November 2026. Quellen
Whisper ist das offene Spracherkennungsmodell von OpenAI. Kostenlose Desktop-Apps wie Buzz und Vibe führen es auf einem gewöhnlichen Windows-PC aus, sodass Ihre Aufnahmen Ihren Computer nie verlassen müssen. Für eine ganze Videobibliothek transkribiert ClipCatalog die Videos in Ihren Ordnern und macht das Gesagte durchsuchbar.
Wie nutzt man Whisper unter Windows am einfachsten?
Installieren Sie eine kostenlose Desktop-App wie Buzz oder Vibe. Beide bieten einen Windows-Installer an, Sie brauchen also weder Python noch die Befehlszeile. Laden Sie in der App ein Whisper-Modell herunter; danach transkribiert sie auf Ihrem PC ohne Internet. Eine Grafikkarte macht das schneller, ist aber nicht nötig.
So fangen Sie an
- Laden Sie den Windows-Installer von Buzz oder Vibe auf der Seite des Herstellers herunter und installieren Sie die App.
- Laden Sie in der App ein Whisper-Modell herunter. Danach funktioniert die Transkription ohne Internet.
- Öffnen Sie Ihre Aufnahme, starten Sie die Transkription und exportieren Sie das Transkript als Text (TXT) oder Untertitel (SRT).
Kostenlose Tools für einige Dateien
Drei kostenlose Open-Source-Programme führen Whisper unter Windows aus. Es gibt weitere; diese drei gehörten zu den am häufigsten genannten, als wir KI-Assistenten fragten, welches Windows-Tool alle Ihre Videodateien offline transkribieren und das Gesagte durchsuchbar machen kann (Oktober 2026).
| Programm | Was es ist | Läuft unter | Lizenz und Preis | Export |
|---|---|---|---|---|
| Buzz | Desktop-App | Windows, macOS, Linux | Open Source (MIT), kostenlos | TXT, SRT, VTT |
| Vibe | Desktop-App | Windows, macOS, Linux | Open Source (MIT), kostenlos | SRT, VTT, TXT, HTML, PDF, JSON, DOCX |
| whisper.cpp | Befehlszeilenprogramm und Bibliothek | Windows, macOS, Linux und weitere | Open Source (MIT), kostenlos | TXT, SRT, VTT und weitere |
| ClipCatalog | Katalog-App für eine Videobibliothek | Windows 10 und 11 | Kostenpflichtig, einmalig US$99; kostenlose Testversion | TXT, SRT |
Buzz
Die eigene Seite von Buzz nennt die Transkription von Audio- und Videodateien, Live-Transkription vom Mikrofon, Sprechererkennung, einen überwachten Ordner, der neue Dateien transkribiert, und eine Transkriptansicht mit Suche.
Vibe
Die eigene Seite von Vibe nennt die Stapeltranskription mehrerer Dateien, Übersetzung ins Englische, Sprechererkennung, Transkription vom Mikrofon oder vom Systemton und GPU-Unterstützung für NVIDIA, AMD und Intel.
whisper.cpp
Eine C/C++-Umsetzung von Whisper, auf der andere Programme aufbauen; auch ClipCatalog nutzt sie. Man bedient sie über die Befehlszeile, und ihre Dokumentation zeigt, wie man Aufnahmen zuerst mit FFmpeg in WAV umwandelt.
Wann ein kostenloses Tool die bessere Wahl ist
- Sie transkribieren ab und zu eine Handvoll Aufnahmen.
- Ihre Aufnahmen sind Audiodateien, etwa Podcasts oder Sprachmemos. ClipCatalog transkribiert nur den Ton von Videodateien.
- Sie brauchen eine Übersetzung ins Englische, Sprecherkennzeichnung oder Transkription vom Mikrofon. Die Seiten von Buzz und Vibe nennen diese Funktionen; ClipCatalog hat keine davon.
- Sie nutzen einen Mac oder Linux. ClipCatalog läuft nur unter Windows.
Wenn Sie eine ganze Bibliothek transkribiert und durchsuchbar haben möchten
Bei Hunderten oder Tausenden Videos in vielen Ordnern und auf mehreren Laufwerken ist das Transkribieren der leichte Teil. Schwieriger ist der Überblick: Welche Dateien sind fertig, wo liegt jedes Transkript, und welcher Clip enthält den Satz, an den Sie sich erinnern? ClipCatalog übernimmt diese Verwaltung auf Ihrem PC.
Ordner einmal hinzufügen
Fügen Sie Ihre Ordner und Laufwerke hinzu, und ClipCatalog transkribiert den Ton jedes Videos darin. Später hinzugefügte Videos werden bei der nächsten Synchronisierung transkribiert. Für jeden Ordner können Sie die Transkription ausschalten.
Alles Gesagte durchsuchen
Geben Sie ein paar Wörter oder eine Phrase ein und sehen Sie jeden Clip, in dem sie gesagt wurden, im Transkript hervorgehoben. Fügen Sie weitere Wörter hinzu und legen Sie fest, ob alle vorkommen müssen oder eines genügt.
Mit dem Bild kombinieren
Grenzen Sie Treffer zu gesprochenen Worten nach Personen, KI-Schlagwörtern, einer Szenenbeschreibung, Datum, Kameras oder Ordnern ein.
Sprache pro Video erkannt
ClipCatalog erkennt die gesprochene Sprache jedes Videos und lässt Sie danach filtern. Ein Transkript, das wahrscheinlich nur Hintergrundgeräusch ist, wird nicht gespeichert.
Untertitel und Text
Exportieren Sie jedes Transkript als SRT-Untertitel oder als reinen Text, oder kopieren Sie es.
Ihre Grafikkarte, falls vorhanden
Die Transkription läuft auf einer Vulkan-fähigen Grafikkarte, sonst auf dem Prozessor. Ein eingebauter Test wählt das schnellere Gerät.
Häufig gestellte Fragen
Funktioniert Whisper ohne Internet?
Ja. Alle Programme auf dieser Seite führen Whisper auf Ihrem PC aus. Jedes braucht ein Whisper-Modell, das Sie zuerst herunterladen; danach braucht die Transkription kein Internet. ClipCatalog lädt seine KI-Modelle beim ersten Start herunter und prüft seine Lizenz von Zeit zu Zeit online.
Brauche ich eine Grafikkarte?
Nein. Whisper läuft auch auf dem Prozessor, nur langsamer. ClipCatalog nutzt eine Grafikkarte von NVIDIA, AMD oder Intel, wenn eine vorhanden ist, und sonst den Prozessor.
Welche Sprachen versteht Whisper?
Viele. Am besten funktioniert es bei deutlicher Sprache; starke Akzente, Hintergrundgeräusche oder mehrere Personen, die gleichzeitig sprechen, verringern die Genauigkeit. ClipCatalog erkennt die Sprache jedes Videos automatisch.
Wie lange dauert die Transkription?
Das hängt von Ihrem PC ab, vor allem von seiner Grafikkarte, vom Whisper-Modell und davon, wie viel Material Sie haben. ClipCatalog zeigt während der Arbeit für jeden Schritt die verbleibende Zeit an.
Kann ClipCatalog MP3- oder WAV-Dateien transkribieren?
Nein. ClipCatalog katalogisiert Videodateien und transkribiert ihren Ton. Für reine Audiodateien verwenden Sie ein kostenloses Tool wie Buzz oder Vibe.
Welche Whisper-Engine verwendet ClipCatalog?
whisper.cpp, die quelloffene C/C++-Umsetzung von Whisper, die zur App gehört.
Kann ich ClipCatalog kostenlos testen?
Ja. Die kostenlose Testversion läuft nie ab und umfasst bis zu 500 Videos oder 10 Stunden Filmmaterial. Eine Lizenz ist ein Einmalkauf für 99 USD.
Quellen
Die eigenen Seiten der Hersteller, aus denen die Fakten auf dieser Seite stammen
Kostenlose Tools ändern sich oft. Prüfen Sie vor der Wahl die aktuellen Funktionen auf der Seite des jeweiligen Herstellers.
Verwandte Leitfäden
Transkriptsuche
Durchsuchen Sie die gesprochenen Worte in all Ihren Videos, kombiniert mit Gesichtern, KI-Schlagwörtern und weiteren Filtern.
Videos nach gesprochenen Worten durchsuchen
Finden Sie den exakten Moment, in dem etwas gesagt wurde, in Ihrer gesamten Bibliothek. Offline-Transkription mit Whisper, keine Uploads, keine Minutenpreise.
Material auf Laufwerken und NAS organisieren
Interne SSDs, externe Laufwerke, NAS-Freigaben — eine Bibliothek katalogisiert alles. Clips lassen sich auch suchen, wenn ein Laufwerk nicht angeschlossen ist.
Eine Videobibliothek im Terabyte-Bereich durchsuchen
Jenseits weniger Terabyte hilft Scrollen nicht mehr. Kombinieren Sie Tag-, Transkript-, Gesichts- und Metadaten-Filter zu einer einzigen Abfrage und reduzieren Sie Tausende Clips auf Dutzende — über alle Laufwerke, ohne Minutenabrechnung.
Probieren Sie ClipCatalog kostenlos aus – bis zu 500 Videos
Kein Konto erforderlich. Ihre Aufnahmen bleiben auf Ihrem Computer.