Zurück zum Blog

Whisper GUI: 7 Desktop-Apps für Windows und Mac (2026)

Eine Whisper GUI führt OpenAIs Whisper ohne Terminal aus. Sieben Desktop-Apps für Windows und Mac verglichen: Einrichtung, GPU-Nutzung, Bearbeitung und Export.

12. November 2026
Sablate Team

Eine Whisper GUI ist eine Desktop-App, die OpenAIs offenes Whisper-Sprachmodell hinter Schaltflächen statt in einem Terminal ausführt: Du ziehst eine Audio- oder Videodatei hinein, wählst ein Modell und bekommst ein Transkript oder eine Untertiteldatei zurück. Die guten installieren sich ohne Python, laden das Modell für dich herunter und nutzen deine Grafikkarte.

Die Kurzversion: Buzz ist der kostenlose Standard unter Windows, Mac und Linux, MacWhisper ist auf dem Mac die ausgereifteste, Subtitle Edit ist die kostenlose Wahl, wenn das Ergebnis eine Untertiteldatei ist, die du bearbeiten willst, und Sablate, das wir selbst herstellen, ist für Untertitel, die gestylt, eingebrannt oder übersetzt werden müssen. Die anderen sechs haben wir nicht selbst benchmarkt; ihre Angaben stammen aus den eigenen READMEs, der Dokumentation und den Preisseiten, geprüft am 12. November 2026.

Du willst …Unter WindowsAuf dem Mac
Ein kostenloses Transkript ohne EinrichtungBuzz oder VibeVibe, Buzz oder die kostenlose Version von MacWhisper
Wer in einem Interview was gesagt hatnoScribe, Buzz oder VibenoScribe, Buzz oder Vibe
Eine Untertiteldatei, die du von Hand bearbeitestSubtitle EditSubtitle Edit
Gestylte, eingebrannte oder mehrsprachige UntertitelSablateSablate
Eine lokale Web-App, die du skripten kannstWhisper-WebUIWhisper-WebUI

Was eine gute Whisper GUI ausmacht

Jede App auf dieser Liste führt dieselben öffentlichen Whisper-Modelle aus. Unterschiede entstehen durch alles rund um das Modell:

  1. Sie installiert sich wie eine App, nicht wie ein Python-Projekt. Ein signierter Installer und ein Modell, das beim ersten Gebrauch heruntergeladen wird, sind der ganze Sinn einer GUI. Zwei der kostenlosen Tools hier liefern unsignierte Windows-Installer aus, rechne also mit einer SmartScreen-Warnung.
  2. Die Engine unter den Schaltflächen. Die meisten GUIs bauen auf eine von drei Engines auf: OpenAIs Referenzcode, faster-whisper oder whisper.cpp. Sie transkribieren dasselbe Modell mit sehr unterschiedlichem Tempo, wie der nächste Abschnitt zeigt.
  3. GPU-Unterstützung für deine Hardware. Unter Windows heißt das meist eine NVIDIA-Karte über CUDA, wobei Vulkan in whisper.cpp-Builds AMD- und Intel-Grafik abdeckt. Auf dem Mac nutzen nur manche Engines überhaupt die GPU.
  4. Modellauswahl und Downloads. Du willst die ganze Bandbreite von tiny bis large-v3 und large-v3-turbo, einmal heruntergeladen und wiederverwendet. Der Modellvergleich liefert Größen und Geschwindigkeiten.
  5. Was nach dem Transkript passiert. Editor, Sprecherzuordnung, Übersetzung, Zeilenumbrüche in Untertiteln und Einbrennen sind die Punkte, an denen sich die Apps am stärksten unterscheiden.
  6. Ob es noch jemand pflegt. Whisper-Engines ändern sich schnell. Eine GUI ohne Release seit einem Jahr fällt bei Modellen und GPU-Unterstützung zurück.

Ist eine Whisper GUI so genau wie die Kommandozeile?

Ja, wenn dasselbe Modell läuft, denn die Gewichte sind dieselbe Datei. Die Engine verändert Tempo und Speicherbedarf, nicht das Wissen des Modells.

Der Geschwindigkeitsunterschied ist groß. Das README von faster-whisper veröffentlicht einen Benchmark mit 13 Minuten Audio. Mit large-v2 auf einer NVIDIA RTX 3070 Ti brauchte OpenAIs Referenzimplementierung 2 min 23 s, whisper.cpp 1 min 05 s und faster-whisper 1 min 03 s, mit 8-Bit-Quantisierung 59 s. Mit dem Modell small auf einem Intel Core i7-12700K mit acht Threads brauchte dieselbe Datei 6 min 58 s im Referenzcode, 2 min 05 s in whisper.cpp und 1 min 42 s in faster-whisper mit 8-Bit-Quantisierung. faster-whisper beschreibt sich selbst als bis zu viermal schneller als openai/whisper bei gleicher Genauigkeit und geringerem Speicherbedarf.

Was das Transkript tatsächlich verändert, ist die Konfiguration. Ein Sprachaktivitätsfilter (VAD) überspringt Stille, bevor Whisper sie sieht, und entfernt damit die Stellen, an denen Whisper am häufigsten Text erfindet; der Guide zu Whisper-Halluzinationen behandelt den Rest. Wichtiger als jede Einstellung ist das Modell: Laut OpenAI transkribiert large-v3-turbo etwa so gut wie large-v2, wurde aber nicht für Übersetzung trainiert, sodass die Aufgabe „Ins Englische übersetzen“ mit Turbo die Originalsprache zurückgibt. Eine GUI, die diese Entscheidungen versteckt, ist einfacher zu bedienen; eine, die sie zeigt, lässt dich einen schlechten Durchlauf reparieren.

Die 7 besten Whisper GUIs 2026

1. Sablate — eine Whisper GUI, die bei fertigen Untertiteln endet

Sablate ist eine Desktop-App für Windows und Mac, die Whisper lokal in vier Stufen ausführt (faster-whisper, auf Apple Silicon whisper.cpp): Fast (tiny), Balanced (small), Accurate (large-v3-turbo) und Best (large-v3), für 100 Ausgangssprachen mit automatischer Erkennung. Jedes Modell wird einmal heruntergeladen, von etwa 78 MB bei Fast bis etwa 3,09 GB bei Best. Der Sprachaktivitätsfilter ist immer aktiv, und das Transkript wird in Untertitelzeilen aus höchstens zwei Zeilen zu je 42 Zeichen und sechs Sekunden Länge geschnitten, mit einer neuen Untertitelzeile bei jeder Pause von mehr als einer halben Sekunde.

Der Unterschied zu jeder anderen GUI hier ist das, was danach kommt. Jede zusätzliche Sprache ist eine Ebene auf derselben Transkription, offline mit Argos übersetzt oder über DeepL, OpenAI oder Claude mit deinem eigenen Schlüssel. Jede Ebene behält ihren eigenen Stil und ihre eigene Schriftart für das jeweilige Schriftsystem. Der Editor bietet Retiming auf der Timeline, Teilen und Zusammenführen sowie Suchen und Ersetzen, und die 13 Untertitel-Presets reichen von Classic bis zu Wort-für-Wort-Karaoke. Ein libass-Einbrennen schreibt das Video in 16:9, 9:16 oder 1:1. Exportiert wird als .srt, .vtt und .txt, mit Pro zusätzlich als .ass und als eine .mkv mit einer Spur pro Sprache.

Unter Windows transkribiert eine NVIDIA-GPU etwa fünf- bis zehnmal schneller als die CPU, und die CUDA-Runtime wird beim ersten Bedarf heruntergeladen. Auf einem Apple-Silicon-Mac wechselt Sablate zu whisper.cpp und transkribiert über Metal auf der GPU; Intel-Macs nutzen die CPU. Es hat keine Sprecherzuordnung und keine Live-Transkription vom Mikrofon.

$29 einmalig oder $5,99 im Monat. Der kostenlose Plan braucht kein Konto und deckt Videos bis zehn Minuten, drei Aufträge im Monat, die Modelle Fast und Balanced sowie eine Offline-Übersetzungsebene ab; sein Einbrennen trägt eine kleine Marke in der Ecke. Mehrere Sprachen aus einem Video ist die Aufgabe, für die es gebaut wurde.

2. Buzz — der kostenlose Open-Source-Standard

Buzz ist kostenlos und quelloffen unter der MIT-Lizenz, für Windows, Mac und Linux. Es ist auf dieser Liste der Host für die meisten Engines: OpenAIs Whisper, whisper.cpp mit Vulkan-Beschleunigung, faster-whisper, Whisper-kompatible Hugging-Face-Modelle, NVIDIAs Parakeet und die OpenAI-API. Es nutzt eine NVIDIA-GPU über CUDA und die meisten anderen GPUs über Vulkan.

Es kann auch Dinge, die Sablate nicht kann: Live-Transkription vom Mikrofon und Sprechererkennung in einer Aufnahme. Exportiert wird als .txt, .srt, .vtt und .csv. Übersetzt wird entweder mit Whispers eigener Aufgabe „Ins Englische übersetzen“ oder in jede andere Sprache über ein OpenAI-kompatibles Modell, das du anbindest, auch ein lokales über Ollama.

Zwei Einschränkungen aus dem eigenen README. Der Windows-Installer ist nicht signiert, Windows warnt dich also vor dem Start. Und die aktuelle Version, 1.4.5 vom August 2026, ist die letzte für Intel-Macs; spätere Versionen setzen Apple Silicon voraus.

Kostenlos. Fang hier an, wenn du nur Text oder eine .srt brauchst.

3. MacWhisper — die ausgereifteste Whisper-App auf dem Mac

MacWhisper ist eine native Mac-App auf Basis von whisper.cpp, die Whisper über Metal auf der GPU des Macs ausführt, was keine App kann, die nur auf faster-whisper basiert. Auf Macs der M-Serie kommen WhisperKit-Modelle hinzu, es nimmt Online-Meetings auf, und Pro ergänzt NVIDIAs Parakeet-Modelle, Sprechererkennung und Live-Untertitel. Es exportiert .srt und .vtt sowie .docx, .pdf, .csv, Markdown und HTML und übersetzt über Whisper oder über DeepL mit deinem eigenen Schlüssel.

Es ist zuerst eine Transkriptions-App. Styling und das Einbrennen von Untertiteln ins Bild überlässt es deinem Videoeditor, und eine Windows-Version gibt es nicht; die Windows-Alternativen zu MacWhisper schließen diese Lücke. Die Fassung im Mac App Store ist eine eigene App, Whisper Transcription, die im Abo verkauft wird.

Kostenlos, oder 64 € einmalig für Pro. Nur für Mac, für die aktuelle Version ab macOS 14. Für lange Aufnahmen auf Apple Silicon ist es die Wahl, wenn es auf Tempo ankommt.

4. Subtitle Edit — Whisper in einem vollwertigen Untertitel-Editor

Subtitle Edit ist kostenlos und quelloffen unter der MIT-Lizenz, mit Builds für Windows, Mac und Linux; das Mac-.dmg ist seit 5.2.0 signiert und notarisiert, und 5.4.0 erschien am 6. November 2026. Whisper steckt unter Video → Speech to text, das laut Dokumentation 12 Engines anbietet, darunter whisper.cpp, Purfviews Faster-Whisper-XXL, Whisper CTranslate2, WhisperX und optionale Cloud-Dienste. Unter Windows kann die whisper.cpp-Engine CUDA oder Vulkan nutzen.

Nach der Transkription ist es das tiefgehendste Untertitel-Werkzeug hier: eine Wellenform fürs Timing, über 380 Untertitelformate und Einbrennen über FFmpeg unter Video → Generate video with burned-in subtitles. Der Preis dieser Tiefe sind Entscheidungen: Engine, Modell und GPU-Backend wählst du selbst. Der Whisper-Guide zu Subtitle Edit führt durch diese Entscheidungen.

Kostenlos.

5. Vibe — kostenlos, und dieselbe App auf jedem Desktop-System

Vibe ist kostenlos und quelloffen unter der MIT-Lizenz, für Windows, Mac und Linux, und baut auf whisper.cpp auf. Das README nennt GPU-Beschleunigung auf NVIDIA-, AMD- und Intel-Grafik über Vulkan und Core ML, Stapelverarbeitung, Sprecher-Diarization und einen Modus für Zeitstempel in Untertitelqualität. Es exportiert .srt, .vtt, .txt, .html, .pdf, .json und .docx, und 3.3.0 erschien am 29. Oktober 2026.

Übersetzt wird nur ins Englische, und laut README gibt es weder Untertitel-Styling noch Einbrennen. Für einen Ordner voller Aufnahmen, die du als Text oder .srt willst, ist es die schnellste kostenlose Einrichtung auf dieser Liste.

Kostenlos.

6. noScribe — für Interviews mit mehreren Sprechern

noScribe ist kostenlos und quelloffen unter GPL-3.0, für Windows, Mac und Linux, und für die Transkription von Interviews gebaut. Es kombiniert faster-whisper mit der Sprecher-Diarization von pyannote, sodass das Transkript markiert, wer spricht, und öffnet das Ergebnis in einem eigenen Editor, noScribeEdit, in dem du den Text mit dem Audio abgleichst.

Die Grenzen nennt die eigene Dokumentation. Es erkennt rund 60 Sprachen, exportiert .html, .txt und .vtt, aber kein .srt, braucht auf Apple Silicon macOS 14, und der letzte Build für Intel-Macs ist 0.6. Der Windows-CUDA-Build braucht eine NVIDIA-Karte der RTX-20-Serie oder neuer mit mindestens 6 GB VRAM. Version 0.8 erschien am 6. Oktober 2026.

Kostenlos. Die richtige Wahl, wenn „wer hat was gesagt“ wichtiger ist als Untertitel.

7. Whisper-WebUI — eine Browser-Oberfläche für Leute, denen Python nichts ausmacht

Whisper-WebUI ist eine Gradio-App, die nach der Installation mit Python 3.10 bis 3.12 und FFmpeg, über Docker oder über den Pinokio-Launcher in deinem Browser unter localhost läuft. Standardmäßig nutzt sie faster-whisper, mit OpenAIs Whisper und insanely-fast-whisper als Alternativen, und ergänzt Silero-Sprachaktivitätserkennung, Trennung von Hintergrundmusik, pyannote-Sprecher-Diarization und Untertitelübersetzung mit NLLB-Modellen oder der DeepL-API. Die Ausgabe ist .srt, .vtt oder reiner Text.

Es ist die am besten konfigurierbare kostenlose Option und die am wenigsten app-artige: Die Standardinstallation setzt eine NVIDIA-GPU mit CUDA 12.8 voraus, die Diarization braucht ein Hugging-Face-Token, und das letzte getaggte Release, 1.0.8, stammt vom Oktober 2025. Ähnlich sieht es bei faster-whisper-GUI aus, einer Windows-App, die noch in Suchergebnissen auftaucht, aber seit Dezember 2024 kein Release mehr hatte.

Kostenlos. Für Leute, die lieber eine Pipeline skripten, als sich durch eine zu klicken.

Whisper GUIs im Vergleich

FunktionSablateBuzzMacWhisperSubtitle EditVibenoScribeWhisper-WebUI
PlattformWindows und MacWindows, Mac und LinuxMacWindows, Mac und LinuxWindows, Mac und LinuxWindows, Mac und LinuxÜberall, wo Python oder Docker läuft
Preis$29 einmalig oder $5,99 im Monat, kostenloser PlanKostenlosKostenlos, 64 € einmalig für ProKostenlosKostenlosKostenlosKostenlos
Enginefaster-whisper; whisper.cpp auf Apple SiliconWhisper, whisper.cpp, faster-whisper und mehrwhisper.cpp, WhisperKit, Parakeet12 Engines, lokal und Cloudwhisper.cppfaster-whisperStandardmäßig faster-whisper
Installation ohne PythonJaJaJaJaJaJaNein
GPU unter WindowsNVIDIA (CUDA)NVIDIA (CUDA), andere über VulkanKeine Windows-VersionNVIDIA (CUDA), andere über VulkanNVIDIA, AMD, Intel (Vulkan)NVIDIA ab RTX-20-Serie (CUDA)NVIDIA (CUDA)
GPU auf dem MacJa (Metal, Apple Silicon)Nicht dokumentiertJa (Metal)Hängt von der Engine abJa (Core ML)Nicht dokumentiertNicht dokumentiert
SprecherzuordnungNeinJaPro, auf Macs der M-SerieNicht dokumentiertJaJaJa
ÜbersetzungOffline-Ebenen, oder DeepL, OpenAI, Claude mit eigenem SchlüsselIns Englische, oder in jede Sprache über ein OpenAI-kompatibles ModellÜber Whisper, oder DeepL mit eigenem SchlüsselMehrere EnginesNur ins EnglischeNeinIns Englische, dazu NLLB oder DeepL für Untertiteldateien
EinbrennenJaNeinNeinJa, über FFmpegNeinNeinNein
Untertitel- und Textformate.srt, .vtt, .txt, .ass, .mkv.srt, .vtt, .txt, .csv.srt, .vtt, .docx, .pdf und mehr380+.srt, .vtt, .txt, .docx und mehr.vtt, .html, .txt.srt, .vtt, .txt
Letztes Release (12. Nov. 2026)1.0.2, Oktober 20261.4.5, August 2026Auf der Website nicht angegeben5.4.0, November 20263.3.0, Oktober 20260.8, Oktober 20261.0.8, Oktober 2025

Lies zuerst die Zeilen, die gegen Sablate sprechen. Vier der sieben haben Linux-Builds, Sablate nicht. Fünf sind kostenlos. Fünf können Sprecher zuordnen, Sablate nicht. Wenn einer dieser Punkte für dich entscheidend ist, entscheidet er.

Whisper GUI unter Windows oder Mac: Welche nutzen deine GPU?

Unter Windows lautet die Frage, ob du eine NVIDIA-Karte hast. Mit einer kann jede App hier außer MacWhisper Whisper darauf ausführen, die meisten über CUDA, und das ist der Unterschied zwischen Minuten und fast einer Stunde für eine Stunde Audio. Ohne eine erreichen die Apps auf Basis von whisper.cpp AMD- und Intel-Grafik über Vulkan: Buzz, Vibe und die whisper.cpp-Engine von Subtitle Edit. Sablate lädt die CUDA-Runtime erst herunter, wenn es zum ersten Mal eine NVIDIA-GPU findet, damit der Installer für alle anderen kleiner bleibt.

Auf dem Mac entscheidet die Engine. Laut README von whisper.cpp läuft die Inferenz auf Apple Silicon vollständig auf der GPU über Metal, und der Core-ML-Encoder auf der Neural Engine ist mehr als dreimal so schnell wie die reine CPU-Ausführung. Das README von faster-whisper nennt NVIDIA-Bibliotheken als einzigen GPU-Weg, sodass Apps, die nur auf faster-whisper basieren, auf der CPU des Macs transkribieren; Sablate wechselt deshalb auf Apple Silicon zu whisper.cpp. Bei einem kurzen Clip spielt der Unterschied kaum eine Rolle; bei einer zweistündigen Aufnahme ist er der Grund, eine App auf Basis von whisper.cpp zu wählen.

Intel-Macs gehen die Optionen aus. Buzz 1.4.5 und noScribe 0.6 sind die letzten Intel-Builds dieser beiden Apps, während Sablate getrennte Builds für Apple Silicon und Intel liefert und macOS 12 Monterey oder neuer braucht. Wenn du nur Text aus Aufnahmen willst und kein Whisper-Frontend, vergleicht Transkriptionssoftware für Mac auch die Meeting- und Cloud-Apps.

Welche solltest du wählen?

„Ich brauche heute ein Transkript von einem Interview, kostenlos.“ Buzz oder Vibe. Beide sind in einer Minute installiert und exportieren Text oder .srt.

„Zwei oder drei Leute sprechen, und ich muss wissen, wer was gesagt hat.“ noScribe, genau dafür gebaut; auch Buzz und Vibe ordnen Sprecher zu.

„Lange Aufnahmen auf einem Apple-Silicon-Mac.“ MacWhisper, oder Vibe, wenn es kostenlos sein muss. Sablate nutzt dort ebenfalls die GPU, aber MacWhisper hat zusätzlich die Neural Engine und Parakeet-Modelle.

„Das Ergebnis ist eine Untertiteldatei, die ich von Hand korrigiere.“ Subtitle Edit. Nichts Kostenloses geht bei Timing und Formaten tiefer.

„Die Untertitel kommen aufs Video, in mehr als einer Sprache.“ Sablate: eine Transkription, eine gestylte Ebene pro Sprache und ein libass-Einbrennen im Seitenverhältnis, das du brauchst. Jede Whisper-Sprache und ihre Fehlerrate zeigt, welche Ausgangssprachen gut transkribiert werden.

„Ich will es skripten oder auf einem Server laufen lassen.“ Whisper-WebUI, oder Whisper selbst auf der Kommandozeile, was der Vergleich der Offline-Untertitel-Generatoren mit einem fertigen Befehl behandelt.

Fazit

Jede Whisper GUI führt dieselben Modelle aus, wähle also nach der Engine, die deine Hardware mag, und nach dem, was du nach dem Transkript brauchst. Für kostenlosen Text: Buzz oder Vibe. Für Sprecher: noScribe. Für einen Mac und lange Dateien: MacWhisper. Für Untertiteldateien, die du bearbeitest: Subtitle Edit. Wenn die Untertitel gestylt, eingebrannt oder in mehreren Sprachen geliefert werden müssen, lade Sablate für Windows oder Mac herunter und lass ein echtes Video durch den kostenlosen Plan laufen, oder sieh dir an, was Pro ergänzt.

Häufig gestellte Fragen

Was ist die beste Whisper GUI für Windows?

Buzz für kostenlose Transkripte, Subtitle Edit für kostenloses Bearbeiten von Untertiteln und Sablate, wenn aus dem Transkript gestylte, eingebrannte oder übersetzte Untertitel werden sollen. Alle drei installierst du wie normale Windows-Software, und alle können eine NVIDIA-Grafikkarte nutzen. Buzz, Vibe und die whisper.cpp-Engine von Subtitle Edit nutzen über Vulkan auch AMD- und Intel-Grafik.

Was ist die beste Whisper GUI für den Mac?

MacWhisper, weil es eine native Mac-App ist, die Whisper auf der GPU des Macs ausführt. Vibe und Buzz sind die kostenlosen Open-Source-Optionen. Sablate läuft auf Apple Silicon, wo es auf der GPU transkribiert, und auf Intel-Macs. Wähle es deshalb für das, was nach dem Transkript passiert, etwa gestylte, eingebrannte oder mehrsprachige Untertitel, und nicht wegen des reinen Tempos.

Kann ich Whisper ohne Python oder Kommandozeile nutzen?

Ja. Desktop-Whisper-GUIs wie Sablate, Buzz, MacWhisper, Vibe, noScribe und Subtitle Edit installierst du wie jede andere App, und sie laden das Whisper-Modell bei der ersten Nutzung herunter, du öffnest also nie ein Terminal. Die Ausnahme sind Browser-Oberflächen wie Whisper-WebUI: Sie laufen auf einer Python- oder Docker-Umgebung, die du selbst einrichtest.

Ist eine Whisper GUI so genau wie die Whisper-Kommandozeile?

Ja, wenn dasselbe Modell läuft. Die Gewichte sind in jeder App identisch, unterschiedlich ist nur die Engine drumherum. faster-whisper meldet dieselbe Genauigkeit wie der Referenzcode von OpenAI bei bis zu vierfacher Geschwindigkeit. Das gewählte Modell und Einstellungen wie der Sprachaktivitätsfilter verändern das Ergebnis weit stärker als die Oberfläche.

Welche Whisper GUI kann Untertitel erstellen?

Alle sieben exportieren eine Untertiteldatei: sechs schreiben SRT und VTT, noScribe schreibt VTT. Subtitle Edit und Sablate gehen weiter, mit Timing-Werkzeugen und dem Einbrennen der Untertitel ins Video. Sablate ergänzt aus einer einzigen Transkription außerdem für jede übersetzte Sprache eine eigens gestylte Ebene und exportiert sie als einzelne Dateien oder als eine MKV.

Funktionieren Whisper GUIs offline?

Ja, nach dem ersten Download. Jede App braucht einmal Internet, um das Whisper-Modell zu laden, und transkribiert dann auf deinem eigenen Rechner, ohne die Datei hochzuladen. Mehrere bieten zusätzlich optionale Cloud-Engines an, etwa die OpenAI-API in Buzz und Subtitle Edit, die das Audio tatsächlich versenden. Prüfe also die gewählte Engine, bevor du vertrauliche Aufnahmen verarbeitest.