Modellgröße wählen
Tiny, Base, Small, Medium oder Large: Genauigkeit, Tempo und Speicherbedarf sinnvoll gegeneinander abwägen.
Hier vergleichst du Whisper-Modellgrößen und wählst zwischen Geschwindigkeit, Genauigkeit und Speicherbedarf. Whisper gibt es nicht in einer einzigen Größe. Es gibt fünf Modellvarianten, die sich in Genauigkeit, Geschwindigkeit und Speicherbedarf unterscheiden. Die Wahl des richtigen Modells macht einen deutlichen Unterschied. Zu groß ist zu langsam. Zu klein macht Fehler. In der Mitte steckt der Alltag.
Die fünf Modelle im Überblick
| Modell | Größe | RAM | Geschwindigkeit | Qualität Deutsch |
|---|---|---|---|---|
| tiny | 39 MB | ~1 GB | sehr schnell | ausreichend |
| base | 74 MB | ~1 GB | schnell | gut |
| small | 244 MB | ~2 GB | gut | sehr gut |
| large-v3-turbo Moderner Tipp | 1,6 GB | ~2 GB | sehr schnell | ausgezeichnet |
| medium | 769 MB | ~5 GB | langsamer | ausgezeichnet |
| large | 1,5 GB | ~10 GB | langsam | bestmöglich |
Es gibt auch spezielle Varianten: large-v2 und large-v3 sind verbesserte Versionen des Large-Modells. Der eigentliche Durchbruch für den Alltag ist jedoch large-v3-turbo: Es reduziert die Decoder-Schichten drastisch und liefert die Erkennungsqualität von Large bei der Geschwindigkeit des kleinen Small-Modells.
Warum ich heute auf Turbo setze
Lange Zeit war Small mein klarer Favorit: Tiny macht bei Deutsch zu viele Fehler bei Umlauten und zusammengesetzten Wörtern. Base ist besser, aber bei Fachbegriffen noch unsicher. Small bot jahrelang den perfekten Kompromiss aus Tempo und Genauigkeit.
Mit dem Erscheinen von large-v3-turbo hat sich das Blatt gewendet: Wer mindestens 8 bis 16 GB RAM (oder eine moderne Grafikkarte) besitzt, bekommt mit Turbo die Präzision des großen Modells ohne quälende Wartezeiten. Für einfache oder ältere Rechner bleibt Small weiterhin die solide Einstiegs-Empfehlung.
Moderner Rechner oder GPU vorhanden: large-v3-turbo ist heute die beste Wahl für maximale Genauigkeit bei top Tempo. Standard-Rechner mit 8 GB RAM: small bleibt ein solider Klassiker. Älterer Rechner mit 4 GB RAM: base ist der Einstieg. Auf tiny würde ich nur ausweichen wenn es wirklich nicht anders geht.
Modell beim Aufruf festlegen
Das Modell gibst du beim Befehl direkt an:
Tausche small durch medium oder base wenn du ein anderes ausprobieren möchtest. Das Modell wird beim ersten Aufruf heruntergeladen und dann lokal gecacht. Du musst also nicht jedes Mal neu laden.
Wenn du mehrere Modelle lokal hast und wechselst, merkt man den Qualitätsunterschied sofort. Der direkteste Weg eins zu wählen: einfach dieselbe Aufnahme mit zwei Modellen transkribieren und das Ergebnis vergleichen.
Häufige Fragen
Welches Whisper-Modell ist der beste Start?
Small ist oft ein guter Kompromiss aus Qualität und Geschwindigkeit. Tiny oder Base sind schneller, aber ungenauer.
Warum ist Large nicht immer besser?
Large braucht mehr Speicher und Zeit. Für kurze Diktate kann ein kleineres Modell praktischer sein.
Kann ich das Modell später wechseln?
Ja. Du kannst pro Aufruf ein anderes Modell nutzen und so Qualität und Geschwindigkeit vergleichen.