Was ist Whisper (openai/whisper)?
openai/whisper ist die ursprüngliche Code-Veröffentlichung zu Whisper, OpenAIs Familie von Spracherkennungsmodellen: ein Python-Paket (openai-whisper auf PyPI) und ein Kommandozeilenwerkzeug whisper, das Sprache transkribiert, ins Englische übersetzt und die gesprochene Sprache erkennt. Es lädt und betreibt sechs Größen, von tiny (39M Parameter, etwa 1 GB VRAM) bis large (1.550M, etwa 10 GB) und turbo (809M, etwa 6 GB), dazu reine Englisch-Varianten der vier kleinsten.
Diese Besprechung behandelt die Software. Der standardmäßig genutzte turbo-Checkpoint wird separat als Whisper large-v3-turbo unter Modelle besprochen.
Der Code steht unter MIT-Lizenz, hat rund 112.700 GitHub-Sterne und kam im letzten Monat auf etwa 6,2 Millionen PyPI-Downloads. Das letzte PyPI-Release, v20250625, stammt vom Juni 2025; die Commits danach, der jüngste vom 31. August 2026, sind kleine Korrekturen und ein JSONL-Ausgabeformat, das pip-Nutzer noch nicht bekommen.
Lohnt sich Whisper (openai/whisper)?
openai/whisper bleibt die Referenz, an der jede andere Whisper-Runtime gemessen wird, und es ist die langsamste von allen. Im veröffentlichten Benchmark von faster-whisper brauchten 13 Minuten Audio mit large-v2 auf einer RTX 3070 Ti mit openai/whisper 2m23s, gegenüber 1m03s mit faster-whisper und 1m05s mit whisper.cpp; auf einer CPU mit dem Modell small waren es 6m58s gegenüber 2m05s mit whisper.cpp. Diese Läufe nutzten v20240930, und der Code hat sich seitdem kaum verändert.
Was es bietet, sind Vollständigkeit und Einfachheit. Ein pip install plus ffmpeg ergibt eine CLI, die Text, Untertitel, TSV und JSON schreibt, mit den mehrsprachigen Modellen ins Englische übersetzt, die Sprache erkennt und Zeitstempel pro Wort liefert. Das README warnt vor einer Falle, in die viele tappen: turbo, das Standardmodell, ist nicht für Übersetzung trainiert und gibt selbst mit --task translate die Originalsprache zurück, für Übersetzungen braucht es also medium oder large.
Die Pflege ist dünn. Seit Juli 2025 sind fünf Commits hinzugekommen, die nützlichsten eine Korrektur, damit die Beam-Suche nicht auf einen langsamen Attention-Kernel zurückfällt, und ein JSONL-Ausgabeformat, beide im Juli 2026; keiner davon ist auf PyPI angekommen. OpenAI hat seit turbo im Jahr 2024 keinen neuen Checkpoint veröffentlicht und stellt sein gehostetes API-Modell whisper-1 im Februar 2027 ein; das betrifft diesen offenen Code nicht, zeigt aber, wohin die Aufmerksamkeit des Unternehmens gewandert ist.
Das Paket hat seinen Platz als Referenz, für die Lehre und für kleine Aufgaben, bei denen ein paar Minuten mehr nichts kosten. Für einen Transkriptionsdienst, die Stapelverarbeitung eines Archivs oder eine Laptop-App laufen dieselben Gewichte anderswo schneller und mit weniger Speicher, und faster-whisper gibt dieselbe Genauigkeit an.
Wo es sich lohnt
Ein Entwickler in einer Redaktion mit ein paar Interviews pro Woche
Aufgezeichnete Interviews in durchsuchbaren Text und Untertitel verwandeln
whisper interview.mp3 --model turbo auf einem Desktop mit 6-GB-GPU ausführen und in einem Durchgang Text-, SRT- und JSON-Dateien erhalten. Es fällt keine Minutengebühr an, und bei dieser Menge spielt die geringere Geschwindigkeit keine Rolle; Zitate müssen trotzdem mit dem Audio abgeglichen werden.
Ein Machine-Learning-Ingenieur, der eine schnellere Whisper-Runtime prüft
Bestätigen, dass eine Produktions-Engine dieselben Transkripte liefert wie das Original
Einen festen Testsatz mit openai/whisper und der Kandidaten-Runtime bei gleicher Modellgröße und gleichen Beam-Einstellungen transkribieren und die Wortfehlerraten vergleichen. Der Referenzcode ist klein und gut lesbar, sodass sich Abweichungen leicht zurückverfolgen lassen.
Ein Universitätslabor, das japanische und spanische Feldaufnahmen transkribiert
Englische Übersetzungen neben den Transkripten in der Originalsprache erhalten
Das Modell medium oder large mit --task translate nutzen, da turbo die Übersetzung ignoriert. Für large sind etwa 10 GB VRAM und ein langsamerer Lauf einzuplanen; die Genauigkeit schwankt stark nach Sprache, wie OpenAIs eigene Grafik pro Sprache zeigt.
Bevor du dich festlegst
- Einrichtung
- pip install -U openai-whisper plus ffmpeg aus dem Paketmanager; Rust kann nötig sein, wenn tiktoken für deine Plattform kein vorgefertigtes Wheel hat. Modelle werden beim ersten Aufruf geladen, und ein erstes Transkript dauert Minuten.
- Integrationen
- Die whisper-CLI und eine Python-API (load_model, transcribe, detect_language); Ausgabe als txt, vtt, srt, tsv und json, auf dem main-Branch auch jsonl. Läuft auf PyTorch mit CUDA oder CPU.
- Daten und Datenschutz
- Läuft lokal; das Audio verlässt den Rechner nach dem Download der Gewichte nie. Die MIT-Lizenz gilt für Code und Gewichte.
- Kosten im großen Maßstab
- Kostenlos; die Kosten sind GPU-Zeit, die es weniger effizient nutzt als faster-whisper: 2m23s gegenüber 1m03s für dieselbe 13-minütige Datei im Benchmark von faster-whisper.
- Grenzen
- Kein PyPI-Release seit Juni 2025; turbo kann nicht übersetzen; die langsamste der gängigen Runtimes; die Genauigkeit schwankt stark nach Sprache.
Was gut ist
- Ein einziges pip install liefert eine vollständige CLI und eine Python-API
- Alle sechs Modellgrößen, Übersetzung und Spracherkennung
- MIT-Lizenz; rund 6,2 Millionen PyPI-Downloads im Monat
- Die Referenz, an der andere Whisper-Runtimes geprüft werden
Was nicht
- In veröffentlichten Benchmarks auf der GPU mehr als doppelt so langsam wie faster-whisper
- Kein PyPI-Release seit Juni 2025
- Das Standardmodell turbo kann nicht übersetzen
- Braucht zur Installation ffmpeg und manchmal Rust
Am besten für
Entwickler und Forschende, die die Referenzimplementierung von Whisper für kleine Aufgaben, die Lehre oder zum Prüfen der Ausgabe einer anderen Runtime wollen.
Alternativen zu Whisper (openai/whisper)
Whisper (openai/whisper): häufige Fragen
- Lohnt sich Whisper (openai/whisper)?
- Das Whisper-Paket ist noch immer der kürzeste Weg von einer Audiodatei zum Transkript, doch bei echten Mengen erledigen faster-whisper oder whisper.cpp dieselbe Arbeit in einem Bruchteil der Zeit. Wir bewerten es mit 3.6 von 5.
- Was kostet Whisper (openai/whisper)?
- Kostenlos und Open Source unter der MIT-Lizenz, Code und Gewichte gleichermaßen. Keine kostenpflichtige Edition.
- Welche Nachteile hat Whisper (openai/whisper)?
- In veröffentlichten Benchmarks auf der GPU mehr als doppelt so langsam wie faster-whisper; Kein PyPI-Release seit Juni 2025; Das Standardmodell turbo kann nicht übersetzen; Braucht zur Installation ffmpeg und manchmal Rust.
- Für wen eignet sich Whisper (openai/whisper)?
- Entwickler und Forschende, die die Referenzimplementierung von Whisper für kleine Aufgaben, die Lehre oder zum Prüfen der Ausgabe einer anderen Runtime wollen.
- Was kostet Whisper (openai/whisper) für ein Team oder im Produktivbetrieb?
- Kostenlos; die Kosten sind GPU-Zeit, die es weniger effizient nutzt als faster-whisper: 2m23s gegenüber 1m03s für dieselbe 13-minütige Datei im Benchmark von faster-whisper.
- Ist Whisper (openai/whisper) sicher für Firmendaten?
- Läuft lokal; das Audio verlässt den Rechner nach dem Download der Gewichte nie. Die MIT-Lizenz gilt für Code und Gewichte.
- Was sind die besten Alternativen zu Whisper (openai/whisper)?
- Die nächsten Alternativen, die wir getestet haben, sind audio.cpp und VibeVoice.
Antworten geprüft am 14. Nov. 2026.