Wer nach „Whisper kostenlos“ sucht, möchte meist einen dauerhaft nutzbaren Transkriptionszugang ohne laufende Gebühren. „Kostenlos“ hat jedoch mindestens zwei Bedeutungen: das von OpenAI als Open Source veröffentlichte Whisper-Modell, das auf eigener Hardware läuft, sowie Testguthaben, Gratisstufen oder zeitlich begrenzte Aktionen verschiedener Plattformen. Beim ersten Weg liegen die Kosten in Hardware und Betrieb, beim zweiten in Kontingent, Rate-Limits und Datenbedingungen.

Dieser Artikel trennt diese Wege, erklärt Limits, Datenschutzfolgen und passende Einsatzfelder und zeigt, wann ein Wechsel auf ein bezahltes Angebot sinnvoll ist. Kontingente und Aktionsregeln ändern sich schnell; der Artikel erfindet keine Zahlen. Maßgeblich sind die offiziellen Seiten und Modellpreise.

Hinweis: OpenAI und Whisper sind Marken der jeweiligen Rechteinhaber. Dieser Artikel dient ausschließlich der technischen Auswahlhilfe. Open-Source-Lizenz, Plattformkontingente und Schnittstellenregeln können sich ändern; maßgeblich sind die offizielle Dokumentation und die Dokumentation der Plattform.

1. Vier Quellen für „kostenlos“

Typ Form Eigener Aufwand Wichtigste Grenze
Selbst gehostetes Open-Source-Modell Code und Gewichte herunterladen, auf eigener Maschine betreiben Server oder GPU, Strom, Betrieb Hardware und Engineering nötig, Parallelität selbst tragen
Testguthaben für neue Nutzer Zeitlich begrenztes Kontingent bei Kontoeröffnung Zeit, Identitätsprüfung oder Kartendaten Einmalig, befristet, begrenzte Modellauswahl
Gratisstufe oder Aktionsphase Zeitweise kostenlose Aufrufe einer Plattform Eventuell Zustimmung zu Datenbedingungen Niedrige Rate, jederzeit anpassbar, meist ohne SLA
Geteilter Key oder Gratis-Endpunkt In Gruppen oder Tutorials weitergegebene Adresse samt Key Scheinbar null Jederzeit ungültig, Leak- und Compliance-Risiko

Bei den ersten beiden Typen ist der Verantwortliche klar, beim dritten entscheidet die Plattformstrategie, der vierte gehört nicht in den Produktivbetrieb. Für die Nachhaltigkeit zählt: Wer stellt das Kontingent, warum, und wann endet es?

2. Open Source lokal: am nächsten an „dauerhaft kostenlos“

Code und Gewichte von Whisper wurden von OpenAI unter der MIT-Lizenz veröffentlicht und dürfen kommerziell genutzt, verändert und privat betrieben werden. Das ist die belastbarste Form von „dauerhaft kostenlos“, befreit aber nur von Lizenzgebühren, nicht von den Gesamtkosten.

  1. Hardware: Kleine Modelle laufen auch auf einer normalen CPU, sind dort aber langsam; mittlere und große Modelle profitieren von einer GPU. Höhere Parallelität verlangt mehr VRAM und eine bessere Queue.
  2. Deployment: Verbreitet sind openai-whisper, faster-whisper und whisper.cpp – je nach Schwerpunkt Original, Beschleunigung oder leichtgewichtiger lokaler Betrieb. Vor der Auswahl mit eigenem Audio testen.
  3. Betrieb: Modelldownload, Monitoring, Wiederholungen, Updates und Aufräumen der Festplatte brauchen Verantwortliche; das verschwindet nicht durch Open Source.
  4. Skalierung: Mehr Parallelität erfordert Queue und Rate-Limits, langes Audio muss geteilt werden, für mehrere Sprachen sind Wörterbuch und Testset nötig.

Ein minimales lokales Beispiel zur Prüfung der Maschine:

# Installation: pip install openai-whisper, ffmpeg im System erforderlich
import whisper

model = whisper.load_model("base")  # tiny bis large: größer = genauer, aber langsamer
result = model.transcribe("meeting.mp3", language="de", fp16=False)
print(result["text"])

In reinen CPU-Umgebungen zunächst mit kurzem Audio und kleinem Modell Geschwindigkeit und Speicher prüfen, bevor eine GPU beschafft wird. Eine Demo taugt nicht als Hochrechnung für den gesamten Produktionsdurchsatz.

3. Testguthaben und Gratisstufe: fünf Fragen vorab

Plattformguthaben ist am bequemsten, sollte aber vor der Registrierung geklärt werden:

  1. Wer stellt das Guthaben bereit, wie lange gilt es, verfällt der Rest?
  2. Gilt es auch für die Audio-Transkription oder nur für Textmodelle?
  3. Wie hoch sind Anfragen pro Minute, Parallelität und Dateigröße?
  4. Wird hochgeladenes Audio gespeichert und eventuell zur Modellverbesserung verwendet?
  5. Ändern sich Basis-URL, Modellnamen und Abrechnung nach dem Wechsel auf ein bezahltes Konto?

Antworten stehen in Konsole, Preisseite oder Nutzungsbedingungen. Wer dort nichts findet, sollte sich nicht auf „andere sagen, es sei kostenlos“ verlassen. Gehostete Transkription wird meist nach Audiodauer abgerechnet; ob Testguthaben gewährt wird, steht auf der offiziellen Seite.

4. Sechs typische Grenzen kostenloser Angebote

  • Rate und Parallelität: Gratisstufen begrenzen Anfragen pro Minute und Verbindungen; Batch-Aufgaben lösen schnell 429 aus.
  • Dateigröße: Das Limit kann unter dem bezahlter Stufen liegen; lange Aufnahmen müssen geteilt werden.
  • Modellauswahl: Gratis-Kontingente öffnen oft nur kleinere oder ältere Modelle mit anderer Genauigkeit und anderem Funktionsumfang.
  • Warteschlange und Latenz: Niedrig priorisierte Queues sind zu Spitzenzeiten langsamer und laufen häufiger in Timeouts.
  • Datenbedingungen: Speicherung und Nutzung können von bezahlten Angeboten abweichen; vor dem Upload separat prüfen.
  • Serviceversprechen: Gratisstufen haben meist keine Verfügbarkeitszusage; Wartung, Drosselung und Abschaltung können ohne Ankündigung erfolgen.

Datenbedingungen und Modellauswahl werden am häufigsten übersehen. Wer nur prüft, „ob Text herauskommt“, merkt erst im Betrieb, dass Kundenaufnahmen nicht hochgeladen werden dürfen oder langes Audio nicht durchläuft – die Nacharbeit ist dann am teuersten.

5. Wofür kostenlose Transkription taugt

Geeignet:

  • persönliche Sprachnotizen und Protokolle ohne sensible Inhalte;
  • interne Werkzeuge mit geringer Frequenz und wenigen kurzen Audios pro Tag;
  • lokale Transkription mit hohen Datenschutzanforderungen, wenn die Maschine selbst betreut wird;
  • Untertitelentwürfe und Interviewmaterial, das anschließend manuell geprüft wird.

Nicht geeignet:

  • kundennahe Transkription mit Bedarf an stabilen Servicezusagen;
  • hohe Parallelität oder große Mengen langer Audiodateien;
  • Szenarien mit Auditpflicht, Rechteisolierung und klarem Datenverarbeitungsvertrag;
  • Aufgaben, die Sprechertrennung oder forensisch belastbare Protokolle verlangen;
  • Teams ohne Betriebspersonal, die dauerhaft selbst hosten wollen.

Die Entscheidung ist einfach: Wenn ein Transkriptionsausfall die Kundenlieferung gefährdet, gehört ein Gratiskontingent nicht in den Hauptpfad. Es kann als Nebenpfad dienen, während der Hauptpfad einen bezahlten Zugang oder eine lokale Rückfallebene erhält.

6. Datenschutz: kostenlos hat oft einen Preis

Der größte Vorteil lokalen Betriebs: Audio verlässt das interne Netz nicht. Das passt zu medizinischen, rechtlichen, personellen oder kundennahen Aufnahmen. Der Preis ist die eigene Verantwortung für Maschine, Betrieb und Sicherheit.

Ein gehosteter Aufruf bedeutet Upload. Bei Gratisstufen ist besonders zu klären: Speicherdauer, Nutzung für Training, Löschweg und mögliche grenzüberschreitende Übertragung. Geteilte Keys sind am riskantesten, weil Dritte Audio und Ergebnisse sehen können, und sollten nicht verwendet werden.

Unabhängig vom Weg sollten vor dem Upload alle Beteiligten einwilligen und unnötige Namen, Telefonnummern und Adressen entfernt werden. Bei grenzüberschreitenden Geschäftsprozessen sind zusätzlich lokale Vorschriften und Compliance-Anforderungen zu prüfen.

7. Genauigkeit: nicht mit Werbezahlen entscheiden

Für Transkriptionsgenauigkeit gibt es keinen einheitlichen Wert; sie hängt von Modellgröße, Sprache, Akzent, Lärm, Aufnahmeabstand und Fachwortschatz ab. Ein ruhiges Meeting und ein lautes Werkstattgespräch mit Dialekt können sehr unterschiedlich ausfallen.

Bewertet wird mit eigenem, realem Audio, nicht mit Demoausschnitten:

  1. 20 bis 50 repräsentative Audiostücke auswählen, über verschiedene Sprecher, Umgebungen und Akzente verteilt.
  2. Einheitlich auf 16 kHz mono umwandeln und je Stück einen Referenztext hinterlegen.
  3. Falsch geschriebene und fehlende Wörter, Eigennamen und Zeichensetzung zählen und nach Geschäftsauswirkung gewichten.
  4. Lokales Modell und gehostete Schnittstelle getrennt testen und Qualität, Geschwindigkeit sowie Kosten vergleichen.
  5. In kritischen Fällen eine manuelle Prüfung vorsehen; kein Modell ersetzt Menschen vollständig.

8. Wann sich der Wechsel auf ein bezahltes Angebot lohnt

Diese Signale sprechen dafür: Die Nutzung wächst stetig und stößt häufig an Rate-Limits; Servicelevel und planbare Parallelität werden benötigt; eine Compliance-Prüfung verlangt einen Datenverarbeitungsvertrag; bessere Modelle, Zeitstempel oder Sprechertrennung sind nötig; die Betriebskosten des Selbsthostings übersteigen die Kosten bezahlter Aufrufe.

Drei Wege stehen offen: direkt eine gehostete Transkriptionsschnittstelle nutzen; über ein OpenAI-kompatibles Gateway einsteigen, um Abrechnung und Zugang zu bündeln; weiter selbst hosten, aber mit stärkerer Hardware oder einer besseren Inferenzumgebung. Manche Teams mischen auch: sensibles Audio lokal, große öffentliche Materialien über die Schnittstelle.

Verglichen werden die Gesamtkosten, nicht nur der Stückpreis: Segmentierung, Wiederholungen, manuelle Korrektur und Betriebszeit gehören dazu. Preise ändern sich; maßgeblich ist Modellpreise.

Häufige Fragen

Gibt es eine dauerhaft kostenlose Whisper-API?

Das Whisper-Modell ist Open Source und kann dauerhaft selbst betrieben werden. Gehostete Transkriptions-APIs werden üblicherweise nach Nutzung abgerechnet; Gratiskontingente richten sich nach den aktuellen Regeln der offiziellen Seite. „Open Source und kostenlos“ bedeutet nicht „gehostete API dauerhaft kostenlos“.

Ist selbst gehostetes Whisper wirklich kostenlos?

Nein. Es fallen keine Lizenzgebühren an, wohl aber Kosten für Maschine, Strom, Betrieb und Personal. Für kleine Tests genügt vorhandene Hardware; für stabilen Betrieb muss die Hardware nach Parallelität und Latenz geplant werden.

Wie viele Stunden deckt ein Gratiskontingent ab?

Das lässt sich nicht pauschal sagen; es hängt von Kontingent, Audiodauer und Wiederholungen ab. Zunächst die Audiominuten jeder Anfrage erfassen und nach einer Woche aus dem realen Verbrauch schätzen, nicht aus Werbeversprechen.

Sind kostenlose Transkriptionen datensicher?

Das hängt von Bedingungen und Betriebsform ab. Lokaler Betrieb hält Daten im internen Netz und ist besser kontrollierbar. Kostenlose gehostete Dienste können andere Speicher- und Trainingsregeln haben; das muss vor dem Upload geklärt werden. Audio mit personenbezogenen Daten gehört nicht in Gratis-Endpunkte unklarer Herkunft.

Reicht die Genauigkeit kostenloser Angebote?

Das hängt vom Szenario ab. Für persönliche Notizen und Untertitelentwürfe meist ja; für Verträge, Medizin oder Qualitätsprüfungen im Kundenservice sind höhere Genauigkeit und manuelle Kontrolle nötig. Ein Test mit echtem Audio ist verlässlicher als Werte aus dem Datenblatt.

Nächste Schritte

Zunächst bei ZSQH AI Gateway registrieren, ein kurzes echtes Audio transkribieren und Dauer, Genauigkeit sowie Fehlerquote erfassen. Danach entscheiden, ob die kostenlose Lösung bleibt oder ein bezahlter Tarif sinnvoll ist. Modelle und Preise stehen unter Modellpreise.

Weiterlesen: