Whisper Snapper ist eine native macOS-App des unabhängigen Entwicklers Evan Harris, die Audio und Video mit den lokalen Modellen Parakeet, WhisperKit und Whisper in Text verwandelt – oder wahlweise über Cloud-APIs, für die Sie eigene Schlüssel hinterlegen. Dazu kommen Sprechertrennung, Zusammenfassungen und Übersetzungen per Llama 3.2 auf dem Gerät sowie Export nach TXT, SRT, VTT, Markdown, CSV und PDF.
Hast du dieses Tool genutzt? Bewerte es
Hast du dieses Tool genutzt? Bewerte es
Whisper Snapper ist eine native macOS-Anwendung, die Audio- und Videodateien in geschriebenen Text umwandelt. Sie wird über den Mac App Store unter dem Namen „Whisper Snapper Transcriptions" vertrieben; im App-Store-Eintrag ist Evan Harris sowohl als Entwickler als auch als Verkäufer eingetragen. Auf Product Hunt beschreibt sich der Macher als Solo-Gründer und Indie-Entwickler. Das sagt einiges über die Art dieses Produkts aus: ein fokussiertes Werkzeug aus der Hand eines Einzelnen, keine risikokapitalfinanzierte Plattform mit Vertriebsmannschaft im Rücken.
Diese Einordnung wiegt schwerer, als sie zunächst scheint. Eine Transkriptionssoftware, die von einer Person gebaut und einmalig zu einem Festpreis verkauft wird, folgt anderen Anreizen als ein Abodienst, der Ihre Aufnahmen auf seinen Servern braucht, um wiederkehrende Einnahmen zu rechtfertigen. Die gesamte Architektur von Whisper Snapper lehnt sich an diesen Unterschied an. Die App ist so gebaut, dass nichts, was Sie transkribieren, jemals eine Netzwerkverbindung berührt – sofern Sie das so wollen.
Die Startseite formuliert das Versprechen unumwunden: „The Transcription App Mac Users Deserve." (Die Transkriptions-App, die Mac-Nutzer verdienen). Darunter steht, womit sie umgeht: Videos, Podcasts, Besprechungen, Sprachnotizen und mehr transkribieren, dazu KI-gestützte Zusammenfassungen und Übersetzungen in mehr als zwanzig Sprachen – alles läuft privat auf Ihrem Mac.
Das Wort „Whisper" im Namen dieser App verweist auf Whisper, die von OpenAI als Open Source veröffentlichte Modellfamilie zur automatischen Spracherkennung. Whisper erscheint unter einer freizügigen Open-Source-Lizenz, was bedeutet, dass jeder Entwickler die Modellgewichte herunterladen, lokal ausführen und darauf ein Produkt aufbauen darf. Genau das tut Whisper Snapper, neben Modellen anderer Herkunft.
Whisper Snapper ist kein Produkt von OpenAI, wird nicht von OpenAI betrieben, und es gibt keinerlei Hinweise auf eine Partnerschaft, eine Billigung oder eine gesellschaftsrechtliche Verbindung zwischen beiden. Es handelt sich um eine unabhängige Drittanbieter-App, die ein offen lizenziertes Modell ausführt. Einen Modellnamen im Produktnamen zu führen, ist rechtlich verbreitet und hier auch technisch zutreffend – die App führt Whisper tatsächlich aus.
Dennoch gehört Folgendes klar gesagt: Auf der Website findet sich nirgends ein Hinweis auf fehlende Zugehörigkeit oder ein markenrechtlicher Disclaimer. Die Startseite nennt wiederholt OpenAI Whisper, GPT-4o, NVIDIA Parakeet, Deepgram Nova-2 und Llama, ohne irgendwo festzuhalten, dass keine Verbindung zu diesen Unternehmen besteht und keine Billigung vorliegt. Das ist eine Unterlassung, keine Täuschung. Dagegen steht, dass die App völlig offenlegt, welche Engine was leistet: Die Datenschutzerklärung benennt OpenAI und Deepgram namentlich als Drittverarbeiter und verlinkt unmittelbar deren eigene Richtlinien. Es gibt keinerlei Versuch, vorgelagerte Technik als hauseigene Erfindung auszugeben. Die redliche Lesart lautet daher: eine transparente Verpackung offener und kommerzieller Modelle, der eine übliche Standardklausel fehlt – kein Mantelbetrieb.
Die meisten Transkriptionsprodukte zwingen zu einer einmaligen Entscheidung: entweder ein Clouddienst, wobei Ihre Aufnahmen das Gerät verlassen, oder ein lokales Werkzeug, wobei Sie langsamere, klobigere Software in Kauf nehmen. Whisper Snapper vertritt die Position, dass dies eine Entscheidung pro Datei sein sollte und keine auf Produktebene. Die Website formuliert es so: Vertraulichkeit, wenn Sie sie brauchen, Tempo, wenn nicht. Heikle Aufnahmen vollständig lokal auf dem Mac verarbeiten oder für schnellere Bearbeitung die Cloud nutzen – und zwar bei jeder Transkription neu entschieden.
Das ist der wichtigste Punkt zum Verständnis dieser App. Eine Journalistin kann vormittags das Interview einer vertraulichen Quelle vollständig offline transkribieren und nachmittags die Aufzeichnung einer öffentlichen Konferenz aus Zeitgründen an eine Cloud-API übergeben – mit derselben Anwendung.
Die lokale Transkription läuft vollständig auf dem Chip Ihres Macs. Ein Modell wird einmal heruntergeladen, danach braucht die App für die Transkriptionsarbeit keine Internetverbindung mehr. Der App-Store-Eintrag führt einen umfangreichen lokalen Modellkatalog auf: OpenAI Whisper in den Größen tiny, base, small, large-v3, large-v3-turbo und distil-large-v3, dazu NVIDIA Parakeet v2 (Englisch), v3 (25 Sprachen mit Sprechertrennung) und TDT-CTC-110M sowie Qwen3 ASR von Alibaba und Llama 3.2 für Übersetzung und Zusammenfassung.
Die Bandbreite an Whisper-Größen ist echter Komfort und keine Zierde im Datenblatt. Whisper tiny ist schnell und genügsam und reicht für eine saubere Sprachnotiz mit einer einzigen Stimme, wenn Sie lediglich durchsuchbaren Text brauchen. Whisper large-v3 ist bei Akzenten, sich überlappenden Sprechern und lauten Räumen deutlich leistungsfähiger, aber auch erheblich rechenintensiver. Beide installiert zu haben bedeutet, das Modell der Aufgabe anzupassen, statt stets die Rechenkosten des schlimmsten Falls zu tragen.
Parakeet, von NVIDIA entwickelt, entstammt einer anderen Modelllinie und ist auf Apple-Silicon meist bemerkenswert schnell. Die Variante v3 deckt 25 Sprachen ab und beherrscht – das ist entscheidend – die Sprechertrennung lokal, was nicht jedes Offline-Modell leisten kann.
Die Cloud-Option ist der Punkt, an dem sich das Geschäftsmodell von Whisper Snapper von den meisten Wettbewerbern unterscheidet, und Sie sollten ihn vor dem Kauf verstehen. Die Website weist darauf hin, dass Sie für mehr Tempo die Cloud-APIs von OpenAI Whisper, GPT-4o oder Deepgram nutzen können.
Entscheidend ist: Die App verkauft Ihnen keinen API-Zugang weiter. Die Produktbeschreibung auf Product Hunt spricht ausdrücklich von Transkription in der Cloud „mit persönlichen API-Schlüsseln", und die Datenschutzerklärung ist unmissverständlich: Für diese Dienste müssen Sie Ihre eigenen API-Schlüssel bereitstellen.
Das hat in beide Richtungen konkrete Folgen. Vorteilhaft ist, dass Sie den API-Anbieter direkt zu dessen Grundpreis bezahlen, ohne Aufschlag des Entwicklers, und dass dieser nie zum Zwischenhändler wird, der Ihr Audio oder Ihre Abrechnungsbeziehung hält. Nachteilig ist, dass der Cloud-Modus voraussetzt, dass Sie sich eigenständig bei OpenAI oder Deepgram registrieren, einen API-Schlüssel erzeugen und das Konto aufladen. Wer erwartet hat, einmal zu zahlen und die Cloud-Transkription funktioniere dann einfach, findet hier eine andere Konstruktion vor. Die Cloud-Nutzungskosten sind gesondert, laufend, vom Anbieter nach Verbrauch abgerechnet und vollständig außerhalb des Einmalpreises der App.
Die Sprechertrennung – also die Zuordnung, wer welche Zeile gesagt hat – unterscheidet ein brauchbares Interviewtranskript von einer Wand undifferenzierten Textes. Die Startseite beschreibt sie so: erkennen, wer was gesagt hat, wobei die Diarisierung über Deepgram, GPT-4o Transcribe und Parakeet v3 verfügbar ist.
Beachten Sie die Einschränkung „verfügbar über". Die Sprechertrennung gilt nicht für sämtliche Engines der App, sondern ist an diese bestimmten Modelle gebunden. Wenn Sprecherkennzeichnungen für Ihre Arbeit unverzichtbar sind und Sie zugleich vollständigen Offline-Betrieb benötigen, ist Parakeet v3 genau das lokale Modell, das Sie brauchen – die beiden anderen Wege sind Clouddienste.
Die Versionshinweise zu 1.7 vom Juli 2026 dokumentieren hier ebenfalls fortlaufende Arbeit: Fehler bei der Filterung von Sprechersegmenten wurden behoben, die zuvor störende kurze Segmente in den Sprecherzeitleisten erzeugten. Solche Geistersegmente sind der klassische Fehlermodus der Sprechertrennung, bei dem das System einige Wörter kurzzeitig fälschlich einem zusätzlichen, gar nicht vorhandenen Sprecher zuschreibt. Dass dies erkannt und behoben wurde, spricht für aktive Pflege statt für ein einmal veröffentlichtes und dann liegengelassenes Werkzeug.
Version 1.1 hat über die reine Transkription eine zweite KI-Schicht gelegt – und ungewöhnlicherweise arbeitet auch diese Schicht lokal.
Zusammenfassungen laufen über Llama 3.2 auf Ihrer eigenen Maschine. Die Startseite beschreibt die Funktion so: stundenlange Aufnahmen mit einem Klick in knappe Zusammenfassungen verwandeln, angetrieben von Llama, das vollständig auf Ihrem Mac läuft, sodass Ihre Inhalte das Gerät nie verlassen.
Die Übersetzung folgt demselben Muster. Die Startseite verspricht die Übertragung von Transkripten ins Spanische, Französische, Deutsche, Japanische, Chinesische und in mehr als fünfzehn weitere Sprachen, wobei die gesamte Verarbeitung lokal mit Llama erfolgt. Der App-Store-Eintrag nennt eine vollständigere und leicht abweichende Zahl, wirbt mit „AI TRANSLATION — 30 LANGUAGES" und führt Spanisch, Französisch, Deutsch, Chinesisch, Japanisch, Koreanisch, Portugiesisch, Italienisch, Niederländisch, Russisch, Arabisch, Hindi, Türkisch, Polnisch, Vietnamesisch, Thailändisch, Indonesisch, Schwedisch, Dänisch und Norwegisch auf – mit dem Hinweis, dass kein Internet erforderlich ist.
Das ist architektonisch bedeutsam. Etliche Transkriptions-Apps bieten KI-Zusammenfassungen an, doch nahezu alle erledigen das, indem sie Ihr fertiges Transkript an ein Sprachmodell in der Cloud schicken. Damit wird der Datenschutzvorteil der lokalen Transkription still und leise zunichtegemacht – Ihre Worte landen doch auf fremden Servern, nur einen Schritt später. Die Zusammenfassung mit Llama 3.2 auf dem Gerät schließt diese Lücke. Für alle, die berufsrechtlich geschütztes Material bearbeiten, ist das der Unterschied zwischen einer wirklich durchgehend offline arbeitenden Kette und einer, die nur so aussieht.
Setzen Sie die Qualitätserwartung allerdings angemessen an. Llama 3.2 ist ein kleines Modell, ausgewählt, damit es auf Endkundenhardware bequem läuft. Seine Zusammenfassungen sind brauchbar und seine Übersetzungen transportieren den Sinn, doch beides erreicht bei Nuancen, Redewendungen und Fachterminologie kein Spitzenmodell aus der Cloud. Genau das ist der bewusst eingegangene Tausch: eine gewisse Qualitätsgrenze gegen Vertraulichkeit und null Grenzkosten.
Dieser Abschnitt verlangt besondere Sorgfalt, denn Genauigkeit ist die Eigenschaft, nach der Käufer am meisten verlangen und die Anbieter am häufigsten aufblasen.
Zu seinen Gunsten sei gesagt: Whisper Snapper hält sich hier zurück. Der eigene Vergleichsbeitrag zur Wahl der Transkriptions-Engine veröffentlicht keine Wortfehlerraten, keine Benchmark-Tabellen und keine Prozentangaben zur Genauigkeit. Er beschreibt die Engines qualitativ – Deepgram als äußerst schnell in der Verarbeitung, Parakeet v2 als schnell und leichtgewichtig – und gibt die Sprachabdeckung an: über 99 Sprachen für die Whisper-API, weniger Sprachen als Whisper für Deepgram (gut dreißig) und 25 Sprachen für Parakeet v3. Die Überschrift „Accurate Transcriptions on Your Mac" ist Werbesprache ohne jede Zahl dahinter.
Diese Zurückhaltung ist mehr wert als eine selbstbewusste Kennzahl. Es gibt hier schlicht keine Genauigkeitsangabe des Anbieters zu prüfen, weil der Anbieter keine veröffentlicht hat.
Beurteilen lassen sich die zugrunde liegenden Modelle, denn sie sind öffentlich bekannt und unabhängig vermessen. Veröffentlichte Auswertungen von Whisper large-v3 nennen eine Wortfehlerrate von rund 2,7 Prozent auf sauberem LibriSpeech-Audio, also professionell aufgenommener, vorgelesener Sprache. Unabhängige Tests mit unordentlicherem, realitätsnahem Material bewegen sich eher im Bereich von 8 bis 12 Prozent, und eine Fremdauswertung maß für large-v3 7,88 Prozent. Forschende haben zudem dokumentiert, dass large-v3 stärker zu Halluzinationen neigt als frühere Versionen und mitunter lange zusammenhängende Blöcke erfundenen Textes erzeugt statt vereinzelter Wortfehler.
Daraus folgen drei praktische Schlüsse. Erstens schwankt die Genauigkeit enorm mit den Aufnahmebedingungen; eine saubere Aufnahme mit einer Stimme und eine Videokonferenz zu viert über ein Laptop-Mikrofon sind bei Weitem nicht dieselbe Aufgabe. Zweitens variiert die Genauigkeit nach Sprache – ressourcenstarke Sprachen wie Englisch schneiden weit besser ab als ressourcenschwache, und „über 99 Sprachen" beschreibt die Abdeckung, nicht eine überall gleiche Qualität. Drittens, und für den professionellen Einsatz am gewichtigsten: Die Halluzinationsneigung der Whisper-Familie bedeutet, dass Fehler nicht immer als erkennbarer Kauderwelsch auftreten. Das Modell kann flüssige, plausible, bestimmt klingende Sätze erzeugen, die nie gesprochen wurden. Jedes Transkript, das zitiert, bei Gericht eingereicht oder in eine Krankenakte übernommen werden soll, muss gegen das Audio geprüft werden. Die anklickbaren Zeitstempel der App existieren genau dafür, diese Prüfung praktikabel schnell zu machen.
Für ein Transkriptionswerkzeug ist dies der entscheidende Abschnitt, denn Besprechungsmitschnitte, Mandantengespräche und Quelleninterviews gehören zu den sensibelsten Dateien, die die meisten Menschen je erzeugen. Die Datenschutzerklärung von Whisper Snapper ist wirklich belastbar und ungewöhnlich konkret.
Die Erklärung hält fest, dass die App keinerlei personenbezogene Daten, Nutzungsanalysen oder App-Statistiken, Absturzberichte oder Diagnosedaten, Standortdaten, Gerätekennungen und keine Daten zu Werbezwecken erhebt, speichert oder überträgt. Die eigene Zusammenfassung nennt „kein Konto erforderlich: Wir erheben keine personenbezogenen Daten" und „keine Analyse, kein Tracking: Wir beobachten Ihre Nutzung nicht".
Der Verzicht auf Absturzberichte und Nutzungsanalyse ist eine ernst gemeinte Selbstbindung und keine Floskel. Die meisten Indie-Entwickler behalten Telemetrie bei, weil sie so Fehler finden. Darauf zu verzichten, ist ein realer Preis, den eine Datenschutzhaltung kostet.
Für die lokale Transkription ist die Erklärung kategorisch: Die gesamte Verarbeitung findet ausschließlich auf Ihrem Mac statt, Ihre Audio- und Videodateien werden nirgendwohin hochgeladen, es ist keine Internetverbindung nötig, und der Entwickler hat keinen Zugriff auf Ihre Dateien oder Transkripte. Die Erklärung bezeichnet dies als die vertraulichste verfügbare Option.
Für die Cloud-Transkription ist sie beim Preis dafür ebenso deutlich: Ihr Audio wird zur Verarbeitung an Drittanbieter-APIs gesendet. Sie benennt OpenAI (Whisper-API, GPT-4o Transcribe) und Deepgram (Nova-2), verlinkt deren Datenschutzerklärungen und ergänzt die Warnung, dass Ihr Audio bei Cloud-Nutzung den Richtlinien dieser Drittanbieter unterliegt und man diese vorher lesen sollte.
Das ist genau die richtige Offenlegung. Sie gibt nicht vor, der Cloud-Modus sei vertraulich, und verweist unmittelbar auf jene Parteien, deren Bedingungen die Daten tatsächlich regeln.
Die Aufbewahrung bestimmt sich durch Ihr eigenes Handeln und nicht durch eine ablaufende Frist, weil kein Server irgendetwas vorhält. Die Erklärung führt auf: Transkripte bleiben erhalten, bis Sie sie in der App löschen; API-Schlüssel verbleiben im Schlüsselbund, bis Sie sie entfernen; aufgezeichnetes Audio bleibt, bis Sie die Dateien löschen. Sie merkt zudem an, dass das Löschen der App die Einstellungen entfernt, Transkripte und Schlüsselbund-Einträge aber möglicherweise gesondert gelöscht werden müssen – ein nützlicher und oft ausgelassener Hinweis.
Zu den beiden Fragen, die am meisten interessieren – wird mein Audio zum Training von KI-Modellen verwendet, und hört jemals ein Mensch hinein –, enthält die Erklärung keine ausdrückliche Aussage in die eine oder andere Richtung. Hier ist Präzision angebracht statt Wohlwollen. Für die lokale Verarbeitung erübrigt sich die Frage: Der Entwickler erklärt, keine Server zu betreiben, die Ihre Daten empfangen oder speichern, also existiert kein Weg, auf dem Dateien ihn zu Trainings- oder Prüfzwecken erreichen könnten. Für die Cloud-Verarbeitung liegt die Antwort nicht bei ihm, sondern richtet sich nach den Bedingungen von OpenAI oder Deepgram für das Konto, dessen Schlüssel Sie hinterlegt haben. Wenn Ihnen Trainings- und Prüfrichtlinien wichtig sind, muss diese Klärung beim API-Anbieter erfolgen, bezogen auf die konkrete Tarifstufe, die Sie nutzen.
Der Umgang mit API-Schlüsseln ist geregelt: Bei Nutzung von Cloud-Transkriptionsdiensten werden Ihre Schlüssel sicher im macOS-Schlüsselbund abgelegt, und der Entwickler hat weder Zugriff auf Ihre Schlüssel noch auf das Audio, das Sie senden. Die App läuft zusätzlich in einer Sandbox mit Apples gehärteter Laufzeitumgebung.
Eines passt nicht zusammen und gehört benannt. Die Datenschutzerklärung trägt den Stand „Last Updated: December 2024", also Dezember 2024. Der App-Store-Eintrag weist als ursprüngliches Erscheinungsdatum jedoch den 17. Dezember 2025 aus, ein volles Jahr später, während Version 1.7 am 23. Juli 2026 erschien.
Die Erklärung trägt somit ein Datum, das vor der Veröffentlichung des Produkts liegt. Die wahrscheinlichste Erklärung ist ein simpler Zahlendreher – Dezember 2024 statt Dezember 2025 – und inhaltlich widerspricht nichts in der Erklärung der Darstellung der App an anderer Stelle. Wörtlich genommen ist das Dokument jedoch veraltet gegenüber einem Produkt, das seither lokale Zusammenfassung, Übersetzung, Live-Transkription und fünf weitere Modelle erhalten hat. Wenn ein Rechtsdokument und ein Produkteintrag auseinanderfallen, ist der Produkteintrag der überprüfbare: Die App-Store-Daten werden maschinell von Apple erzeugt und lassen sich nicht frei ändern, während das Datum der Erklärung von Hand eingetragen ist. Behandeln Sie den Inhalt der Erklärung also als gültig und ihr Datum als Fehler; wenn Sie das Werkzeug allerdings für regulierte Arbeit einsetzen, verlangen Sie vom Entwickler eine Bestätigung und eine Neudatierung.
Der Zielgruppenabschnitt der Startseite sagt Fachleuten aus Recht und Medizin, sie könnten Compliance-Anforderungen erfüllen, ohne Daten an Dritte weiterzugeben. Lesen Sie das strikt bezogen auf den lokalen Modus. Dort trifft es zu: Es wird nichts weitergegeben, weil nichts das Gerät verlässt. Im Cloud-Modus trifft es nicht zu, denn dort geht Audio nachweislich an einen Dritten. Die Aussage ist überdies keine Zertifizierung: Es gibt keine veröffentlichte HIPAA-Erklärung, keinen SOC-2-Bericht und kein Angebot eines Auftragsverarbeitungsvertrags. Für regulierte Arbeit ist der lokale Modus architektonisch vertretbar; dieser Werbesatz ersetzt jedoch nicht Ihre eigene Compliance-Prüfung.
Das Geschäftsmodell ist erfrischend schlicht, und sein größter Vorzug ist das Fehlen eines Abonnements. Die Startseite stellt in Aussicht, dauerhaft kostenlos zu testen oder einmalig auf Pro aufzurüsten, ohne jedes Abo.
Der App-Store-Eintrag bestätigt, dass der Download der App kostenlos ist (Preisfeld 0,00 US-Dollar). Mehrere Drittquellen, darunter die Berichterstattung auf Product Hunt, nennen für das Pro-Upgrade einen einmaligen Kauf von 9,99 US-Dollar ohne wiederkehrende Abbuchung.
Zwei ehrliche Einschränkungen zu dieser Zahl. Erstens steht der Betrag von 9,99 US-Dollar nicht auf der Startseite selbst, die lediglich von „Pro einmalig" ohne Zahl spricht; die Angabe stammt aus Drittverzeichnissen und dem In-App-Kauf. Prüfen Sie deshalb vor dem Kauf den aktuellen Preis im App Store, da Entwickler ihn ändern können. Zweitens liefert die App-Store-Abfrage keine aufgeschlüsselte Liste der In-App-Käufe, sodass die genaue Aufteilung der Funktionen zwischen kostenloser Stufe und Pro nicht öffentlich überprüfbar dokumentiert ist. Was dauerhaft kostenlos bleibt und was das Upgrade erfordert, klären Sie am besten durch Installation der App – die nichts kostet.
Die Wirtschaftlichkeit verdient dennoch Beachtung. Abobasierte Transkriptionsdienste rechnen üblicherweise monatlich oder pro Minute ab. Eine Einmalzahlung im Bereich von zehn Dollar, kombiniert mit lokalen Modellen, deren Betrieb pro Stunde nichts kostet, bedeutet für Vielnutzer praktisch keine Grenzkosten. Wer wöchentlich mehrere Stunden transkribiert, kann den Preis gegenüber einem verbrauchsabhängigen Dienst binnen Tagen wieder einspielen. Das Gegengewicht bleibt: Die API-Gebühren des Cloud-Modus tragen Sie gesondert, und die App deckelt sie nicht.
Dies ist die härteste Hürde der App, und sie schließt einen erheblichen Teil möglicher Nutzer aus.
Whisper Snapper läuft ausschließlich unter macOS. Es gibt keine Windows-Version, keine Linux-Version, keine App für iPhone oder iPad, keine Weboberfläche und keine öffentliche API. Der App-Store-Eintrag führt sie als Mac-Software; der App Store ist der einzige Vertriebsweg.
Die Versionsanforderung fällt ungewöhnlich streng aus. Der Eintrag nennt als minimale Betriebssystemversion 26.0, also eine sehr aktuelle macOS-Ausgabe. Viele Macs, die unter älteren, durchaus brauchbaren Systemen laufen, können diese App ohne vorheriges Systemupdate gar nicht installieren. Prüfen Sie Ihre macOS-Version, bevor Sie mit diesem Werkzeug planen – diese eine Zeile schließt mehr Interessenten aus als jeder andere Faktor.
Weitere belegte Angaben aus dem Eintrag: Der Download umfasst rund 30,4 MB (30.431.988 Byte), die Altersfreigabe lautet 4+, die Einordnung erfolgt unter Dienstprogramme mit Wirtschaft als Zweitkategorie, und die aktuelle Version 1.7 erschien am 23. Juli 2026 bei einer Erstveröffentlichung am 17. Dezember 2025.
Die Liste der Oberflächensprachen enthält ausschließlich Englisch. Verwechseln Sie dies nicht mit der Sprachabdeckung der Transkription: Die App transkribiert und übersetzt viele Sprachen, ihre Menüs und Schaltflächen sind jedoch nur auf Englisch.
Unterstützte Eingabeformate sind MP4, MOV, M4A, MP3 und WAV. Zudem gibt es einen eingebauten Rekorder, sodass Sie Audio direkt aufnehmen können, statt es zu importieren.
Die Versionshinweise vom Juli 2026 beschreiben eine substanzielle Erweiterung und keinen Wartungspatch. An der Spitze steht die Live-Transkription: in Echtzeit aufnehmen und transkribieren, mit der Möglichkeit, Aufnahmesitzungen über mehrere Takes hinweg anzuhalten und fortzusetzen, alles in einer gemeinsamen Wellenform-Zeitleiste. Echtzeittranskription ist eine deutlich andere Fähigkeit als die Stapelverarbeitung von Dateien, und Pausieren und Fortsetzen über mehrere Takes ist eine durchdachte Geste für die Interviewarbeit.
Dieselbe Version ergänzte fünf lokale Modelle: Cohere Transcribe (14 Sprachen), Parakeet Japanisch, Parakeet v3 INT4, SenseVoice und ein mehrsprachiges Nemotron-Streaming-Modell für 83 Sprachen. Außerdem wurde das Modell-Downloadsystem auf Zuverlässigkeit neu gebaut, und es gab Leistungsverbesserungen, darunter Transkriptsuche im Hintergrund, die direkte Weiterleitung von Cohere an Apples Neural Engine sowie die Verarbeitung langer Audiodateien in einzelnen Blöcken statt am Stück.
Die Tragweite der letzten Änderung wird leicht unterschätzt. Blockweise Verarbeitung verhindert genau, dass eine lange Aufnahme den Arbeitsspeicher erschöpft, und deutet darauf hin, dass der Entwickler reale Probleme behebt, die Nutzer mit sehr langen Dateien gemeldet haben.
Ein Transkript, das die App nicht verlassen kann, nützt wenig, und die Exportabdeckung ist hier breit. Die Startseite nennt TXT, SRT, VTT, Markdown, CSV und PDF, womit sich Untertitel für Videoschnittprogramme oder formatierte Dokumente erstellen lassen.
Jedes Format hat ein reales Ziel. SRT und VTT sind Untertitelformate, die direkt in Schnittprogramme wandern – ein auf der Startseite zitierter Podcast-Editor sagt, der SRT-Export lande unmittelbar in Final Cut. Markdown passt zu Notiz-Apps und Publikationsketten. CSV öffnet die Tür zur Tabellenanalyse, was für Forschende zählt, die Interviewmaterial qualitativ kodieren. PDF erzeugt ein teilbares, formatiertes Dokument, und TXT bleibt der universelle Rückfallweg.
Auch die Arbeit am Transkript innerhalb der App ist vorgesehen. Der App-Store-Eintrag beschreibt anklickbare Zeitstempel zur Navigation in langen Aufnahmen, sofortige Suche im Transkript, Bearbeiten und Nachschärfen in der App sowie die lokale Speicherung aller Transkripte über SwiftData.
Anklickbare Zeitstempel verdienen angesichts des zuvor erörterten Halluzinationsrisikos besondere Betonung. Eine Zeile anzuklicken und zur passenden Stelle im Audio zu springen, ist der Mechanismus, der die Überprüfung schnell genug macht, damit sie tatsächlich stattfindet. Die Bearbeitung in der App erlaubt es anschließend, Gefundenes zu korrigieren, ohne in ein anderes Programm zu exportieren und dabei die Verknüpfung zum Audio zu verlieren.
Der Einstieg ist bewusst minimal gehalten: ziehen, ablegen, fertig. Keine Konten, keine komplizierten Einstellungen, keine Anleitungen – wer eine Datei ziehen kann, kann transkribieren. Dass kein Konto verlangt wird, passt zur serverlosen Architektur: Es gibt schlicht nichts, wo man sich anmelden könnte.
Stapelverarbeitung wird unterstützt, mit dem gleichzeitigen Hinzufügen mehrerer Dateien und einer Fortschrittsanzeige je Datei – wichtig, wenn Sie einen Rückstau an Aufnahmen abarbeiten statt einzelner Dateien.
Die Startseite benennt sechs Zielgruppen, die man besser kritisch prüft als ungefiltert übernimmt.
Journalistinnen und Forschende passen am besten. Der angeführte Nutzen – Interviews transkribieren, ohne sensible Quellen in die Cloud zu laden – trifft eine echte berufliche Pflicht. Quellenschutz ist für Reporter keine Vorliebe, sondern eine ethische, mitunter rechtliche Verpflichtung. Rein lokale Verarbeitung ohne Serverkomponente ist darauf eine sachliche Antwort und keine Marketinggeste.
Fachleute aus Recht und Medizin folgen an zweiter Stelle, mit den bereits genannten Vorbehalten: nur im lokalen Modus, und die Compliance-Formulierung der Werbung ist keine Zertifizierung.
Podcasterinnen und Content-Schaffende profitieren vor allem von Sprechertrennung plus SRT-Export. Eine Folge mit mehreren Gastgebern transkribieren, automatisch Sprecherkennzeichnungen erhalten und Untertitel in den Schnitt geben – genau dafür ist dieses Werkzeug geformt.
Studierende und Lehrende erhalten Vorlesungstranskripte und lokale Zusammenfassungen, sollten die macOS-26-Anforderung aber besonders sorgfältig abwägen, da studentische Hardware häufig älter ist.
Unternehmen und verteilte Teams können Besprechungsnotizen erfassen, müssen aber bedenken, dass dies eine Desktop-App für eine einzelne Person ist. Es gibt keinen geteilten Arbeitsbereich, keine Teamabrechnung, keine gemeinsame Bearbeitung und keinen Meeting-Bot, der Anrufen automatisch beitritt. Teilen heißt: exportieren und verschicken. Teams, die integrierte Zusammenarbeit wollen, sollten sich anderweitig umsehen.
Barrierefreiheit – Untertitel für hörgeschädigte Zielgruppen – wird durch die Exportformate gut bedient, mit dem üblichen Vorbehalt, dass maschinelle Untertitel vor der Veröffentlichung menschlich geprüft werden müssen.
Wer sich dagegen entscheiden sollte: alle ohne aktuellen Mac, alle mit Bedarf an mobiler Aufnahme, alle mit Bedarf an einer API für automatisierte Abläufe, alle mit Bedarf an Teamfunktionen und alle, die Cloud-Transkription ohne eigene API-Konten sofort nutzen wollen.
An einer Stelle gebündelt, damit nichts untergeht:
Plattformbindung. Nur macOS, Mindestsystem 26.0. Kein Windows, Linux, iOS, Android oder Web. Das ist die größte einzelne Einschränkung.
Keine API. Nichts davon lässt sich in serverseitige Abläufe automatisieren. Es ist eine interaktive Desktop-Anwendung.
Der Cloud-Modus verlangt eigene Schlüssel. Er setzt separate Konten bei OpenAI oder Deepgram voraus; die Nutzungskosten tragen Sie, ungedeckelt durch die App.
Sprechertrennung ist modellabhängig. Nur Deepgram, GPT-4o Transcribe und Parakeet v3 bieten sie; offline bedeutet das ausschließlich Parakeet v3.
Die Leistung lokaler Modelle hängt von Ihrer Hardware ab. Große Whisper-Modelle sind anspruchsvoll. Auf einem älteren oder schwächer ausgestatteten Mac wird large-v3 langsam sein. Die App macht Ihre Maschine nicht schneller; sie lässt Sie nur ein kleineres Modell wählen.
Speicherbedarf. Lokale Modelle müssen heruntergeladen und vorgehalten werden. Die 30,4 MB sind das Installationspaket, nicht die Modelle – eine vollständige lokale Modellsammlung belegt erheblich mehr Platz.
Die Qualität von Zusammenfassung und Übersetzung ist durch ein kleines Modell begrenzt. Llama 3.2 auf dem Gerät reicht nicht an Spitzenmodelle aus der Cloud heran.
Kein unabhängiger Bewertungsbestand. Der App-Store-Eintrag weist null Nutzerbewertungen und keine Durchschnittsnote aus. Es gibt keine Präsenz auf G2, Capterra oder Trustpilot und keine Berichterstattung großer Technikmedien. Product Hunt liefert 139 Stimmen und Tagesrang 7 – ein reales, aber bescheidenes Signal. Die Stimmen auf der Startseite sind mit Vorname und Funktion versehen und nicht unabhängig überprüfbar. Für eine junge Indie-App ist das normal, bedeutet aber, dass Sie vor allem auf Basis der kostenlosen Stufe kaufen und nicht auf Basis eines gefestigten Meinungsbildes.
Die Oberfläche ist ausschließlich englisch, unabhängig von der Sprachabdeckung der Transkription.
Die Genauigkeit schwankt naturgemäß, und die Halluzinationsneigung der Whisper-Familie lässt Fehler flüssig erscheinen. Prüfen Sie stets, was Sie zitieren wollen.
Das Datum der Datenschutzerklärung ist mit der Produkthistorie unvereinbar, wie oben belegt.
Einige praktische Gewohnheiten verbessern das Ergebnis spürbar.
Beginnen Sie mit der kostenlosen Stufe, bevor Sie irgendetwas bezahlen, und testen Sie sie an Ihrem schwierigsten eigenen Audio statt an einer sauberen Probe. Genau die Aufnahme, mit der Sie tatsächlich ringen, entscheidet über den Nutzen des Werkzeugs.
Passen Sie das Modell dem Material an. Nehmen Sie ein kleines lokales Modell für sauberes Audio mit einer Stimme, wenn es auf Tempo ankommt; heben Sie sich large-v3 für schwierige Aufnahmen mit Akzenten, Zwischenrufen oder Hintergrundgeräuschen auf.
Entscheiden Sie bewusst pro Datei über die Vertraulichkeit. Der ganze Sinn dieser Architektur liegt darin, dass diese Wahl bei jeder Transkription neu getroffen wird. Treffen Sie sie überlegt und nicht per Voreinstellung.
Verbessern Sie die Eingabe, bevor Sie das Modell tadeln. Ein externes Mikrofon, ein ruhigerer Raum und Sprecher, die einander ausreden lassen, bringen für die Genauigkeit mehr als jede Modellaufrüstung.
Aktivieren Sie bei Interviews von Anfang an die Sprechertrennung mit einer unterstützenden Engine. Kennzeichnungen nachträglich von Hand einzutragen, ist weitaus langsamer.
Prüfen Sie, bevor Sie zitieren. Nutzen Sie die anklickbaren Zeitstempel für Stichproben bei jeder Passage, die Sie veröffentlichen, zitieren oder einreichen wollen.
Wenn Sie den Cloud-Modus nutzen, setzen Sie beim API-Anbieter Ausgabengrenzen. Die App begrenzt Ihren Verbrauch nicht, und die verbrauchsabhängige Transkription eines großen Rückstaus kann rasch ins Geld gehen.
Nein. Whisper Snapper ist eine unabhängige macOS-App, deren App-Store-Eintrag Evan Harris als Entwickler und Verkäufer ausweist. „Whisper" im Namen bezieht sich auf das offen lizenzierte Spracherkennungsmodell von OpenAI, das die App neben Modellen von NVIDIA, Deepgram, Cohere, Alibaba und Meta ausführt. Es gibt keine Belege für eine Partnerschaft oder Billigung. Dass die Website keinen ausdrücklichen Hinweis auf fehlende Zugehörigkeit enthält, ist eine erwähnenswerte Unterlassung; ansonsten legt die App die genutzten Drittanbieter-Engines transparent offen und verlinkt deren Richtlinien direkt.
Nur wenn Sie eine Cloud-Engine wählen. Bei lokalen Modellen stellt die Datenschutzerklärung unmissverständlich fest, dass Ihre Audio- und Videodateien nirgendwohin hochgeladen werden und keine Internetverbindung nötig ist. Wählen Sie die Cloud-Transkription von OpenAI oder Deepgram, wird Ihr Audio zur Verarbeitung an Drittanbieter-APIs gesendet. Die Wahl fällt bei jeder Transkription neu, Sie steuern sie also Datei für Datei.
Es gibt keine serverseitige Aufbewahrungsfrist, weil der Entwickler erklärt, keine Server zu betreiben, die Ihre Daten empfangen. Alles bleibt auf Ihrem eigenen Rechner, bis Sie es löschen: Transkripte, bis Sie sie in der App entfernen, aufgezeichnetes Audio, bis Sie die Dateien löschen, und API-Schlüssel im Schlüsselbund, bis Sie sie herausnehmen. Beachten Sie, dass das Deinstallieren der App Transkripte und Schlüsselbund-Einträge nicht automatisch entfernt.
Die Datenschutzerklärung äußert sich zu beidem nicht ausdrücklich. Für die lokale Verarbeitung erübrigt sich die Frage – der Entwickler betreibt keine Server, also gibt es keinen Weg, auf dem Ihre Dateien ihn erreichen. Für die Cloud-Verarbeitung bestimmen die Bedingungen von OpenAI oder Deepgram für das Konto, dessen Schlüssel Sie hinterlegt haben, die Antwort, nicht diese App. Ist Ihnen dieser Punkt wichtig, prüfen Sie ihn beim API-Anbieter für Ihre konkrete Tarifstufe.
Die App lädt man kostenlos aus dem Mac App Store, und die Haltung des Entwicklers lautet: dauerhaft kostenlos testen oder einmalig auf Pro aufrüsten, niemals ein Abo. Drittverzeichnisse nennen für das Pro-Upgrade einmalig 9,99 US-Dollar. Diese Zahl steht nicht auf der Startseite, prüfen Sie den aktuellen Preis daher im App Store. Die Nutzung der Cloud-APIs wird, falls Sie sie aktivieren, gesondert von OpenAI oder Deepgram abgerechnet und ist nicht enthalten.
Nur wenn es ein Mac mit macOS 26.0 oder neuer ist – das ist die im App-Store-Eintrag genannte Mindestversion. Es gibt keine Fassung für Windows, Linux, iOS, Android oder das Web und keine API. Diese Anforderung schließt eine erhebliche Zahl ansonsten leistungsfähiger Maschinen aus, prüfen Sie also zuerst Ihre macOS-Version.
Der Entwickler veröffentlicht keinen Genauigkeitswert, was ehrlicher ist, als einen zu erfinden. Die Genauigkeit hängt vom gewählten Modell, der Audioqualität und der Sprache ab. Unabhängige Messungen von Whisper large-v3 nennen rund 2,7 Prozent Wortfehlerrate bei studioreiner Lesesprache, aber etwa 8 bis 12 Prozent bei realistischen Aufnahmen. Forschende haben zudem dokumentiert, dass diese Modellfamilie flüssigen Text erfinden kann, der nie gesprochen wurde; prüfen Sie deshalb jede Passage, die Sie zitieren oder einreichen wollen, gegen das Audio.
Ja, aber nur mit bestimmten Engines. Die Sprechertrennung ist über Deepgram, GPT-4o Transcribe und Parakeet v3 verfügbar. Wenn Sie Sprecherkennzeichnungen benötigen und zugleich vollständig offline bleiben wollen, müssen Sie Parakeet v3 verwenden, da die beiden anderen Optionen Clouddienste sind. Version 1.7 hat außerdem Fehler behoben, die störende kurze Segmente erzeugten.
Der Export umfasst TXT, SRT, VTT, Markdown, CSV und PDF und deckt damit Untertitel für den Videoschnitt, Notizen, Tabellenkalkulationen und teilbare Dokumente ab. Vor dem Export können Sie Transkripte in der App bearbeiten, sie sofort durchsuchen und über anklickbare Zeitstempel zur passenden Audiostelle springen – der praktische Weg, Zweifelhaftes zu überprüfen.
Ja, und das ist ungewöhnlich. Beide stützen sich auf Llama 3.2 auf Ihrem Gerät, wobei der App-Store-Eintrag für seine Übersetzungssprachen ausdrücklich festhält, dass kein Internet erforderlich ist. Die meisten konkurrierenden Apps schicken Transkripte zur Zusammenfassung an ein Cloud-Modell, was den Datenschutzvorteil der lokalen Transkription still untergräbt. Der Preis dafür ist, dass ein kleines Modell auf dem Gerät bei Nuancen und Fachbegriffen kein Spitzenmodell aus der Cloud erreicht.
