Whisper ist ein Modell zur Spracherkennung und Übersetzung, das OpenAI im September 2022 quelloffen veröffentlichte. Es ist bis heute der verbreitetste offene Baustein für Transkription.
Zusammenfassung
Whisper erschien in einer Phase, in der OpenAI seine Sprachmodelle bereits verschlossen hatte. Für Spracherkennung galt das nicht: Modell und Gewichte wurden unter freier Lizenz veröffentlicht.
Die Folge war eine ungewöhnlich breite Übernahme. Whisper steckt in Transkriptionsdiensten, Untertitelwerkzeugen, Redaktionssystemen und Forschungsaufbauten – oft ohne dass die Herkunft sichtbar wird.
Neben der Erkennung beherrscht das Modell die Übersetzung ins Englische und arbeitet über viele Sprachen hinweg, auch bei verrauschten Aufnahmen und Akzenten.
Begriffsgeschichte
Veröffentlichung (September 2022)
Die Freigabe umfasste mehrere Modellgrößen, von sehr kleinen für den Betrieb auf einfachen Geräten bis zu großen für höchste Genauigkeit.
Whisper v3 und danach
Die dritte Fassung ist über zahlreiche Anbieter verfügbar; die Betriebskosten sind auf Bruchteile eines Euro je Stunde Audiomaterial gefallen.
Einordnung
Whisper zeigt, was Offenlegung bewirkt. Ein einmal freigegebenes Modell wird zur Grundlage, auf der andere aufbauen – und verdrängt kommerzielle Angebote in einem ganzen Marktsegment.
Für die Einordnung von OpenAIs Haltung zur Offenheit ist das Modell zugleich der Beleg, dass die Zurückhaltung bei den Sprachmodellen eine wirtschaftliche Entscheidung war und keine grundsätzliche.
Kontroversen und Kritik
Erfundene Passagen. Whisper neigt bei Stille, Störgeräuschen oder unverständlichen Stellen dazu, plausibel klingenden Text zu erfinden, statt eine Lücke zu lassen. Untersuchungen fanden solche Erfindungen auch in medizinischen Zusammenhängen – dort, wo ein erfundener Satz unmittelbar schadet.
Trainingsgrundlage. Das Modell wurde auf Audiomaterial aus dem Netz trainiert. Herkunft und Rechtslage dieses Materials sind nicht offengelegt.
Ungleiche Genauigkeit. Die Erkennungsgüte fällt zwischen Sprachen deutlich auseinander und ist bei weniger vertretenen Sprachen erheblich schlechter – ein Muster, das sich durch das ganze Feld zieht.
Stand September 2026
Whisper bleibt im Einsatz, steht aber inzwischen im Wettbewerb mit neueren Modellen mehrerer Anbieter. Seine Bedeutung liegt in der Verbreitung, nicht mehr in der Spitzenleistung.
Verwandte Begriffe
- OpenAI – der Anbieter
- Open Weights – die Veröffentlichungsform
- Halluzination – die Schwäche, die auch Whisper zeigt
Quellenangaben
- Radford, Alec / Kim, Jong Wook / Xu, Tao / Brockman, Greg / McLeavey, Christine / Sutskever, Ilya (OpenAI), 2022. Robust Speech Recognition via Large-Scale Weak Supervision. arXiv: 2212.04356.
- Wikipedia, 2026. Whisper (Speech Recognition System). en.wikipedia.org.