Apples SpeechAnalyzer verwandelt gesprochene Sprache auf iPhone und Mac in Text, komplett ohne Cloud. Ein unabhängiger Benchmark zeigt: Die Schnittstelle arbeitet genauer und rund dreimal schneller als OpenAIs Whisper. Interessant ist für Unternehmen aber weniger das Tempo als der Datenschutz.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen
Apple SpeechAnalyzer heißt die Schnittstelle, die seit iOS 26 und macOS 26 in jedem aktuellen Apple-Gerät steckt und Sprache lokal in Text übersetzt. Ein frischer Vergleichstest stellt sie gegen den Open-Source-Standard Whisper und die betagte Apple-Vorgängerschnittstelle. Das Ergebnis verschiebt die Frage, ob sensible Audiodaten für eine gute Transkription überhaupt noch das Gerät verlassen müssen.
Das Wichtigste in Kürze
- SpeechAnalyzer erreicht auf sauberer Sprache 2,12 % Wortfehlerrate, Whisper Small kommt auf 3,74 %.
- Die Transkription läuft vollständig on-device, vorausgesetzt iOS 26 oder macOS 26.
- Auf Deutsch liegt die Fehlerrate laut unabhängigem Test bei 6,7 %, dem besten Wert unter den lokalen Engines.
- Schwächen bleiben bei Eigennamen, Fachbegriffen und der Trennung mehrerer Sprecher.
Wie schlägt sich SpeechAnalyzer gegen Whisper?
Das Team hinter der Transkriptions-App Inscribe hat fünf Erkennungs-Engines auf dem Standard-Datensatz LibriSpeech gegeneinander antreten lassen, alle lokal auf einem Mac mit M2-Pro-Chip.[1] Auf sauberer Sprache landet Apples SpeechAnalyzer bei 2,12 % Wortfehlerrate, auf schwierigem Material bei 4,56 %. Whisper Small, bislang die verbreitete Referenz, kommt auf 3,74 und 7,95 %.
Noch größer fällt der Abstand zur alten Apple-Schnittstelle SFSpeechRecognizer aus, die schon auf sauberer Sprache bei 9,02 % beginnt. Beim Tempo liegt SpeechAnalyzer rund dreimal höher als Whisper Small und schafft je nach Engine das Zwölf- bis Vierzigfache der Echtzeit.
Der Grund liegt in der Bauart: Apples Modell ist fest ins Betriebssystem eingebettet und auf die Neural Engine der eigenen Chips zugeschnitten, während Whisper ein portables Allzweckmodell bleibt. Fairerweise sind die getesteten Whisper-Varianten Small und Tiny inzwischen rund vier Jahre alt.
Wo die lokale Spracherkennung an Grenzen stößt?
Der Genauigkeitsvorsprung gilt vor allem für sauberes Englisch. Ein breiter angelegter Vergleich des Anbieters Dictato über 13.000 Aufnahmen in fünf Sprachen sieht SpeechAnalyzer auf Deutsch mit 6,7 % vorn, doch bei Fachvokabular klettert die Fehlerrate auf rund 20 %.[2] Bei Eigennamen und Markennamen bleibt die Schnittstelle schwächer, weil ihr das gezielte Vortrainieren auf bekannte Begriffe fehlt.
Dazu fehlt bislang die Sprecher-Trennung: Ein Meeting mit mehreren Stimmen ergibt einen Textblock ohne Zuordnung. Und der Datenschutz-Vorteil ist kein Automatismus, denn die alte Schnittstelle hat Ton ohne ausdrückliche Einstellung an Apples Server geschickt. SpeechAnalyzer rechnet dagegen lokal, was den Sprung erst interessant macht.
Die eigentliche Nachricht ist nicht das Tempo, sondern der Ort der Berechnung. Wandert kein Ton mehr in die Cloud, löst sich das größte DSGVO-Argument gegen automatische Transkription von selbst auf.
— Markus Seyfferth, Chefredakteur Dr. Web
| Engine (lokal, on-device) | Saubere Sprache | Schwieriges Material |
|---|---|---|
| Apple SpeechAnalyzer | 2,12 % | 4,56 % |
| Whisper Small | 3,74 % | 7,95 % |
| Apple SFSpeechRecognizer (Vorgänger) | 9,02 % | 16,25 % |
Was bedeutet das für Unternehmen im DACH-Raum?
Sobald die Erkennung on-device läuft, verlässt kein Ton mehr das Gerät, und genau daran hängt das größte DSGVO-Argument gegen automatische Transkription per künstlicher Intelligenz. Für Mitschnitte aus Kanzlei, Praxis oder Personalgespräch entfällt die Auftragsverarbeitung mit einem US-Cloud-Dienst samt Schrems-II-Risiko. Diese Verlagerung aufs Endgerät zeigt sich quer durch die Branche, von Adobes On-Device-KI bis zu Sprachmodellen, die auf dem Mac Studio oder verteilt auf eigenen Rechnern laufen.
Praktisch heißt das dreierlei. Für vertrauliche Aufnahmen lohnt der Test lokaler Transkription auf vorhandener Apple-Hardware, bevor ein Cloud-Abo verlängert wird. Bei viel Fachsprache oder vielen Eigennamen gehört eine Nachkorrektur eingeplant oder eine Engine mit anlernbarem Vokabular gewählt. Und Flotten mit Windows oder Android prüfen gleichwertige lokale Modelle, denn der Trend ist längst plattformübergreifend, auch wenn die Integration im Mittelstand noch hakt.
Quellen
[1] Inscribe: „Apple’s new SpeechAnalyzer API, benchmarked against Whisper and its predecessor“ ↩
[2] Dictato: „Apple vs Whisper vs Parakeet vs Qwen3: Speech-to-Text Engines im Test“ ↩
Mehr Newshunger?
- Adobe übernimmt Topaz Labs: Die eigentliche Beute heißt On-Device-KI
- Drei Bugs behoben: So wird Qwen 3.5 122B auf dem Mac Studio alltagstauglich
- Mesh LLM: Wie ein großes KI-Modell über mehrere eigene Rechner verteilt läuft
- KI im Mittelstand: 76 Prozent nutzen sie, 26 Prozent haben sie integriert
- „Frag doch die KI“: Warum diese Reflex-Antwort im Job zum Problem wird
