docker-whisper
Selbst gehosteter Whisper-Sprach-zu-Text-Server mit Sprecher-Diarisierung.
Betreiben Sie private Sprach-zu-Text- und Übersetzungs-APIs mit OpenAI-Kompatibilität.
Dieses Tool betreibt einen lokalen Whisper-Sprach-zu-Text-Server in Docker und stellt OpenAI-kompatible Transkriptions-APIs bereit. Es eignet sich für Psychotherapeuten und Ärzte, die eine vollständig private Audioverarbeitung benötigen, ohne sensible Kundensitzungen an Drittanbieter-Clouds zu senden.
Was es ist
Angetrieben von faster-whisper verarbeitet es verschiedene Audioformate, generiert JSON-, SRT- oder VTT-Ausgaben und unterstützt die optionale Sprecher-Diarisierung mit sherpa-onnx. Sie können es auf Standard-CPU-Hardware bereitstellen oder die Inferenz über dedizierte Image-Tags mit einer NVIDIA-GPU beschleunigen.
Für wen
Es eignet sich für Praktiker und Kliniken, die strengen Datenschutz für aufgezeichnete Sitzungen erfordern und containerisierte Bereitstellungen verwalten können. Es ist nicht geeignet für nicht-technische Benutzer, die eine sofort einsatzbereite Desktop-Anwendung ohne Kommandozeilen- oder Docker-Setup benötigen.
Wichtige Funktionen
OpenAI-kompatible APIs
Drop-in-Ersatzendpunkte für bestehende Apps, die POST /v1/audio/transcriptions verwenden.
Sprecher-Diarisierung
Identifizieren Sie anhand optionaler lokaler sherpa-onnx-Erweiterungen, wer in jedem Segment spricht.
SSE-Streaming
Erhalten Sie transkribierte Segmente schrittweise beim Dekodieren, anstatt auf die vollständige Datei zu warten.
Air-Gapped-Modus
Betrieb komplett offline ohne Internetzugang durch vorab zwischengespeicherte Modelle und WHISPER_LOCAL_ONLY.
Startklar in 3 Schritten
Unser ehrliches Fazit
Stärken
- Audio verbleibt vollständig auf Ihrem lokalen Server ohne Datenübertragung an Dritte
- Unterstützt alle Whisper-Modelle einschließlich large-v3 und large-v3-turbo
- Bietet NVIDIA-GPU-CUDA-Beschleunigung für eine schnellere Inferenz
- Bietet mehrere Untertitel- und Antwortformate einschließlich SRT, VTT und ausführlichem JSON
Schwächen
- Erfordert technische Vertrautheit mit Docker, Umgebungsvariablen und Kommandozeilenschnittstellen
- Verbraucht mindestens 700 MB RAM für das Basismodell und deutlich mehr für größere Modelle oder GPU-Runtimes
- Erfordert kompatible Host-Hardware, NVIDIA-Treiber und das NVIDIA Container Toolkit für die GPU-Beschleunigung
Preise & Lizenz
Kostenlos unter seiner Lizenz, ohne kostenpflichtige gehostete Optionen von diesem Projekt. Die einzigen Kosten sind der Betrieb und die Wartung Ihrer eigenen Server-Hardware.
Stellen für Deutschsprachige
876 offene Remote-Stellen im KI-Training, aktualisiert am 15. November 2026; die meisten zahlen $20–$170 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Alternativen
Nutze es, oder lass es uns einrichten
FAQ
Kann ich dies ohne Internetverbindung ausführen?
Ja, Sie können im Offline- oder Air-Gapped-Modus arbeiten, indem Sie Modelle im Voraus cachen und WHISPER_LOCAL_ONLY=true setzen.
Welche Hardware benötige ich?
Sie benötigen einen Linux-Server mit Docker, mindestens 700 MB freiem RAM für das Basismodell und optional eine NVIDIA GPU mit dem Container Toolkit.
Unterstützt es Echtzeit-Mikrofoneingaben?
Dieses Tool ist für vollständige Audiosendungen konzipiert; für Live-Streaming oder Mikrofonerfassung bietet der Autor ein separates docker-whisper-live-Tool an.
