Lokale und Cloud-Transkription im Vergleich

Um ein Video zu untertiteln, kann die Erkennung auf Ihrem Computer laufen oder auf einem Server, auf den Sie die Datei laden. Beides wird genutzt. Die Unterschiede liegen bei Datenschutz, Kosten, Tempo und der Abhängigkeit vom Netz.

Der Unterschied in einem Satz

Lokale Transkription: Das Modell ist auf Ihrem Mac installiert, und das Audio verlässt ihn nie. Cloud-Transkription: Audio oder Video wird an den Server eines Anbieters gesendet, dort erkannt, und der Text kommt zurück.

Vergleich: Bei lokaler Transkription bleibt die Datei im Computer; bei Cloud-Transkription wird die Datei über das Netz auf einen Server geladen und Text kommt zurück — Schema (Illustration): Wohin die Datei geht, ist verschieden

Vier Vergleichspunkte

	Lokal	Cloud
Datenschutz	Die Datei bleibt auf Ihrem Mac. Passt für unveröffentlichte Interviews, interne Schulungen und Kundenmaterial	Die Datei wird hochgeladen. Ob sie aufbewahrt wird und wie sie genutzt wird, richtet sich nach den Richtlinien des Anbieters, die Sie selbst lesen müssen
Kosten	Modelle sind kostenlos ladbar; die Preise der Werkzeuge unterscheiden sich, vom Einmalkauf bis zu kostenloser Open Source. Es nutzt die Leistung Ihres eigenen Computers	Üblich ist Abrechnung pro Minute oder im Abo, je mehr Sie nutzen, desto mehr zahlen Sie
Tempo	Hängt vom Gerät ab. Macs mit Apple-Chip nutzen Metal-Beschleunigung; ältere Geräte oder solche mit wenig Speicher sind langsamer	Hängt von Ihrer Upload-Geschwindigkeit und der Warteschlange des Servers ab; das Hochladen eines langen Videos dauert für sich schon
Verbindung	Einmal eine Verbindung zum Laden des Modells, danach offline nutzbar	Braucht jedes Mal eine Verbindung

Was der lokale Weg kostet

Speicherplatz und Arbeitsspeicher: Sprachmodelle sind Dateien von einigen hundert MB bis zu mehreren GB.
Warten auf das eigene Gerät: Während der Arbeit wird der Computer wärmer, und die Lüfter können anlaufen.
Vom Gerät begrenzte Funktionen: Cloud-Dienste bieten manchmal Sprechertrennung, Glossare oder Teamarbeit, die einem lokalen Werkzeug fehlen können.

Was Twinsubs konkret tut

Erkennung: Whisper large-v3-turbo, lokal über whisper.cpp ausgeführt (whisper.cpp und die Whisper-Modelle stehen beide unter der MIT-Lizenz).
Übersetzung: die in macOS eingebaute Übersetzung auf dem Gerät. Wenn Sie eine Sprache zum ersten Mal übersetzen, bittet das System Sie eventuell, das Sprachpaket zu laden; danach läuft sie offline.
Das Netz wird nur an zwei Stellen genutzt: beim einmaligen Laden des Sprachmodells und wenn macOS Sprachpakete lädt. Videos und Untertitel werden nie hochgeladen.
Die App sendet anonyme Nutzungsereignisse (Erfolg oder Fehlschlag, Dauer, Systemversion) ohne Dateinamen und ohne Untertiteltext; Sie können sie in den Einstellungen ausschalten. Siehe die Datenschutzerklärung.

So wählen Sie

Inhalte, die Ihre Hände nicht verlassen dürfen, oder lange Videos mit vielen Einträgen: bevorzugt lokal.
Ein schwacher Computer und nur gelegentlich ein kurzer Clip: Die Cloud macht weniger Mühe, lesen Sie aber vorher die Datenschutzbedingungen des Dienstes.
Sie bezahlen schon für einen Editor mit eingebauten Untertiteln: nutzen Sie den, ein Wechsel ist nicht nötig.

Aktualisiert am 2026-10-23. Zurück zur Startseite von Twinsubs