Superwhisper: KI-Modelle und Technik
Welche Modelle erkennen die Sprache, trennen die Sprecher und erzeugen die Dokumente? Belegte Herstellerangaben und begründete Einschätzungen sind getrennt gekennzeichnet.
Kurzfassung
Superwhisper nutzt Open-Weight-Modelle für die Spracherkennung und ein eigenes Modell als Sprachmodell.
Für die Spracherkennung stehen lokale Modelle wie Cohere Transcribe, Whisper large-v3 Turbo oder Parakeet Multilanguage zur Wahl, ebenso Cloudmodelle wie S1-Voice, Deepgram Nova-3 oder ElevenLabs Scribe. Die Textbearbeitung läuft standardmäßig über S1-Language in der Cloud, GPT-Modelle und weitere Textmodelle sind wählbar. Mit lokalem Erkennungsmodell und ohne Cloud-Textmodell bleibt die gesamte Verarbeitung auf dem Gerät.
Auf einen Blick
Einordnung: Starke Modelle- Spracherkennung: Open-Weight-Modelle
- Dokumenterstellung: Eigenes Modell
Fazit zur Technik
Starke Modelle: Nach Referenzwerten ist die Spracherkennung mindestens so gut wie der Median aktueller Modelle.
Für die Spracherkennung setzt Superwhisper auf Cohere Transcribe.
Cohere Transcribe erreicht im Hugging Face Open ASR Leaderboard, Deutsch (FLEURS und Common Voice) 3,1 % WER. Der Median aller dort gemessenen Modelle liegt bei 4,1 % WER. Der Wert ist mindestens so gut wie der Median und ergibt damit „Stark“.
Für die Dokumenterstellung setzt Superwhisper auf S1-Language. Für Eigenentwicklungen des Anbieters gibt es keine unabhängigen Vergleichswerte.
Im ScribeIndex-Test „Allgemeine Diktate“ erreicht Superwhisper eine Wortfehlerrate von 12,2 %.
Verarbeitungskette
- Audio
- Spracherkennung: Cohere Transcribe · belegt, Whisper large-v3 Turbo (optional) · belegt, Parakeet Multilanguage (optional) · belegt, Deepgram Nova-3 (optional) · belegt, ElevenLabs Scribe v2 (optional) · belegt
- Dokumenterstellung: S1-Language · belegt, GPT-Familie (optional) · belegt
- Ergebnis
belegt: Angabe des Herstellers oder eines offiziellen Partners. Einschätzung: abgeleitet aus Unterauftragsverarbeiterlisten, technischen Merkmalen oder Veröffentlichungen
Welches Modell wandelt Sprache in Text um?
Lokale Erkennungsmodelle oder Cloudmodelle zur Auswahl, darunter S1-Voice von Superwhisper selbst.
Cohere Transcribe
Nachweis: belegt (Vom Anbieter oder einem offiziellen Partner selbst genannt, samt Einsatzzweck)- Anbieter: Cohere
- Herkunft: Offenes Modell
Die Hilfe zu den Sprachmodellen nennt Cohere Transcribe als lokales Pro-Modell mit Deutsch. Es läuft über MLX mit 4-Bit-Genauigkeit. Die Sicherheitsseite empfiehlt es für lokale Diktate.
Einstufung: Stark (Im unabhängigen Benchmark mindestens so gut wie der Median aller gemessenen Modelle) · Referenzwert für genau dieses Modell
- Cohere Transcribe · Eintrag CohereLabs/cohere-transcribe-03-2026: 3,1 % WER · Stark · Hugging Face Open ASR Leaderboard, Deutsch (FLEURS und Common Voice)
Unabhängiger Referenzwert für das eingesetzte Modell. Die Konfiguration im Produkt kann abweichen.
- Quelle: Superwhisper: Sprachmodelle
- Quelle: Superwhisper: sensible Daten
Whisper large-v3 Turbo
Nachweis: belegt · Optionales Modul (Zählt nicht zur Bewertung der Kernverarbeitung deutscher Gespräche)- Anbieter: OpenAI
- Herkunft: Offenes Modell
Whisper large-v3 Turbo ist als mehrsprachiges lokales Erkennungsmodell wählbar.
Einstufung: Schwach (Vor dem Abzug „Solide“. ScribeIndex stuft das Modell um eine Stufe herunter, die Begründung steht unter den Referenzwerten) · Referenzwert für genau dieses Modell
- Whisper Large v3 Turbo · ohne Streaming, Groq API: 4,6 % WER · Solide · AA Word Error Rate Index
- Whisper Large v3 Turbo · Eintrag openai/whisper-large-v3-turbo: 6,12 % WER · Solide · Hugging Face Open ASR Leaderboard, Deutsch (FLEURS und Common Voice)
Unabhängiger Referenzwert für das eingesetzte Modell. Die Konfiguration im Produkt kann abweichen. ScribeIndex stuft Whisper um eine Stufe herunter. Studien belegen für Whisper erfundene Textpassagen, bei englischen Aufnahmen über die Whisper-API 2023 in rund 1 % der Transkripte und bei Whisper large-v3 in 40 % der Eingaben ohne Sprache. Solche Halluzinationen kommen natürlich bei allen Spracherkennungsmodellen vor, ausschlaggebend sind hier jedoch die eigenen Tests von ScribeIndex mit deutschen Aufnahmen, in denen Whisper hinter seinen Referenzwerten zurückbleibt. Studien: Koenecke et al. 2024, Barański et al. 2025.
- Quelle: Superwhisper: Sprachmodelle
Parakeet Multilanguage
Nachweis: belegt · Optionales Modul- Anbieter: NVIDIA
- Herkunft: Offenes Modell
Das mehrsprachige Parakeet-Modell ist als lokale Erkennungsalternative mit deutscher Unterstützung dokumentiert.
Einstufung: Stark · Referenz der Modellfamilie
- NVIDIA Parakeet TDT 0.6B v3 · Eintrag nvidia/parakeet-tdt-0.6b-v3: 4,12 % WER · Stark · Hugging Face Open ASR Leaderboard, Deutsch (FLEURS und Common Voice)
- NVIDIA Parakeet RNNT 1.1B · ohne Streaming, Replicate API: 5,4 % WER · Solide · AA Word Error Rate Index
- NVIDIA Parakeet TDT 0.6B v2 · ohne Streaming, NVIDIA API: 6,4 % WER · Solide · AA Word Error Rate Index
Für das eingesetzte Modell gibt es keinen eigenen Referenzwert. Die Werte zeigen die Spannweite der Modelle dieser Familie.
- Quelle: Superwhisper: Sprachmodelle
Deepgram Nova-3
Nachweis: belegt · Optionales Modul- Anbieter: Deepgram
- Herkunft: Drittanbieter-API
Die Hilfe zu den Sprachmodellen führt Nova-3 und Nova-2 als wählbare Cloudmodelle, die Deepgram betreibt.
Einstufung: Solide (Im unabhängigen Benchmark schlechter als der Median, höchstens um den Faktor zwei) · Referenzwert für genau dieses Modell
- Deepgram Nova-3 · ohne Streaming, Telnyx API: 4,8 % WER · Solide · AA Word Error Rate Index
- Deepgram Nova-3 · ohne Streaming, Deepgram API: 5,2 % WER · Solide · AA Word Error Rate Index
- Deepgram Nova-3 Realtime · Streaming, Deepgram API: 6,6 % WER · Solide · AA Word Error Rate Streaming Index (Final Transcription)
Unabhängiger Referenzwert für das eingesetzte Modell. Die Konfiguration im Produkt kann abweichen.
- Quelle: Superwhisper: Sprachmodelle
ElevenLabs Scribe v2
Nachweis: belegt · Optionales Modul- Anbieter: ElevenLabs
- Herkunft: Drittanbieter-API
Die Hilfe zu den Sprachmodellen führt Scribe v2 als wählbares Cloudmodell, das ElevenLabs betreibt.
Einstufung: Stark (Vor dem Abzug „Spitzenklasse“. ScribeIndex stuft das Modell um eine Stufe herunter, die Begründung steht unter den Referenzwerten) · Referenzwert für genau dieses Modell
- ElevenLabs Scribe v2 · ohne Streaming, ElevenLabs API: 2,2 % WER · Spitzenklasse · AA Word Error Rate Index
- ElevenLabs Scribe v2 · Eintrag elevenlabs/scribe_v2: 2,25 % WER · Spitzenklasse · Hugging Face Open ASR Leaderboard, Deutsch (FLEURS und Common Voice)
Unabhängiger Referenzwert für das eingesetzte Modell. Die Konfiguration im Produkt kann abweichen. ScribeIndex stuft ElevenLabs Scribe um eine Stufe herunter. Die deutschen Referenzwerte von ElevenLabs Scribe stammen aus vorgelesenen Einzelsätzen. Vorgelesene Sätze sind natürlich für jedes Modell leichter als freie Gespräche, ausschlaggebend sind hier jedoch die eigenen Tests von ScribeIndex mit deutschen Aufnahmen, in denen ElevenLabs Scribe hinter diesen Werten zurückbleibt.
- Quelle: Superwhisper: Sprachmodelle
Modellabgleich im 4. Quartal 2026: Keine eindeutige Zuordnung. ScribeIndex hat die Ausgaben von Superwhisper für 105 eigene Prüfeingaben mit den typischen Ausgaben bekannter Spracherkennungsmodelle verglichen. Kein Referenzmodell erreicht 40 % der Prüfeingaben.
Welches Sprachmodell erstellt Notiz, Bericht oder Zusammenfassung?
S1-Language als Standard, weitere Textmodelle frei wählbar.
S1-Language
Nachweis: belegt- Anbieter: Superwhisper
- Herkunft: Eigenentwicklung
Die Hilfe zu den Textmodellen nennt S1-Language als Standard für die cloudbasierte Textbearbeitung. Laut Superwhisper sind die Modelle der S1-Familie im eigenen Haus trainiert und feinabgestimmt, ein Basismodell nennt Superwhisper nicht. Modi ohne KI-Ausarbeitung überspringen diese Stufe.
Einstufung: Ohne Referenz (ScribeIndex vergibt keine Stufe, weil ein unabhängiger Benchmarkwert fehlt) · Eigenentwicklung ohne unabhängige Referenz
Eigenentwicklung des Anbieters. Für eigene Modelle gibt es keine unabhängigen Benchmarks. Über ihre Qualität sagt das nichts. Wie gut der Dienst arbeitet, zeigen die ScribeIndex-Testergebnisse.
- Quelle: Superwhisper: Textmodelle
- Quelle: Superwhisper: S1-Modellfamilie
GPT-Familie
Nachweis: belegt · Optionales Modul- Anbieter: OpenAI
- Herkunft: Drittanbieter-API
Die Hilfe zu den Textmodellen führt wählbare GPT-Modelle für eigene Modi und API-Verbindungen auf.
Einstufung: Stark · Referenz der Modellfamilie
- GPT-6.1 Sol · Reasoning-Stufe maximal: 52 Punkte · Spitzenklasse · AA Intelligence Index
- GPT-5.6 Sol · Reasoning-Stufe maximal: 47 Punkte · Stark · AA Intelligence Index
- GPT-5.6 Terra · Reasoning-Stufe maximal: 42 Punkte · Stark · AA Intelligence Index
- GPT-5.4 · Reasoning-Stufe sehr hoch · Schätzwert von Artificial Analysis: 39 Punkte · Stark · AA Intelligence Index
- GPT-5.5 · Reasoning-Stufe sehr hoch: 38 Punkte · Stark · AA Intelligence Index
4 weitere Referenzwerte in den Daten zu Superwhisper (JSON).
Für das eingesetzte Modell gibt es keinen eigenen Referenzwert. Die Werte zeigen die Spannweite der Modelle dieser Familie.
- Quelle: Superwhisper: Textmodelle
Modellabgleich im 4. Quartal 2026: Keine eindeutige Zuordnung. ScribeIndex hat die Ausgaben von Superwhisper für 75 eigene Prüfeingaben mit den typischen Ausgaben bekannter Sprachmodelle verglichen. Kein Referenzmodell erreicht 40 % der Prüfeingaben. Superwhisper gibt eine Eigenentwicklung an.
Wo werden die Daten verarbeitet und gespeichert?
Verarbeitung auf dem Gerät, Cloud-KI optional.
Lokale Ausführung und Cloud-APIs
Nachweis: belegt- Anbieter: Superwhisper
Die Sicherheitsseite trennt lokale Audioerkennung, Cloud-Erkennung, optionale Textmodelle und eigene API-Schlüssel. Jeder Modus bestimmt seinen Datenweg.
- Quelle: Superwhisper: sensible Daten
Für Rechenzentren und Hosting gibt es keinen Modellleistungswert. Maßgeblich sind Verarbeitungsort und Datenschutz.
Häufige Fragen
Welches KI-Modell nutzt Superwhisper?
- Für die Spracherkennung nutzt Superwhisper Cohere Transcribe.
- Für die Dokumenterstellung nutzt Superwhisper S1-Language.
Welches Modell wandelt bei Superwhisper Sprache in Text um?
- Cohere Transcribe, Cohere, belegt
Außerhalb der Kernverarbeitung nutzt Superwhisper Whisper large-v3 Turbo (optionales Zusatzmodul), Parakeet Multilanguage (optionales Zusatzmodul), Deepgram Nova-3 (optionales Zusatzmodul) und ElevenLabs Scribe v2 (optionales Zusatzmodul).
Welches Sprachmodell erstellt bei Superwhisper Notiz, Bericht oder Zusammenfassung?
- S1-Language, Superwhisper, belegt
Außerhalb der Kernverarbeitung nutzt Superwhisper die GPT-Familie (optionales Zusatzmodul).
Quellen
Technische Dokumentation, Unterauftragsverarbeiter, Partnerschaften und Veröffentlichungen zu Superwhisper. Stand 20. Oktober 2026.
- Superwhisper: Sprachmodelle superwhisper.com · abgerufen am 15. Oktober 2026
- Superwhisper: sensible Daten superwhisper.com · abgerufen am 15. Oktober 2026
- Superwhisper: Textmodelle superwhisper.com · abgerufen am 15. Oktober 2026
- Superwhisper: S1-Modellfamilie superwhisper.com · abgerufen am 20. Oktober 2026