Vibe
im Test.

Wer ein Personalgespräch oder einen Mandantentermin verschriftlichen lässt, schickt bei den üblichen Diensten die vollständige Aufnahme an einen fremden Server. Vibe transkribiert die Aufnahme auf dem Rechner, auf dem sie ohnehin liegt. Im Kern rechnet whisper.cpp, das dieselbe Erkennung leistet, dafür aber die Kommandozeile verlangt. Vibe legt ein Fenster darüber, in das du die Datei einfach hineinziehst.

Wichtigste Funktionen

• Ziehen mit der Maus-Transkription: Du ziehst die Audio- oder Videodatei in das Fenster und wählst die Sprache, mehr verlangt Vibe nicht. Statt einer Datei nimmt Vibe auch eine Webadresse entgegen und lädt das Audio selbst herunter. Mehrere Aufnahmen arbeitet Vibe als Stapel nacheinander ab.
• Sprechererkennung: Vibe ordnet die Abschnitte eines Transkripts den einzelnen Sprechern zu und lädt dafür ein zusätzliches Modell nach. Bei Interviews und Runden mit mehreren Beteiligten erspart das die Nacharbeit, in der sonst jemand von Hand markiert, wer gerade spricht.
• Diktat per Tastenkurzbefehl: Ein systemweiter Tastenkurzbefehl startet die Aufnahme und legt den erkannten Text in die Zwischenablage oder tippt ihn direkt in das Programm, das gerade offen ist. Du wählst zwischen Push-to-Talk, das nur aufnimmt, solange die Taste gedrückt bleibt, und einem Umschalter.
• Modelle aus eigener Quelle: Beim ersten Start holt Vibe das Standardmodell Whisper large-v3-turbo von Hugging Face. In den Einstellungen trägst du stattdessen jede andere Adresse ein, etwa die eines internen Servers, und auch der Ordner für die Modelldateien ist umstellbar. Neben Whisper laufen Parakeet TDT v3 und Nemotron 3.5.
• Rechnen auf der Grafikkarte: Vibe nutzt NVIDIA-, AMD- und Intel-Karten über die Grafikschnittstelle Vulkan sowie Apple Silicon über CoreML. Für Windows-Rechner, deren Prozessor den AVX2-Befehlssatz nicht kennt, hält das Projekt eine ältere Fassung ohne Vulkan bereit.
• Export und Anbindung: Transkripte gehen als TXT, SRT, VTT, HTML, PDF, JSON oder DOCX heraus, mit Zeitmarken, die für Untertitel genau genug sind. Für die Automatisierung hat Vibe zusätzlich eine Kommandozeilen-Fassung und eine dokumentierte HTTP-Schnittstelle, über die andere Programme eine Transkription anstoßen.

Preise und Tarife

Vibe steht unter der MIT-Lizenz und kostet nichts, privat wie gewerblich. Das Projekt hat über 7.000 GitHub-Sterne, die aktuelle Fassung 3.0.23 stammt vom 15. Juli 2026.

Die Modelle lädt Vibe kostenlos herunter, die Rechenleistung stellt dein eigener Rechner. Geld fließt höchstens für Hardware, wenn eine Grafikkarte die Transkription beschleunigen soll, oder für die Claude-Schnittstelle, falls du Zusammenfassungen darüber erzeugen lässt. Diese Kosten für Hardware und Schnittstelle sind Nettobeträge, die Umsatzsteuer kommt hinzu.

Für wen ist Vibe geeignet?

• Kanzleien, Arztpraxen und Behörden: Mandantengespräche, Anamnesen und Anhörungen sind vertraulich, ein Cloud-Dienst scheidet damit aus. Vibe transkribiert sie am Arbeitsplatz, und mit abgeschalteter Nutzungsstatistik bleibt als einzige Außenverbindung die Update-Abfrage bei GitHub.
• Redaktionen und Podcast-Produktion: Für Shownotes, Untertitel und Zitate zählt vor allem die Sprechererkennung, weil sie im Interview trennt, wer was gesagt hat. Die Zeitmarken passen direkt in Untertiteldateien.
• IT-Abteilungen, die viele Arbeitsplätze ausstatten: Die Installationspakete für Mac, Windows und Linux verteilst du über die üblichen Wege, die Modelldateien holt Vibe wahlweise vom eigenen Server. Über die Kommandozeilen-Fassung bindest du Vibe in bestehende Abläufe ein.

DSGVO und Datenschutz

Die Transkription selbst läuft ohne Netz. Audiodateien, Transkripte und Modelle liegen auf dem Rechner, ein Nutzerkonto gibt es nicht, und eine gehostete Fassung von Vibe existiert nicht. Ab Werk sind trotzdem 2 Verbindungen nach außen aktiv.

Die fertigen Installationspakete melden anonyme Nutzungsereignisse an den Analysedienst Aptabase, nach der Datenschutzerklärung vom 8. Februar 2026 den Ereignisnamen, Fehlermeldungen ohne Dateinamen oder Inhalte, Betriebssystem, App-Version und das Land ohne gespeicherte IP-Adresse. Der Quelltext bestätigt das, im Auslieferungszustand ist die Meldung eingeschaltet, und unter Einstellungen, Datenschutz schaltest du sie ab. Welcher Server die Ereignisse entgegennimmt, hinterlegt das Projekt beim Bauen als Geheimnis und veröffentlicht es nicht. Bei jedem Start fragt Vibe zusätzlich bei GitHub nach einer neuen Version, installiert sie aber erst nach deiner Bestätigung und nur als signiertes Paket.

Die Zusammenfassung eines Transkripts geht an die Claude-Schnittstelle, sofern du diese Funktion einschaltest. Im Auslieferungszustand ist sie aus. Für den Betrieb ohne externen Anbieter hängst du Vibe stattdessen an ein lokales Modell im eigenen Unternehmen.

Für den Auslieferungszustand fehlt damit der Nachweis, denn der Standort des Statistik-Servers ist nicht ausgewiesen, und einen Auftragsverarbeitungsvertrag gibt es mangels Unternehmen hinter dem Projekt ohnehin nicht. Wer die Statistik ausschaltet, die Modelle von einer eigenen Adresse bezieht und auf Zusammenfassungen über Claude verzichtet, kann Vibe auch für Aufnahmen aus Personalgesprächen oder Sprechstunden einsetzen.

Alternativen zu Vibe

• whisper.cpp: Dieselbe Erkennung ohne grafische Oberfläche, dafür schlanker im Ressourcenbedarf und ohne Nutzungsstatistik. Das passt, wenn die Transkription Teil einer Automatisierung wird, zum Beispiel zusammen mit n8n.
• Open Wispr: Kostenlose macOS-App fürs Diktieren mit Push-to-Talk. Vibe beherrscht das inzwischen ebenfalls, Open Wispr bleibt die schlankere Wahl, wenn es nur ums Diktieren geht.
• Superwhisper: Diktier-App mit Offline-Modus und anpassbaren Tonfall-Modi. Kostenpflichtig in der Pro-Version, dafür mit KI-Textformatierung und Meeting-Aufnahme.