Whisper Master: spraak-naar-tekst op je Mac, zonder cloud

TL;DR

• Wat: Whisper Master is een gratis macOS-app (beta) die spraak lokaal omzet naar tekst — zonder internetverbinding of cloudverwerking.
• Waarom relevant: Alle audio blijft op je eigen Mac, wat AVG-vragen rond spraakdata grotendeels wegneemt.
• Wat je ermee kunt: Testen of spraakgestuurd typen je dagelijkse mail- en notitiewerk versnelt, zonder privacyrisico.

Ik stuitte op een tweet van ontwikkelaar Shobhit die Whisper Master aankondigde — een dicteer-app voor de Mac die volledig lokaal draait. Geen cloud, geen API-sleutel, geen audio die je apparaat verlaat. Dat trok mijn aandacht, want juist die privacykant maakt spraakherkenning voor veel ondernemers een lastig verhaal.

Wat doet Whisper Master precies?

Het idee is simpel: je houdt één toets ingedrukt (de fn-toets), je praat, en de tekst verschijnt waar je cursor staat. Of dat nu in je mailprogramma is, in Slack, in Notion of in een ander programma — Whisper Master werkt systeembreed.

Onder de motorkap gebruikt de app de NVIDIA Parakeet-technologie voor streaming spraakherkenning. Dat is opvallend, want ondanks de naam "Whisper" in de productnaam draait het dus niet op het bekendere Whisper-model van OpenAI, maar op NVIDIA's Parakeet-familie — modellen die momenteel bovenaan de Hugging Face-ranglijst voor spraakherkenning staan.

De app claimt een foutpercentage van 3,4% op "schone" spraak (dus zonder veel achtergrondlawaai) en een vertraging van zo'n 70 milliseconden tot het eerste woord verschijnt. Ter vergelijking: 70 milliseconden is sneller dan een oogknippering. Je praat en de tekst is er vrijwel direct.

Automatische opschoning

Wat ik interessant vind, is dat de app niet alleen transcribeert maar ook opruimt. Stottermomenten en stopwoorden als "eh" en "uhm" worden automatisch verwijderd. Getallen worden geformatteerd — zeg je "vijfentwintig dollar", dan verschijnt er $25. Je kunt bovendien een eigen woordenlijst instellen voor vaktermen, afkortingen en eigennamen. Dat laatste is voor zakelijk gebruik een groot pluspunt, want spraakherkenning struikelt doorgaans over branchespecifiek jargon.

Wat kost het en wat heb je nodig?

Whisper Master is momenteel gratis beschikbaar als bèta, zonder creditcard. Je hebt wel een Mac met Apple Silicon nodig (de M1-chip of nieuwer) en minimaal macOS 14 Sonoma.

Dat betekent dat als je nog op een oudere Intel-Mac werkt, je hier niet mee uit de voeten kunt. Apple Silicon is nodig omdat de spraakherkenning lokaal draait en daarvoor de rekenkracht van de Neural Engine in die chips gebruikt.

Over de prijs ná de bèta is nog niets bekendgemaakt. Vergelijkbare apps zoals MacWhisper vragen rond de €49-€69 als eenmalige aanschaf voor de pro-versie. Ik zou verwachten dat Whisper Master in een vergelijkbare richting gaat, maar dat is op dit moment speculatie.

Waarom lokale spraakherkenning interessant is voor ondernemers

Hier zit wat mij betreft de kern. De meeste spraak-naar-tekst-diensten — denk aan de dicteerfunctie van Google of de cloud-versie van OpenAI's Whisper — sturen je audio naar een server. Daar wordt het verwerkt, en de tekst komt terug. Dat werkt prima, maar het betekent wél dat je audiodata je apparaat verlaat.

Voor persoonlijke notities maakt dat misschien niet zoveel uit. Maar stel dat je als ondernemer klantgesprekken samenvat, juridische notities inspreekt, of medische informatie dicteert. Dan loop je al snel tegen de AVG aan. Audio is namelijk biometrisch gegeven — het is herleidbaar naar een persoon. De AVG stelt strenge eisen aan de verwerking daarvan.

Een tool die alles lokaal verwerkt en nul bytes uploadt, neemt een groot deel van die zorg weg. Er is geen verwerkersovereenkomst nodig met een cloudprovider, geen vraag waar de data wordt opgeslagen, en geen risico dat audiobestanden op een server blijven staan.

Ik wil hier wel een kanttekening bij plaatsen: "lokaal" betekent niet automatisch "AVG-compliant". Als je de getranscribeerde tekst vervolgens opslaat in een clouddienst of deelt via e-mail, gelden er uiteraard nog steeds privacyregels. Maar de eerste stap — de spraakverwerking zelf — is bij een lokale tool als Whisper Master in ieder geval afgedekt.

Hoe verhoudt het zich tot andere opties?

De Mac heeft al een ingebouwde dicteerfunctie. Die werkt redelijk, maar testen laten zien dat de nauwkeurigheid ervan rond de 92-95% ligt, tegenover 96-97% voor Whisper-gebaseerde tools. Dat klinkt als een klein verschil, maar in de praktijk betekent het twee tot drie extra fouten per alinea — en dus meer corrigeerwerk achteraf.

Daarnaast zijn er apps als MacWhisper en Superwhisper die vergelijkbare functionaliteit bieden. Wat Whisper Master onderscheidt is de combinatie van systeembrede dictatie (tekst verschijnt waar je cursor staat, in élk programma), automatische opschoning, en het gebruik van NVIDIA's Parakeet-modellen in plaats van OpenAI's Whisper.

Of dat in de praktijk ook tot betere resultaten leidt, kan ik op basis van de beschikbare informatie niet beoordelen. Het model scoort hoog op Engelstalige benchmarks, maar voor Nederlandse spraak — met onze tweeklanken, samenstellingen en tangconstructies — is dat geen garantie. Nederlandse spraakherkenning blijft een apart vraagstuk, en de Parakeet v3 ondersteunt weliswaar 25 Europese talen, maar hoe goed het Nederlands daadwerkelijk is, zal moeten blijken.

De bredere trend: AI-tools die lokaal draaien

Wat mij opvalt aan Whisper Master is niet zozeer de app zelf, maar het patroon. Er komen steeds meer AI-tools die bewust kiezen voor lokale verwerking in plaats van de cloud. Dat is een verschuiving die ik al langer zie: modellen worden klein genoeg om op een laptop te draaien, en gebruikers — en zeker bedrijven — worden kritischer over waar hun data naartoe gaat.

Voor ondernemers is dat relevant, omdat het de drempel verlaagt om AI-tools te gebruiken zonder meteen een heel privacyvraagstuk op tafel te leggen. Geen verwerkersovereenkomst, geen DPIA, geen gedoe met serverlocaties.

Kun je je voorstellen wat dat betekent als je dagelijks een uur kwijt bent aan het typen van e-mails, verslagen of offertes? Zelfs als spraakherkenning je maar 30% van die tijd bespaart, is dat een merkbaar verschil — en bij een lokale tool hoef je je niet af te vragen of je audiodata ergens op een server in Virginia staat.

Voor mij is dit vooral een signaal dat lokale AI-verwerking uit de hobbysfeer aan het groeien is. Het is niet langer iets voor ontwikkelaars die graag in de Terminal werken — het wordt verpakt in nette apps met één knop. En dat maakt het voor de eerste keer echt bruikbaar voor mensen die gewoon hun werk willen doen.