Audio-Transcriber für WhatsApp-Sprachnachrichten
Lokale Browser-Transkription mit WebGPU ohne Cloud (Eigenentwicklung)
Die Herausforderung
Sprachnachrichten kosten im Berufsalltag Zeit beim Abhören und lassen sich in Chat-Verläufen nicht durchsuchen. Wer sie in Textform braucht, möchte vertrauliche Sprachaufnahmen nicht an Cloud-Dienste übermitteln. Herkömmliche Transkriptions-APIs verursachen zudem laufende Minutenpreise und erfordern dauerhaften Internetzugang.
Der Ansatz
Zwei Browser-Komponenten: Eine Chrome-Erweiterung für WhatsApp Web und eine eigenständige Web-App für beliebige Audiodateien. Ein isolierter Interceptor fängt Sprachnachrichten in WhatsApp Web ab. Die Transkription läuft in einem Browser-Hintergrundprozess mit Transformers.js und ONNX Runtime Web: hardwarebeschleunigt über WebGPU auf der Grafikkarte oder per mehrfädigem WebAssembly auf dem Prozessor. Eine Modell-Galerie ermöglicht die Wahl zwischen Whisper Tiny (75 MB) und Whisper Large Turbo (1,5 GB) mit Speicherplatz-Prüfung und lokalem Caching im Browser.
Die Lösung
Ein getesteter Prototyp mit stabiler Chrome-Erweiterung (Manifest V3) und lokaler Web-App. Sprachnachrichten lassen sich direkt an der Chat-Nachricht mit einem Klick transkribieren, durchsuchen und exportieren. Die Audiodaten bleiben vollständig im Arbeitsspeicher des Browsers. Vorbereitung der öffentlichen Beta-Phase über ein freies Web-Tool und den Chrome Web Store.
Lokale Inferenz im Browser statt Cloud-APIs
Klassische Sprach-zu-Text-Dienste übertragen Audiodateien an zentrale Serverfarmen. Bei vertraulichen Mandantengesprächen, internen Absprachen oder privaten Nachrichten verbietet sich dieser Weg oft aus Datenschutzgründen.
Durch moderne WebGPU-Standards führen Browser neuronale Netze direkt auf der lokalen Grafikkarte aus. Der Audio-Transcriber bindet Whisper-Modelle über ONNX Runtime Web ein. Wenn keine kompatible Grafikkarte bereitsteht, greift automatisch eine multithreaded WebAssembly-Variante mit SIMD-Befehlssatz auf der CPU ein.
Datenschutz, Zero-Data-Retention und Offline-Betrieb
Die Erweiterung benötigt keine eigenen Backend-Server, keine Benutzerkonten und keine API-Schlüssel. Der gesamte Datenfluss bleibt auf die lokale Browsersitzung beschränkt.
Sobald ein Whisper-Modell einmal in den Cache des Browsers geladen wurde, funktioniert die Spracherkennung komplett ohne aktive Internetverbindung. Audiodaten werden nach der Verarbeitung im flüchtigen Speicher verworfen; nur die erzeugten Transkripte speichert der Browser lokal im Erweiterungsspeicher.
Modell-Galerie und Hardware-Ressourcen
Unterschiedliche Rechner verfügen über verschiedene Leistungsreserven. Die integrierte Modell-Galerie bietet fünf Modellstufen: von Whisper Tiny für schnelle Notizen bis zu Whisper Large Turbo für anspruchsvolle Sprachaufnahmen mit Dialekt oder Hintergrundgeräuschen.
Vor jedem Modell-Download prüft eine Quota-Prüfung den verfügbaren Festplattenspeicher. Nutzer können heruntergeladene Modelle mit zwei Klicks wieder aus dem Browser-Cache entfernen.
Eingesetzte Technologien
Ihr Projekt. Meine Erfahrung.
Sie planen etwas Ähnliches? In einem kostenlosen Erstgespräch klären wir, was Sie brauchen und was nicht.