Whisper — September 2026
10 Beiträge im September 2026.
- LAUNCH30. Sept.Oído: Open-Source-Spracherkennung schlägt Whisper-tiny auf 5-Dollar-MikrocontrollerSpracherkennung mit 3,7 % WER (LibriSpeech clean) auf einem 5-Dollar-Chip ohne GPU oder NPU öffnet Edge-Deployments für Geräte mit minimalem Budget. Unter Realbedingungen (Lärm, Nachhall) liegt der Vorteil gegenüber Whisper-tiny.en bei über 3,5 Prozentpunkten WER.
- LAUNCH26. Sept.MLXUI: Browser-UI für lokale MLX-Modelle auf Apple SiliconMac-Entwickler können damit ohne API-Keys oder Telemetrie lokal LLMs, Whisper, TTS- und Vision-Modelle über eine einheitliche Browser-Oberfläche betreiben – inklusive RAM-Filter für passgenaue Modellauswahl.
- LAUNCH23. Sept.GUI Harness: Lokales LLM-Framework mit eigenem Render-Engine als Single-BinaryDas Tool erlaubt vollständig lokale LLM-Agenten-UIs ohne Browser oder Installation – inklusive revertierbarer Aktionen und sprachgesteuerter GUI-Erzeugung. Interessant für Entwickler, die souveräne, cloud-freie Agent-Oberflächen bauen wollen.
- LAUNCH17. Sept.Intel veröffentlicht OpenVINO 2026.4 mit erweiterter GenAI-ModellunterstützungEntwickler können jetzt Modelle wie Qwen3-VL, Gemma 4 und DeepSeek OCR-2 direkt auf Intel-Hardware (inkl. NPU) mit verbessertem Durchsatz und geringerer Latenz betreiben – ohne größere Code-Änderungen durch neue Framework-Integrationen.
- FORSCHUNG14. Sept.LATE Toolkit: Open-Source ASR für Latvisch und Latgalisch mit Whisper Fine-TuningWer Voice-Agents für Nischensprachen oder datenschutzsensible Umgebungen baut, bekommt mit LATE eine deployfertige lokale ASR-Lösung inkl. quantisierter Modelle. Transfer Learning von Latvisch auf Latgalisch (nur 40 Stunden Daten, 9,1 % WER) zeigt, wie weit spezialisiertes Fine-Tuning billige Datensätze hebeln kann.
- LAUNCH12. Sept.Tencent AuK-Flash: 1,5B Speech-Modell mit 4-Schritt-InferenzAuK-Flash bündelt über ein Dutzend Sprach-Tasks (TTS, Editing, Enhancement, Separation) in einem einzigen 1,5B-Modell mit natürlichsprachlicher Steuerung und schneller 4-Schritt-Inferenz. Für AI-Builder bedeutet das eine schlankere Alternative zu mehreren Spezialsystemen, verfügbar über Hugging Face und GitHub.
- LAUNCH03. Sept.sanoTTS: Kleinstes neuronales TTS-Modell mit 294k Parametern läuft auf 3-Dollar-MikrocontrollerEntwickler können hocheffiziente Sprachsynthese direkt auf Embedded-Hardware ohne Cloud-Anbindung deployen. Mit WebAssembly-Unterstützung (npm install sanotts-web) und einer WER von ~2% ist das Modell auch für Browser- und Edge-Anwendungen praxistauglich.
- LAUNCH03. Sept.Repodify: Lokaler Open-Source-Podcast-Summarizer mit LangGraph-PipelineEntwickler können damit lange Podcast-Archive kompakt aufbereiten, ohne Audiodaten in die Cloud zu laden. Die modulare Pipeline (faster-whisper, Ollama, F5-TTS/Kokoro, pyannote) erlaubt flexiblen Austausch einzelner ML-Stufen lokal oder über eigene API-Keys.
- MEINUNG03. Sept.Community-Diskussion: Beste lokale STT-Interfaces für ProduktivitätFür AI-Builder, die Voice als primäres Input-Interface nutzen wollen: Die Wahl zwischen Latenz (Parakeet) und Genauigkeit (Whisper) sowie Mikrofon-Qualität sind entscheidende Faktoren für zuverlässiges lokales STT im Coding-Workflow.
- LAUNCH01. Sept.Vellium v1.1.0: Open-Source-Desktop-App mit lokalem STT/TTS und Live-VoiceFür lokale AI-Setups interessant: Vollständige Voice-Pipeline (STT + TTS) läuft ohne Cloud-Anbindung; das persistente TTS-Prozessmodell vermeidet Model-Reloads zwischen Antworten und reduziert Latenz. llama.cpp-Backends lassen sich nun per Auto-Detection einbinden.