Der erste echte Drittanbieter-Benchmark der Apple SpeechAnalyzer API erreichte gerade 369 Punkte auf HackerNews, und das Ergebnis ist eindeutig: Für die englische Transkription auf aktuellen iPhones und Macs ist „nutze einfach Whisper“ nicht mehr die Standardantwort.
Die Zahlen
Ein 34-minütiges 4K-Video: SpeechAnalyzer transkribierte es in 45 Sekunden. Whisper Large-v3 Turbo benötigte 101 Sekunden. Das sind 55 % schneller – auf derselben Maschine. Pro Sekunde Audio läuft Apples Engine etwa dreimal schneller als Whisper Small und übertrifft es gleichzeitig in der Genauigkeit: Die Wortfehlerrate sinkt von 9,02 % auf 2,12 % bei sauberer englischer Sprache und von 16,25 % auf 4,56 % bei verrauschtem Audio.
Was Entwickler tatsächlich erhalten
SpeechAnalyzer/SpeechTranscriber ist Apples neue system-level Speech-to-Text-API, die den alten SFSpeechRecognizer ersetzt. Sie wird kostenlos mit iOS 26/macOS 26 ausgeliefert – on-device, ohne Modell-Downloads, ohne Minuten-Gebühren. Ein paar Zeilen Swift ermöglichen Meeting-Notizen, Sprachnotiz-Transkription oder Video-Untertitel.
Die Einschränkungen sind real: etwa 30 Sprach-Locales gegenüber Whisper’s ~100, nur Apple-Plattformen, und Eigennamen sowie starke Akzente bringen es immer noch zum Stolpern.
Das wichtigere Signal: Jede Transkriptions-App, deren Versprechen „schnelles lokales Whisper“ war, hat gerade durch das Betriebssystem selbst ihre Schutzschicht verloren.