Whisper: Franse audio offline transcriberen

Door Emmanuel Sauvage · Gepubliceerd · Bijgewerkt

Deze pagina kan Amazon-affiliatelinks bevatten. Een aankoop na een klik kan de site een commissie opleveren, zonder extra kosten voor jou. Het advies blijft onafhankelijk. Hoe affiliatie werkt.

Wil je in het Frans transcriberen: telefoonvergaderingen, spraakberichten of lessen, zonder een online dienst (software op een abonnement, vaak SaaS genoemd, voor Software as a Service)? Whisper is een open-sourcemodel voor spraakherkenning, uitgebracht door OpenAI. Het pakket openai-whisper en whisper.cpp draaien op jouw machine: de audio gaat niet naar OpenAI als je hun cloud-API niet gebruikt. Alleen de eerste download van de gewichten van het model kan via internet gaan. Deze gids vult eerste stappen met Whisper aan met een concrete keten (ffmpeg plus een test met een MP3).

Welk programma kies je? Beginner: pip install openai-whisper plus ffmpeg (stappen 1–4). Zonder Python, of een bescheiden pc: whisper.cpp (het alternatieve stuk). Grafische interface: LM Studio voor één bestand dat je sleept. Handig voor een losse test, en weinig geschikt voor vergaderingen van meerdere uren of een batch van veel opnames (geen lange wachtrij zoals op de opdrachtregel).

Gebruik thuis

Situatie Wat lokaal oplevert
Verslag van een vergadering Geen opname op een Amerikaanse server
Notities voor iemand die slecht hoort Bewerkbare tekst, eigen archief
Keten met een LLM Transcriptie, daarna een samenvatting via Ollama
Meerdere bestanden per week Ga naar het model medium, of naar het blok Verder gaan, na de MP3-test

Voor de regels leg je dit naast privacy als AI thuis blijft als de opnames over andere mensen gaan.

Hardware die je nodig hebt

Profiel CPU GPU Aanwijzing
Af en toe, korte bestanden 4 recente kernen Optioneel Model small
Vergaderingen van 1 uur 8 kernen Versnelt sterk medium
Hoogste kwaliteit Workstation VRAM van 8 GB of meer (VRAM voor beeldmodellen en LLM’s) large (bestanden langer dan ongeveer 30 min. Daaronder is medium op 8 GB vaak veiliger)

Reken op alleen de CPU op ongeveer 2× tot 10× de lengte van de audio, afhankelijk van het bestand. Bewaar op een GPU met 8 GB VRAM medium of large vooral voor bestanden voorbij ongeveer 30 minuten audio. Daaronder houdt small de geheugendruk laag en blijft er ruimte over als Ollama tegelijk draait. Een behoorlijke USB-microfoon verbetert de bron (optioneel: de ingebouwde microfoon is genoeg voor een eerste test — zie eerste stappen met Whisper voor de keuze van de microfoon).

Stap 1 — ffmpeg installeren en PATH controleren

ffmpeg is het programma dat bijna alle audioformaten leest. Whisper leunt daar in de meeste installaties op. Valideer ffmpeg voor pip install whisper. Sla je deze stap over, dan faalt stap 4 vaak met “ffmpeg not found”.

Windows

  1. Download een ffmpeg-build van de officiële site of van een betrouwbaar communitypakket.
  2. Voeg de map bin toe aan de systeem-PATH.
  3. Stap 1b — verplichte test:
ffmpeg -version

De eerste regel moet ffmpeg version tonen, gevolgd door een nummer. Krijg je “opdracht niet gevonden”, herstel dan eerst de PATH.

Linux (Debian/Ubuntu)

sudo apt update && sudo apt install -y ffmpeg
ffmpeg -version

macOS (Homebrew)

brew install ffmpeg
ffmpeg -version

Stap 2 — Whisper installeren (Python)

Een omgeving met Python 3.10 of nieuwer is aan te raden:

python3 -m pip install -U openai-whisper

Op sommige machines installeer je ook PyTorch, volgens de PyTorch-documentatie (CPU, of CUDA voor NVIDIA).

Alternatief zonder Python — whisper.cpp

Wil je geen Python, of is de machine erg beperkt, dan is whisper.cpp genoeg voor een test met WAV of een omgezette MP3. Compileren en het kiezen van het binaire bestand verdienen wel een echte stap-voor-stap.

→ Stap 3A in de gids met de eerste stappen voor Whisper: de release, de download van ggml-small.bin, de opdracht -otxt en hulp voor Windows of Linux.

Korte herinnering nadat je 3A hebt gelezen. Compileer het binaire bestand (git clone, make) als dat nodig is, en daarna:

Het model small één keer downloaden:

curl -L -o models/ggml-small.bin https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-small.bin

Minimale testopdracht (WAV van 16 kHz, mono; een MP3 zet je om met ffmpeg -i test.mp3 -ar 16000 -ac 1 test.wav):

./main -m models/ggml-small.bin -f test.wav -l fr

De getranscribeerde tekst verschijnt in de terminal.

Stap 3 — Het model kiezen

Model Indicatieve grootte Gebruik
tiny / base Licht Tests, vooral Engels
small ongeveer 500 MB Alledaags Frans, CPU is prima
medium ongeveer 1,5 GB Betere Franse interpunctie. Op 8 GB VRAM vooral zinvol als het bestand langer is dan ongeveer 30 min
large Zwaar Een GPU is aan te raden. Op 8 GB VRAM vermijd je zeer lange bestanden naast een LLM

Eerste download:

whisper mon-enregistrement.mp3 --language French --model small

De gewichten blijven op schijf. Houd ruimte over op een SSD.

Stap 4 — Een lokale MP3 testen

  1. Leg test-voix.mp3 (30–60 seconden duidelijke spraak) in een map zonder accenten in het pad (dat voorkomt Windows-fouten).
  2. Start:
whisper test-voix.mp3 --language French --model small --output_format txt
  1. Open test-voix.txt. Daar staat een transcriptie in het Frans.
  2. Krijg je “ffmpeg not found”, ga dan terug naar stap 1.
Verder gaan: Zoom, Teams, n8n, SRT-ondertitels (inklappen)

Open dit alleen na een geslaagde MP3-test. Deze ideeën verlengen de keten. Ze vervangen de stappen 1 tot en met 4 niet.

Zoom / Teams: exporteer alleen de audio (MP3 of M4A) en converteer met ffmpeg voor Whisper.

n8n: een bewaakte map, daarna transcriptie, daarna een samenvatting met Ollama — n8n en een lokaal model.

Ondertitels SRT of VTT: voeg --output_format srt (of vtt) toe aan de opdracht whisper. Lees eigennamen met de hand na.

Schijfcache: ruim ~/.cache/whisper op (Linux en macOS) of het Windows-equivalent. Zie SSD-opslag voor modellen.

Een GPU die je deelt met Ollama: draai op 8 GB VRAM Whisper large en een Ollama-model van 7B niet tegelijk. Voorbij ongeveer 30 minuten audio heeft medium de voorkeur boven large, zolang de kwaliteit goed genoeg is. Plan de klussen, of draai de gezinsassistent op een ander moment.

Stap 5 — Samenvatten met Ollama of Open WebUI (optioneel)

Handmatige methode (Windows, macOS en Linux):

  1. Open test-voix.txt in Kladblok (Windows) of Teksteditor (macOS) — of een willekeurige teksteditor onder Linux —, selecteer alles en kopieer.
  2. Start Open WebUI of ollama run met het model dat al geïnstalleerd is.
  3. Plak de tekst en vraag: “Vat deze transcriptie samen in 5 bullets in het Frans.”

Kopiëren en plakken omzeilt de valstrikken van shell-opdrachten ($(cat …) in bash) die tussen Windows en macOS verschillen. Voor Zoom, n8n of een SRT-export pak je het blok Verder gaan hierboven er weer bij (nadat de MP3 klopt). M4A, traagheid, een verkeerd herkende taal of ontbrekende ffmpeg: één tabel, Formaten en snelle hulp, aan het eind van de gids.

Koppelen aan Ollama of Open WebUI

Sommige versies van Ollama bieden spraakmodellen. Het ecosysteem beweegt, dus controleer de Ollama-documentatie van dit moment. Voor een stabiele stack in 2026 blijft een eigen Whisper plus een tekst-LLM de duidelijkste les: eerst transcriberen, daarna samenvatten in Open WebUI of Docker met Ollama als de gezinsstack al in containers staat.

Stap in de stroom Programma Rol
1 ffmpeg MP3 en M4A lezen
2 Whisper Spraak naar een bestand .txt
3 Ollama / Open WebUI Tekst naar een gestructureerd verslag

Neem je vergaderingen op met andere mensen (collega’s, klanten), bewaar de bestanden dan op een versleutelde schijf en noteer waarvoor je ze hebt. Zie privacy van lokale AI voor je het .txt-bestand per e-mail deelt.

Kosten en privacy

Er is geen abonnement voor open-source Whisper. De kosten zijn stroom (een kWh-budget) en, als je die toevoegt, GPU-hardware (GPU, iGPU en eGPU). Vergelijk dat met de cloud in kosten over 3 jaar als je al voor online gereedschap betaalt.

Verwante gidsen (zes ingangen)

Thema Gids
Beginnen met spraak Eerste stappen met Whisper
De tekstketen na een transcriptie Open WebUI voor beginners · Ollama installeren
Privacy Privacy als AI thuis blijft
Audio die je nodig hebt De stap ffmpeg -version hierboven · eerste lokale AI in 15 minuten
Automatisering (na de MP3-test) Het inklapbare blok Verder gaan · n8n en een lokaal model
Hardware voor transcriptie Een SSD voor modellen · GPU, iGPU en eGPU

Profiel small op de CPU: voor korte bestanden is geen GPU nodig. Een goede microfoon en ffmpeg zijn genoeg.

Een affiliate-link voor hardware (Amazon-partner, affiliatie. Prijzen zijn hier niet gecontroleerd, oktober 2026): open de link alleen als je naar medium of large gaat, meer dan ongeveer 30 minuten per bestand verwerkt op 8 GB VRAM, of meer dan 1 uur audio per week. Een RTX 4060 (8 GB, CUDA, zie de specificaties van de fabrikant) versnelt die klussen vaak. Bekijk RTX 4060-kaarten op Amazon.nl en controleer de prijs van vandaag voor je koopt.

Formaten en snelle hulp

Symptoom Wat je probeert
M4A (iPhone) ffmpeg -i voix.m4a -ar 16000 -ac 1 voix.wav, daarna whisper op de WAV
Een lange MP3, of zwakke Franse interpunctie Eerst small. Gebruik medium als bij het nalezen komma’s ontbreken. Op 8 GB VRAM mik je op medium vooral voorbij ongeveer 30 minuten
Engels herkend terwijl het Frans is --language French
Traagheid tiny of small. Een GPU helpt voor medium of large, voor bestanden langer dan ongeveer 30 minuten, of voor meer dan 1 uur per week (de hardwaredrempels hierboven)
Achtergrondlawaai Een groter model, of eerst een filter met ffmpeg
ffmpeg not found Terug naar stap 1 — PATH en ffmpeg -version
Ondertitels Het blok Verder gaan (na de MP3-test) — --output_format srt of vtt

Veelgestelde vragen

Welk Whisper-model gebruik je voor Frans?

small of medium is een goed evenwicht op de CPU. Op een GPU met 8 GB VRAM gebruik je medium of large, vooral voorbij ongeveer 30 minuten audio per bestand.

Blijft de transcriptie volledig offline?

Ja, nadat de gewichten van het model gedownload zijn. Er gaat niets naar een server als je geen online dienst gebruikt.

Welke audioformaten worden geaccepteerd?

WAV, MP3 en M4A via ffmpeg, afhankelijk van het programma. Lukt een programma het niet, converteer dan eerst naar WAV van 16 kHz, mono.

Vervangt Whisper een chat-LLM?

Whisper zet spraak om in tekst. Om die tekst samen te vatten, ga je daarna verder met Ollama of Open WebUI.

Bronnen

Verfijn het met de hardwarekiezer · Franse versie van deze rubriek