Apple SpeechAnalyzer vs Whisper: ما مدى جودة التعرف على الكلام الجديد؟

ما مقدار تفوقه على الإملاء الموجود لديك؟

حتى الآن كان التعرف على الكلام في Mac يعتمد على محرك حقبة SFSpeechRecognizer، وهو المحرك الذي لا يزال إملاء النظام يستخدمه اليوم (DictationTranscriber). وما أضافه macOS 26 وiOS 26 هو واجهة API لـ SpeechAnalyzer ووحدة SpeechTranscriber التابعة لها. شغلنا كليهما على قسم الاختبار من FLEURS، بنحو 150 جملة و30 دقيقة لكل لغة، على جهاز Mac نفسه.

كل لغة قاسها محركا Apple قياساً سليماً، مرتبة حسب معدل خطأ Apple Speech؛ ويشير الأخضر إلى القيمة الأفضل في الصف. الجولة نفسها والمقاطع نفسها وجهاز Mac نفسه. CER لليابانية والكورية والصينية والكانتونية، وWER للبقية.

كان Apple Speech أدق في اللغات العشر كلها التي قاسها المحركان قياساً سليماً. فقدت الفرنسية والألمانية أكثر من نصف أخطائهما، وفقدت اللغة الوسيطة نحو الثلث، وفقدت البرتغالية البرازيلية والكانتونية نحو خطأ واحد من كل سبعة.

لا يزال الإملاء يصل إلى لغات أكثر. أعاد Apple Speech نتائج في 21 من إعدادات اللغات الـ83 في هذه الجولة، وأعاد الإملاء نتائج في 33، ومنها اللغات الثلاث التي يفتقدها المحرك الجديد هنا: الهولندية والبولندية والروسية، عند 17.34 و13.50 و13.13. وليست هناك أيضاً قائمة ثابتة يمكن اقتباسها. أصول اللغات تخص macOS، لذا يسأل التطبيق وقت التشغيل عما يتوفر على جهاز بعينه.

فهل يمكنك الاستغناء عن النماذج التي تنزّلها؟

ستة محركات، والمقاطع نفسها، وجهاز Mac واحد. اللغات العشر أدناه عشر من أكثر اللغات استخداماً، بترتيب ثابت لا صلة له بالدرجات.

عشر من أكثر اللغات استخداماً، ومحرك واحد في كل عمود. تعرض كل خلية معدل خطأ ذلك المحرك، والأقل أفضل؛ ويشير الأخضر إلى أدنى قيمة في الصف، والأبيض إلى ثاني أدنى قيمة. استخدمنا CER لليابانية والكورية والصينية، وWER للبقية، ولم ندمجهما قط في رقم واحد. جولة FLEURS الخاصة بنا، أجراها فريق Whisper Notes، على جهاز M5 MacBook Air واحد، وكلام مقروء.

الأسماء المختصرة: Qwen3-ASR = Qwen3-ASR 1.7B، وWhisper Large = Whisper Large V3 Turbo، وParakeet = Parakeet V3، وSenseVoice = SenseVoice Small. وتعني الشرطة أن المحرك لا يملك نموذجاً لتلك اللغة.

حقق Qwen3-ASR 1.7B أدنى معدل خطأ في ست من اللغات العشر، وحقق Whisper Large V3 Turbo ذلك في اللغات الأربع الأخرى، ولم يتصدر Apple Speech أياً منها. وكان أقرب ما يكون في الكورية، بفارق 0.77 نقطة عن متصدر الصف، ثم اليابانية بفارق 1.06 والصينية بفارق 1.48، حيث تعادل مع Whisper Large V3 Turbo عند 7.97. وكان أبعد ما يكون في الإنجليزية، عند 8.80 (Apple Speech) مقابل 4.49 (Qwen3-ASR 1.7B)، ولا توجد نتيجة لـ Apple Speech على الإطلاق في الهولندية أو البولندية أو الروسية.

كان Apple Speech أدق من Whisper Small في ثماني من اللغات العشر التي قاسها الاثنان قياساً سليماً. واللغتان اللتان خسرهما هما الإنجليزية، عند 8.80 (Apple Speech) مقابل 7.04 (Whisper Small)، والبرتغالية البرازيلية، عند 9.35 مقابل 8.61.

اختبار نُشر في يوليو قاس Apple Speech في الإنجليزية أمام Whisper Small ووضع Apple في المقدمة. وأي إصدار من Whisper يدخل المقارنة مهم، وكذلك المقاطع. استخدم ذلك الاختبار LibriSpeech، حيث يقرأ رواة الكتب الصوتية بصوت عالٍ؛ أما اختبارنا فاستخدم FLEURS، حيث يقرأ متحدثون مختلفون كثيرون جملاً من ويكيبيديا. تبين جولتنا الفارق في الإنجليزية، ولا تستطيع تحديد سببه.

أمام Whisper Large V3 Turbo ينعكس الترتيب. يتأخر Apple Speech في ثماني من تلك اللغات العشر، ويتعادل في الصينية عند 7.97، ولا يتقدم إلا في الكانتونية، عند 8.69 (Apple Speech) مقابل 36.75 (Whisper Large V3 Turbo) — انظر صف الكانتونية أدناه. وتذكر ملاحظات إصدار Turbo من OpenAI الكانتونية ضمن اللغات التي يتراجع فيها النموذج أكثر ما يكون، ولذلك فإن 36.75 نقطة ضعف معروفة في Whisper وليست نتيجة خاصة بجولتنا.

في الكورية، يخطئ Apple Speech في نحو محرف واحد من كل 23. ويخطئ أدق نموذج في هذه الجولة، Qwen3-ASR 1.7B، في نحو محرف واحد من كل 28: 4.31 (Apple Speech) مقابل 3.54 (Qwen3-ASR 1.7B).

يبلغ تنزيل Parakeet V3 465 MB، وهو أدق في كل لغة أوروبية يغطيها الاثنان: 6.89 (Parakeet V3) مقابل 8.80 (Apple Speech) في الإنجليزية، و5.83 مقابل 7.61 في الفرنسية، و4.86 مقابل 5.41 في الإسبانية، و3.43 مقابل 4.39 في الإيطالية، و6.49 مقابل 9.35 في البرتغالية البرازيلية؛ وتعادل الاثنان في الألمانية عند 6.26. ولا يملك نموذجاً لليابانية أو الكورية أو الصينية أو الكانتونية، لذا يكون Apple Speech هو الموجود من الاثنين في هذه اللغات.

تشمل الصفوف الستة التي يتصدرها Qwen3-ASR 1.7B الإنجليزية والألمانية والفرنسية والإسبانية.

SenseVoice Small هو أسرع محرك هنا، بسرعة 162.3× من الزمن الحقيقي؛ وهو وApple Speech في المستوى نفسه في الصينية والإنجليزية: 7.69 (SenseVoice Small) مقابل 7.97 (Apple Speech)، و8.46 مقابل 8.80. أما في الكورية فيتأخر كثيراً، عند 7.85 (SenseVoice Small) مقابل 4.31 (Apple Speech).

الحجم والسرعة

السرعة هي وسيط كل محرك عبر اللغات الثلاث عشرة التي يقيسها هذا المقال قياساً سليماً، مع احتساب ما شغله فقط — وهي إنتاجية معالجة عناصر منفصلة، أي تشخيص وليست زمن استجابة المنتج. ذروة الذاكرة هي ذروة مجموعة العمليات في هذه الجولة. يفك Apple Speech الترميز داخل خدمة macOS لا يملكها التطبيق المستدعي، ولذلك لن يحمل أي رقم هناك المعنى نفسه الذي تحمله أرقام المحركات الخمسة الأخرى.

عمل Apple Speech بسرعة 30.8× من الزمن الحقيقي، خلف Parakeet V3 عند 75.6× وSenseVoice Small عند 162.3×. ينزّل macOS حزمة لغته مرة واحدة وتتشاركها كل التطبيقات، فلا يُخصص لها شيء في عملية التطبيق نفسه. وتظل الخدمة التي تفك الترميز تستخدم الذاكرة، ولا يمكننا نسب ذلك بدقة؛ ولذلك لا نذكر رقماً هناك بدلاً من كتابة صفر.

Whisper Large V3 Turbo هو أبطأ محرك هنا، بسرعة 3.0× من الزمن الحقيقي، وله أدنى معدل خطأ في أربعة من الصفوف العشرة، ويشغل نحو 1.6 GB على القرص. يتصدر Qwen3-ASR 1.7B الصفوف الستة الأخرى، ويشغل نحو 2.5 GB على القرص وتبلغ ذروته 2.43 GiB. والمقارنة المنصفة مع محرك مدمج هي Whisper Small بحجم 600 MB.

ما اللغات التي يلائمها Apple Speech؟

لغةً بلغة:

• الإنجليزية: ليس خياراً مناسباً. سجل Apple Speech 8.80؛ Qwen3-ASR 1.7B (4.49) أو Whisper Large V3 Turbo (5.49) أدق بوضوح.
• الألمانية: ليس خياراً مناسباً. سجل Apple Speech 6.26؛ Qwen3-ASR 1.7B (2.85) أو Whisper Large V3 Turbo (4.05) أدق بوضوح.
• الهولندية والروسية والبولندية: لا يملك Apple Speech نموذجاً لهذه اللغات الثلاث. Whisper Large V3 Turbo كان الأدق في كل منها، عند 5.69 و5.13 و5.45.
• اليابانية: قابل للاستخدام. سجل Apple Speech 6.36، خلف Whisper Large V3 Turbo عند 5.30.
• الكورية: قابل للاستخدام. سجل Apple Speech 4.31، خلف Qwen3-ASR 1.7B عند 3.54.
• الفرنسية: ليس خياراً مناسباً. سجل Apple Speech 7.61؛ Qwen3-ASR 1.7B (4.57) أو Parakeet V3 (5.83) أدق بوضوح.
• الصينية: قابل للاستخدام. سجل Apple Speech 7.97، مساوياً لـ Whisper Large V3 Turbo؛ وكان الأدق هو Qwen3-ASR 1.7B عند 6.49.
• الإسبانية: ليس خياراً مناسباً. سجل Apple Speech 5.41؛ Qwen3-ASR 1.7B (3.38) أو Whisper Large V3 Turbo (3.62) أدق بوضوح.

لا تزال النماذج التي تنزّلها تتفوق في الدقة: يتصدر كل صف في الجدول الرئيسي Qwen3-ASR 1.7B أو Whisper Large V3 Turbo. ويعد Apple Speech خياراً فعلياً للكورية واليابانية والصينية؛ أما في اللغات الأوروبية فالخيار هو Parakeet V3.

في Whisper Notes لـ Mac، لا يزال Parakeet V3 هو الافتراضي. وفي تطبيق Mac الذي تنزّله من موقعنا، يتوفر Apple Speech نموذجاً اختيارياً على macOS 26 أو أحدث، ولا يعرض التطبيق لغة إلا عندما يبلّغ macOS بأن جهاز Mac لديك يدعمها.

Apple Speech هو اختصار هذا المقال لـ SpeechTranscriber من Apple، وهي واجهة API تعمل على الجهاز ويمكن لأي تطبيق Mac استدعاؤها على macOS 26 أو أحدث. وهو محرك في النظام لا نموذج تنزله: يستطيع Whisper Notes لـ Mac استخدامه في النسخة المنزّلة من موقعنا، وحزمة اللغة يوفرها macOS. أما النماذج التي ينزلها التطبيق بنفسه فما زالت Whisper وParakeet V3 وSenseVoice وQwen3-ASR في هذه النسخة، وWhisper وParakeet V3 وSenseVoice على iPhone وفي إصدار Mac App Store. جدول كل محرك هو قائمة اللغات التي يدعمها Whisper وParakeet V3 وSenseVoice لدينا.

خارج اللغات العشر

أربع لغات أخرى من الجولة نفسها. الأعمدة والألوان والأسماء المختصرة هي نفسها أعلاه؛ CER للكانتونية وWER للبقية.

تُستبعد نتيجة Apple Speech للهندية من ترتيب ذلك الصف للسبب الموضح أدناه. وقد يتجاوز معدل الخطأ 100% لأن الإضافات تُحسب في البسط أيضاً.

تأتي نتيجة الإيطالية، 4.39 (Apple Speech)، خلف تعادل Qwen3-ASR 1.7B وWhisper Large V3 Turbo عند 2.58. ومن هذه اللغات الأربع، الكانتونية هي الوحيدة التي تقدم فيها Apple Speech على Whisper Large V3 Turbo، عند 8.69 (Apple Speech) مقابل 36.75 (Whisper Large V3 Turbo)، مع تصدر Qwen3-ASR 1.7B عند 6.44. ونتيجة البرتغالية البرازيلية، 9.35 (Apple Speech)، هي أحد الصفين اللذين يتقدم فيهما Whisper Small، عند 8.61.

الهندية نتيجة من نوع مختلف. كتب Apple Speech الهندية بحروف إنجليزية بدلاً من كتابتها بحروفها الخاصة، ولذلك حُسبت كل كلمة تقريباً خطأ وتجاوز المعدل 100%. وعادت التيلوغوية والأردية والبنجابية والبنغالية والنيبالية والماليالامية والماراثية والكنادية والغوجاراتية والتاميلية بالطريقة نفسها، وكلها فوق 100%، ولذلك استُبعدت من الجدول.

كيف يعمل SpeechAnalyzer

يحل SpeechAnalyzer محل واجهة API للتعرف على الكلام لدى Apple منذ iOS 10، على كل منصات Apple عدا watchOS. ينشئ التطبيق SpeechAnalyzer ويزوده بوحدات ويمرر إليه الصوت كتسلسل غير متزامن يملؤه بنفسه؛ وSpeechTranscriber هو الوحدة التي تحول الكلام إلى نص. تعود النتائج في تسلسل ثانٍ، وعادةً في مهمة أخرى، ويحمل كل مخزن مؤقت وكل نتيجة رمزاً زمنياً مرتبطاً بالخط الزمني للصوت نفسه.

جلسة واحدة وثلاث مهام: يدخل الصوت في AsyncSequence، ويحلله SpeechAnalyzer وSpeechTranscriber، ثم تعود النتائج في AsyncSequence ثانٍ لتقرأه الواجهة. المصدر: Apple، الجلسة 277 في WWDC25.

تصل النتائج مرتين. يمكن استبدال أي شيء داخل ما تسميه Apple النطاق المتغير بنتيجة أفضل؛ أما ما يقع خارجه فهو نهائي. وبهذا يعرض التطبيق نصاً أولياً أثناء حديثك ثم يصححه بعد ذلك. تذكر Apple خمسة أهداف لتصميم نموذج SpeechTranscriber: الصوت الطويل، والكلام الحواري، والمتحدثون البعيدون، وزمن الاستجابة المنخفض، والخصوصية، أي إنه يعمل على الجهاز. وتعتمد عليه الملاحظات والمذكرات الصوتية واليوميات وتلخيص المكالمات.

أهداف التصميم الخمسة التي تذكرها Apple لنموذج SpeechTranscriber. المصدر: Apple، الجلسة 277 في WWDC25.

النماذج ليست جزءاً من أي تطبيق. ينزلها النظام من خوادم Apple عبر AssetInventory، ويخزنها ويحدثها، وتتشاركها التطبيقات. لا تضيف شيئاً إلى حجم تنزيل التطبيق، وتجري عملية فك الترميز خارج العملية المستدعية. وحين لا يتوفر نموذج SpeechTranscriber للغة أو جهاز، يتولى DictationTranscriber المهمة مستخدماً النماذج نفسها التي يستخدمها إملاء النظام.

المنهج والقيود

خمسة من المحركات الستة في هذه الجداول نماذج ينزلها Whisper Notes. فرّغ كل محرك المقاطع نفسها وبالترتيب نفسه، مقطعاً واحداً كل مرة، على جهاز M5 MacBook Air (32 GB، macOS 27.0). الصوت هو قسم الاختبار من Google FLEURS عند المراجعة 70bb2e84، بنحو 150 جملة و30 دقيقة لكل لغة. يرتب تجزؤ ثابت لمعرّفات العناصر الخاصة بمجموعة البيانات العناصر، ونأخذ أقصر جولة من العناصر الكاملة تتجاوز ثلاثين دقيقة؛ ولم يكن لأي مخرج من النماذج دور في هذا الاختيار. أُعيد بناء كل خلية من سجلها الخاص وفُحصت مجدداً، واجتازت الخلايا الـ285 كلها. الدرجات هي WER حين تفصل المسافات بين الكلمات، وCER لليابانية والكورية والصينية والكانتونية، ولا يُدمجان قط في رقم واحد.

يمكنك التحقق من عمودي Whisper بمقارنتهما بأرقام OpenAI نفسها. في اللغات الاثنتي عشرة التي تنشر OpenAI لها نتيجة FLEURS لـ Whisper Large V3 Turbo، يبلغ متوسط الفارق بين أرقامنا وأرقامها 0.7 نقطة، وتقع عشر من الاثنتي عشرة داخل نطاق 95% لجولتنا؛ وفي اللغات الإحدى عشرة خارج صفوف لغات جنوب آسيا، يبلغ متوسط الفارق بين أرقام Whisper Small لدينا والجدول الخاص بكل لغة في بحث Whisper 1.0 نقطة. وجاء عمود Apple Speech من المقاطع نفسها وأداة التقييم نفسها وأداة التطبيع نفسها.

FLEURS كلام مقروء نظيف. لا يبين شيء هنا كيف تتصرف هذه المحركات في غرفة صاخبة أو على امتداد اجتماع مدته ساعتان، ولم نقس مقدار الفارق بينها هناك. أُجريت القياسات كلها على جهاز واحد. ومع نحو 150 جملة لكل لغة، يُعد المحركان متعادلين إذا كان الفارق بينهما أقل من نحو نقطة واحدة؛ والجداول تعرض التعادل التام بهذه الطريقة بالفعل، كما في الإيطالية، حيث سجل كل من Qwen3-ASR 1.7B وWhisper Large V3 Turbo نتيجة 2.58.

الأسئلة الشائعة

جرّبه

النماذج الخمسة القابلة للتنزيل هنا — Whisper Small وWhisper Large V3 Turbo وParakeet V3 وSenseVoice Small وQwen3-ASR 1.7B — موجودة كلها في تطبيق Whisper Notes لـ Mac الذي تنزّله من موقعنا، ضمن الإعدادات ثم نموذج التفريغ. وعلى macOS 26 أو أحدث يظهر Apple Speech في القائمة نفسها؛ وإن كان التطبيق مثبتاً لديك فحدّثه إلى أحدث إصدار.

إذا لم تطابق أرقامنا تجربتك في لغة ما، فراسل mac@whispernotes.app. ملاحظات الإصدار الكاملة: whispernotes.app/changelog.

المصادر: جولتنا على قسم الاختبار من Google FLEURS عند المراجعة 70bb2e84، ووثائق Apple عن SpeechAnalyzer، وجولة Qwen3-ASR ذات الثلاثين لغة السابقة.

تنزيل لـ macOS