في 22 سبتمبر 2026 أصدرت Moondream نموذج Parakeet Ultra، وهو نسخة من NVIDIA Parakeet TDT 0.6B v3 خضعت لتدريب إضافي، بالبنية نفسها وبعدد المعاملات نفسه، أي 600 مليون معامل. وبحسب بطاقة النموذج من Moondream، ينخفض متوسط معدل خطأ الكلمات على FLEURS في 25 لغة من 11.62% إلى 9.55%، أي أخطاء أقل بنحو 17.8%. وما أردنا معرفته هو: في الاستخدام الفعلي، كم يزيد Parakeet Ultra دقةً على Parakeet V3، لغةً بلغة؟
قسنا سابقاً Parakeet V3 وWhisper وQwen3-ASR وSenseVoice على مجموعة ثابتة من جمل FLEURS في مقارنتنا بين Apple SpeechAnalyzer وWhisper، واستخدمت مقارنتنا بين Qwen3-ASR وWhisper المجموعة نفسها في 30 لغة. وهذه المرة شغّلنا Parakeet Ultra عليها. الأرقام من قياسنا نحن، في Whisper Notes على جهاز Mac واحد، ونعرضها بأوضح ما نستطيع.
كم يزيد Parakeet Ultra دقةً؟
شغّلنا النموذجين على مجموعة اختبار FLEURS: اللغات الـ25 التي يدعمها Parakeet، و3,976 جملة مقروءة، و12.55 ساعة من الصوت. وفُرّغت كل جملة بالطريقة نفسها التي يشغّل بها Whisper Notes النموذج فعلاً.
| اللغة | Parakeet V3 | Parakeet Ultra |
|---|---|---|
| الإنجليزية | 6.89% | 5.89% |
| الألمانية | 4.69% | 3.72% |
| الهولندية | 7.59% | 6.91% |
| الإسبانية (أمريكا اللاتينية) | 4.73% | 3.77% |
| الفرنسية | 5.66% | 4.95% |
| البولندية | 8.02% | 6.34% |
| الروسية | 6.99% | 5.72% |
| الأوكرانية | 6.59% | 5.11% |
| الفنلندية | 13.72% | 10.03% |
| الإيطالية | 3.33% | 2.48% |
| البرتغالية (البرازيل) | 6.37% | 5.69% |
| السويدية | 16.18% | 13.12% |
| التشيكية | 13.70% | 10.85% |
| الليتوانية | 24.50% | 18.00% |
| اللاتفية | 30.25% | 20.70% |
| اليونانية | 36.10% | 20.96% |
| الإستونية | 20.12% | 15.40% |
| السلوفاكية | 11.84% | 8.58% |
| الرومانية | 13.74% | 9.54% |
| الدنماركية | 19.22% | 15.68% |
| المجرية | 18.78% | 13.63% |
| البلغارية | 14.05% | 12.28% |
| الكرواتية | 13.37% | 12.49% |
| السلوفينية | 23.82% | 18.49% |
| المالطية | 24.46% | 19.19% |
| اللغات الـ25 كلها | 13.99% | 10.63% |
معدل خطأ الكلمات، والأقل أفضل. الأخضر: Parakeet Ultra أدق بفارق يتجاوز نطاق 95%. الكرواتية: لا فرق واضح. قياسنا الخاص في Whisper Notes على جهاز Mac بشريحة Apple M5.
بجمع اللغات الـ25 معاً، انخفض معدل خطأ الكلمات من 13.99% إلى 10.63%، أي أخطاء أقل بنحو 24%: من كلمة خاطئة تقريباً في كل سبع كلمات إلى كلمة في كل تسع. وكان Parakeet Ultra أدق في 24 لغة، ولم يكن أقل دقة في أي لغة.
أي اللغات تحسنت أكثر؟
معدل خطأ الكلمات لكل لغة، Parakeet V3 بالرمادي وParakeet Ultra بالأخضر، مرتبة حسب الانخفاض بالنقاط المئوية. المصدر: قياسنا الخاص في Whisper Notes، مجموعة اختبار FLEURS.
جاءت أكبر المكاسب حيث كان Parakeet V3 أضعف: انخفضت اللاتفية من 30.25% إلى 20.70%، والليتوانية من 24.50% إلى 18.00%، والسلوفينية من 23.82% إلى 18.49%، والمالطية من 24.46% إلى 19.19%. وكانت اليونانية الأكثر انخفاضاً في Whisper Notes، من 36.10% إلى 20.96%، ولا تزال الأعلى بين اللغات الـ25. أما اللغات الأوسع انتشاراً فبدأت من مستوى أدنى وتحسنت أقل، بين 0.68 و1.27 نقطة مئوية للإنجليزية والألمانية والإسبانية والفرنسية والإيطالية والبرتغالية والهولندية والروسية، ويبقى تحسن كل منها خارج هامش الخطأ.
هل Parakeet Ultra أبطأ؟
| Parakeet V3 | Parakeet Ultra | |
|---|---|---|
| سرعة المعالجة | 74.5× من الزمن الحقيقي | 74.0× من الزمن الحقيقي |
| تحميل النموذج، الوسيط | 0.10 ث | 0.10 ث |
200 مقطع من FLEURS، أول ثمانية مقاطع في كل لغة، 37.2 دقيقة من الصوت. شُغّل كل مقطع على النموذجين متتالياً، مع التناوب على أيهما يبدأ أولاً. يشمل القياس وقت معالجة المحرك فقط، دون بدء العملية أو تحميل النموذج؛ وهو ليس زمن الانتظار الكامل داخل التطبيق. جهاز Mac بشريحة Apple M5، macOS 27.0.
لم نجد فرقاً قابلاً للقياس. عمل Parakeet Ultra بسرعة 74.0× من الزمن الحقيقي وParakeet V3 بسرعة 74.5×، أي نسبة سرعة 0.99 بنطاق 95% من 0.94 إلى 1.06. وبهذا المعدل تستغرق ساعة من الصوت نحو 49 ثانية على أي من النموذجين على جهاز Mac هذا.
يتشارك النموذجان البنية نفسها وعدد المعاملات نفسه، ولا يختلفان إلا في الأوزان، لذا فتساوي السرعة متوقع. Parakeet Ultra أدق بالسرعة نفسها.
هل يحافظ على تفوقه مع ضوضاء الخلفية؟
FLEURS كلام نظيف، لذا اختبرنا الضوضاء في اختبار منفصل. مزجنا ضوضاء خلفية من مجموعة MUSAN في جمل مقروءة من LibriSpeech ومن FLEURS الألمانية والإسبانية، بنسب إشارة إلى ضوضاء قدرها 10 و5 و0 dB: تسع حالات و1,320 جملة، شُغّلت على جهاز Mac بنموذج Core ML نفسه الذي يستخدمه Whisper Notes.
| الحالة | Parakeet V3 | Parakeet Ultra | التغير |
|---|---|---|---|
| LibriSpeech test-other، 10 dB | 4.72% | 3.87% | −18% |
| LibriSpeech test-other، 5 dB | 5.71% | 4.86% | −15% |
| LibriSpeech test-other، 0 dB | 9.91% | 8.75% | −12% |
| FLEURS الألمانية، 10 dB | 9.80% | 8.04% | −18% |
| FLEURS الألمانية، 5 dB | 13.86% | 10.55% | −24% |
| FLEURS الألمانية، 0 dB | 24.21% | 17.88% | −26% |
| FLEURS الإسبانية، 10 dB | 11.17% | 5.46% | −51% |
| FLEURS الإسبانية، 5 dB | 11.90% | 5.77% | −51% |
| FLEURS الإسبانية، 0 dB | 13.43% | 6.96% | −48% |
| متوسط الحالات التسع | 11.63% | 8.02% | −31% |
اختبار ضوضاء منفصل، وليس جولة FLEURS أعلاه: معدل خطأ الكلمات بالنسبة المئوية، 200 جملة من LibriSpeech أو 120 جملة من FLEURS لكل حالة. معدلات الخطأ فيه غير قابلة للمقارنة بجدول FLEURS؛ ووحده التغير النسبي يصح نقله.
في المتوسط على الحالات التسع، ارتكب Parakeet Ultra أخطاء أقل من Parakeet V3 بنحو 31%، وكان أدق في الحالات التسع كلها بفارق يتجاوز هامش الخطأ. في الألمانية يكبر التحسن كلما ازدادت الضوضاء، وفي الإسبانية انخفضت الأخطاء إلى النصف تقريباً في كل مستوى.
تحديد اللغة يجعل Parakeet أسوأ
سأل كثير من مستخدمي Whisper Notes لماذا لا يوجد في Parakeet إعداد للغة. يمكن إخبار Parakeet باللغة المتوقعة، لكن ذلك جعله أقل دقة في Whisper Notes، في الإصدارين كليهما. قسنا هذا بتشغيل كل جملة مرتين، مرة مع الاكتشاف التلقائي للغة ومرة مع تحديدها.
| اللغة | Ultra، لغة محددة | Ultra، اكتشاف تلقائي | V3، لغة محددة | V3، اكتشاف تلقائي |
|---|---|---|---|---|
| الألمانية | 5.19 | 3.72 | 6.26 | 4.69 |
| الهولندية | 7.89 | 6.91 | 8.58 | 7.59 |
| السلوفينية | 20.32 | 18.49 | 25.51 | 23.82 |
| اليونانية | 34.00 | 20.96 | 36.49 | 36.10 |
| اللغات الـ25 كلها | 11.59 | 10.63 | 14.30 | 13.99 |
معدل خطأ الكلمات بالنسبة المئوية. يشير الأخضر إلى القيمة الأدنى في زوج كل نموذج. في Parakeet Ultra يقع كل فارق معروض خارج نطاق 95%، وكانت 18 من اللغات الـ25 أدق مع الاكتشاف التلقائي، ولم تكن أي لغة أقل دقة؛ أما Parakeet V3 فلم نحسب له نطاقات.
نرجّح أن تحديد اللغة لا يساعد Parakeet على السمع بشكل أفضل، بل يحذف فقط من النص المفرّغ الكلمات التي لا تبدو من تلك اللغة، وكثيراً ما تُحذف الأسماء والكلمات الدخيلة خطأً. لذلك يكتشف Parakeet في Whisper Notes اللغة بنفسه دائماً؛ أما Whisper وSenseVoice وQwen3-ASR فتتيح لك اختيارها، ومع SenseVoice يعطي اختيار اللغة معدل خطأ أقل قليلاً.
ما اللغات التي يلائمها Parakeet Ultra؟
- اللاتفية والليتوانية والسلوفينية والمالطية والمجرية والإستونية واليونانية هي الأكثر تحسناً، بين 4.72 و15.14 نقطة مئوية.
- الإنجليزية والألمانية والإسبانية والفرنسية والإيطالية والبرتغالية والهولندية كانت معدلات الخطأ فيها منخفضة أصلاً، وتحسنت بين 0.68 و1.01 نقطة مئوية. ولم يظهر في الكرواتية فرق واضح.
- الأوكرانية والتشيكية والإستونية والمجرية والليتوانية والسلوفاكية: أصبح معدل خطأ Parakeet Ultra الآن أقل من Whisper Large V3 Turbo في جولات FLEURS لدينا.
- اللغات خارج هذه الـ25، مثل الصينية واليابانية والكورية والعربية والهندية: استخدم SenseVoice Small للصينية والكانتونية واليابانية والكورية، وWhisper لبقية قائمة اللغات لدينا، أي Whisper Large V3 Turbo على Mac وWhisper Small على iPhone.
ما هو Parakeet Ultra؟
| الجهة المطورة | Moondream |
| النموذج الأساسي | NVIDIA Parakeet TDT 0.6B v3 |
| تاريخ الإصدار | 22 سبتمبر 2026 |
| الحجم | 0.6 مليار معامل، بالبنية والمُقسِّم (tokenizer) نفسيهما في النموذج الأساسي؛ نحو 600 MB داخل تطبيق Mac |
| اللغات | اللغات الأوروبية الـ25 نفسها في Parakeet V3 |
| بيانات التدريب | غير منشورة |
| الترخيص | CC BY 4.0؛ صفحة النموذج: moondream/parakeet-ultra |
| يعمل على | جهازك، دون اتصال، على Apple Neural Engine، بصيغة تحويل Core ML من Fluid Inference |
| في Whisper Notes | مدمج، دون تنزيل منفصل: في تطبيق Mac الذي تنزّله من موقعنا بدءاً من الإصدار 1.6.4، وفي تطبيق iPhone بدءاً من الإصدار 1.8.9. يظهر في الإعدادات باسم “Parakeet” على Mac و“Parakeet V3” على iPhone. |
قارنّا الأوزان المحوّلة بإصدار Moondream موتراً موتراً، فتطابقت ضمن حدود دقة التحويل. ولا تؤيد Moondream ولا NVIDIA ولا Fluid Inference تطبيق Whisper Notes.
كيف اختبرناه
قيست الأرقام كلها من البداية إلى النهاية داخل Whisper Notes، لذا قد يعطي تشغيل النموذج الخام في مكان آخر نتائج مختلفة. استخدمنا مجموعة اختبار Google FLEURS: 25 لغة و3,976 جملة، بالجمل وطريقة التقييم نفسيهما في اختباراتنا السابقة. يُحسب معدل خطأ الكلمات مجمّعاً على كل كلمات اللغة، وتأتي نطاقات 95% من إعادة أخذ عينات الجمل، وجرى كل شيء على جهاز Mac بشريحة Apple M5. ومع تحديد اللغة بدلاً من ذلك تبقى النتيجة نفسها (من 14.30% إلى 11.59%)، وعلى عينة منفصلة من FLEURS قسنا الانخفاض نفسه البالغ 17.8% الذي تذكره بطاقة نموذج Moondream.
FLEURS كلام مقروء نظيف في مقاطع تقل عن 30 ثانية، لذا لا يشمل الاجتماعات ولا الصوت الملتقط من بعيد ولا اللكنات الثقيلة ولا التسجيلات الطويلة؛ ويستخدم iPhone النموذج نفسه ولم يُختبر على حدة.
الأسئلة الشائعة
Parakeet Ultra أم Parakeet V3: أيهما أدق؟
Parakeet Ultra. في 25 لغة من FLEURS داخل Whisper Notes بلغ معدل خطأ الكلمات 10.63% (Parakeet Ultra) مقابل 13.99% (Parakeet V3)، أي أخطاء أقل بنحو 24%، وكان أدق في 24 لغة ولم يكن أقل دقة في أي لغة. وأكبر المكاسب في اليونانية، من 36.10% إلى 20.96%، واللاتفية، من 30.25% إلى 20.70%.
هل Parakeet Ultra أبطأ من Parakeet V3؟
لا. على جهاز Mac بشريحة Apple M5 عمل بسرعة 74.0× من الزمن الحقيقي مقابل 74.5× لـ Parakeet V3، أي نسبة سرعة 0.99 بنطاق 95% من 0.94 إلى 1.06. وهذا يعني نحو 49 ثانية لساعة من الصوت على أي من النموذجين.
ما اللغات التي يدعمها Parakeet Ultra؟
اللغات الأوروبية الـ25 نفسها التي يدعمها Parakeet V3: البلغارية والكرواتية والتشيكية والدنماركية والهولندية والإنجليزية والإستونية والفنلندية والفرنسية والألمانية واليونانية والمجرية والإيطالية واللاتفية والليتوانية والمالطية والبولندية والبرتغالية والرومانية والروسية والسلوفاكية والسلوفينية والإسبانية والسويدية والأوكرانية. وللصينية والكانتونية واليابانية والكورية يوفر Whisper Notes نموذج SenseVoice Small، ولبقية اللغات Whisper.
كيف أستخدم Parakeet Ultra؟
إنه نموذج Parakeet المدمج في Whisper Notes: في تطبيق Mac الذي تنزّله من موقعنا بدءاً من الإصدار 1.6.4، وفي تطبيق iPhone بدءاً من الإصدار 1.8.9. لا يحتاج إلى تنزيل منفصل، ويفرّغ الصوت دون اتصال على جهازك.
جرّبه
أصبح Parakeet Ultra مدمجاً الآن في Whisper Notes. استخدم الأزرار أدناه لتنزيل تطبيق iPhone من App Store أو تطبيق Mac من موقعنا. لديك سؤال؟ راسلنا على support@whispernotes.app.
تحميل لنظام iOS