22 সেপ্টেম্বর 2026-এ Moondream প্রকাশ করেছে Parakeet Ultra। এটি NVIDIA Parakeet TDT 0.6B v3-এর ওপর বাড়তি প্রশিক্ষণ দেওয়া সংস্করণ, একই আর্কিটেকচার আর একই 0.6 বিলিয়ন প্যারামিটার। Moondream-এর মডেল কার্ড অনুযায়ী, 25টি ভাষায় এর গড় FLEURS শব্দ ত্রুটির হার 11.62% থেকে কমে 9.55% হয়েছে, অর্থাৎ ভুল প্রায় 17.8% কম। আমরা জানতে চেয়েছিলাম: বাস্তব ব্যবহারে, প্রতিটি ভাষায় Parakeet Ultra, Parakeet V3-এর চেয়ে কতটা বেশি নির্ভুল?
আগে আমাদের Apple SpeechAnalyzer বনাম Whisper বেঞ্চমার্কে আমরা FLEURS-এর একটি নির্দিষ্ট বাক্যসেটে Parakeet V3, Whisper, Qwen3-ASR ও SenseVoice মেপেছিলাম; আমাদের Qwen3-ASR বনাম Whisper বেঞ্চমার্কে একই সেট 30টি ভাষার জন্য ব্যবহার করা হয়েছিল। এবার আমরা সেই সেটে Parakeet Ultra চালিয়েছি। সংখ্যাগুলো আমাদের নিজস্ব, একটি Mac-এ Whisper Notes-এ মাপা, এবং আমরা যতটা সম্ভব সোজাসাপ্টাভাবে সেগুলো জানাচ্ছি।
Parakeet Ultra কতটা বেশি নির্ভুল?
আমরা দুটি মডেলই FLEURS টেস্ট সেটে চালিয়েছি: Parakeet সমর্থিত 25টি ভাষা, পড়ে শোনানো 3,976টি বাক্য, 12.55 ঘণ্টার অডিও। প্রতিটি বাক্য ঠিক সেভাবেই ট্রান্সক্রাইব করা হয়েছে যেভাবে Whisper Notes আসলে মডেলটি চালায়।
| ভাষা | Parakeet V3 | Parakeet Ultra |
|---|---|---|
| ইংরেজি | 6.89% | 5.89% |
| জার্মান | 4.69% | 3.72% |
| ডাচ | 7.59% | 6.91% |
| স্প্যানিশ (লাতিন আমেরিকা) | 4.73% | 3.77% |
| ফরাসি | 5.66% | 4.95% |
| পোলিশ | 8.02% | 6.34% |
| রুশ | 6.99% | 5.72% |
| ইউক্রেনীয় | 6.59% | 5.11% |
| ফিনিশ | 13.72% | 10.03% |
| ইতালীয় | 3.33% | 2.48% |
| পর্তুগিজ (ব্রাজিল) | 6.37% | 5.69% |
| সুইডিশ | 16.18% | 13.12% |
| চেক | 13.70% | 10.85% |
| লিথুয়ানীয় | 24.50% | 18.00% |
| লাটভীয় | 30.25% | 20.70% |
| গ্রিক | 36.10% | 20.96% |
| এস্তোনীয় | 20.12% | 15.40% |
| স্লোভাক | 11.84% | 8.58% |
| রোমানীয় | 13.74% | 9.54% |
| ড্যানিশ | 19.22% | 15.68% |
| হাঙ্গেরীয় | 18.78% | 13.63% |
| বুলগেরীয় | 14.05% | 12.28% |
| ক্রোয়েশীয় | 13.37% | 12.49% |
| স্লোভেনীয় | 23.82% | 18.49% |
| মাল্টিজ | 24.46% | 19.19% |
| সব 25টি ভাষা | 13.99% | 10.63% |
শব্দ ত্রুটির হার, কম হলে ভালো। সবুজ: Parakeet Ultra বেশি নির্ভুল, আর পার্থক্যটি 95% ব্যবধানের বাইরে। ক্রোয়েশীয়: স্পষ্ট কোনো পার্থক্য নেই। Apple M5 Mac-এ Whisper Notes-এ আমাদের নিজস্ব পরিমাপ।
25টি ভাষা একসঙ্গে ধরলে শব্দ ত্রুটির হার 13.99% থেকে কমে 10.63% হয়েছে, অর্থাৎ ভুল প্রায় 24% কম: আগে মোটামুটি প্রতি সাতটি শব্দে একটি ভুল হতো, এখন প্রতি নয়টিতে একটি। Parakeet Ultra 24টি ভাষায় বেশি নির্ভুল ছিল, আর কোনো ভাষাতেই কম নির্ভুল ছিল না।
কোন ভাষাগুলোতে সবচেয়ে বেশি উন্নতি হয়েছে?
প্রতিটি ভাষার শব্দ ত্রুটির হার, ধূসর রঙে Parakeet V3 আর সবুজে Parakeet Ultra, শতাংশ পয়েন্টে কমার পরিমাণ অনুযায়ী সাজানো। উৎস: Whisper Notes-এ আমাদের নিজস্ব পরিমাপ, FLEURS টেস্ট সেট।
সবচেয়ে বড় উন্নতি হয়েছে যেখানে Parakeet V3 সবচেয়ে দুর্বল ছিল: লাটভীয় 30.25% থেকে কমে 20.70%, লিথুয়ানীয় 24.50% থেকে 18.00%, স্লোভেনীয় 23.82% থেকে 18.49% এবং মাল্টিজ 24.46% থেকে 19.19%। Whisper Notes-এ সবচেয়ে বেশি কমেছে গ্রিক, 36.10% থেকে 20.96%, তবু এটি 25টির মধ্যে এখনও সর্বোচ্চ। বহুল ব্যবহৃত ভাষাগুলো আগে থেকেই কম হারে ছিল এবং উন্নতিও কম: ইংরেজি, জার্মান, স্প্যানিশ, ফরাসি, ইতালীয়, পর্তুগিজ, ডাচ ও রুশে 0.68 থেকে 1.27 পয়েন্ট, আর প্রতিটির উন্নতিই ত্রুটির সীমার বাইরে।
Parakeet Ultra কি ধীর?
| Parakeet V3 | Parakeet Ultra | |
|---|---|---|
| প্রসেসিং গতি | 74.5× রিয়েল-টাইম | 74.0× রিয়েল-টাইম |
| মডেল লোড, মিডিয়ান | 0.10 সেকেন্ড | 0.10 সেকেন্ড |
200টি FLEURS ক্লিপ, প্রতিটি ভাষার প্রথম আটটি, 37.2 মিনিটের অডিও। প্রতিটি ক্লিপ দুই মডেলে পরপর চালানো হয়েছে, কোনটি আগে চলবে তা পালা করে বদলে। শুধু ইঞ্জিনের প্রসেসিং সময়, প্রসেস চালু হওয়া বা মডেল লোড ছাড়া; এটি অ্যাপে শুরু থেকে শেষ পর্যন্ত লেটেন্সি নয়। Apple M5 Mac, macOS 27.0।
আমরা মাপার মতো কোনো পার্থক্য পাইনি। Parakeet Ultra চলেছে 74.0× রিয়েল-টাইমে আর Parakeet V3 74.5×-এ, গতির অনুপাত 0.99, যার 95% ব্যবধান 0.94 থেকে 1.06। এই হারে এই Mac-এ এক ঘণ্টার অডিওতে যেকোনো মডেলেই প্রায় 49 সেকেন্ড লাগে।
দুটি মডেলের আর্কিটেকচার ও প্যারামিটারের সংখ্যা একই, তফাত শুধু ওয়েটে, তাই গতি সমান হওয়াই প্রত্যাশিত। একই গতিতে Parakeet Ultra বেশি নির্ভুল।
পেছনের শোরগোলেও কি এটি এগিয়ে থাকে?
FLEURS পরিষ্কার কথা, তাই শোরগোল আমরা আলাদা একটি পরীক্ষায় দেখেছি। MUSAN কর্পাসের পেছনের শোরগোল আমরা LibriSpeech এবং FLEURS জার্মান ও স্প্যানিশের পড়া বাক্যে মিশিয়েছি, 10, 5 ও 0 dB সিগন্যাল-টু-নয়েজ অনুপাতে: নয়টি অবস্থা, 1,320টি বাক্য, একটি Mac-এ Whisper Notes যে Core ML মডেল ব্যবহার করে সেটি দিয়েই চালানো।
| অবস্থা | Parakeet V3 | Parakeet Ultra | পরিবর্তন |
|---|---|---|---|
| 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 জার্মান, 10 dB | 9.80% | 8.04% | −18% |
| FLEURS জার্মান, 5 dB | 13.86% | 10.55% | −24% |
| FLEURS জার্মান, 0 dB | 24.21% | 17.88% | −26% |
| FLEURS স্প্যানিশ, 10 dB | 11.17% | 5.46% | −51% |
| FLEURS স্প্যানিশ, 5 dB | 11.90% | 5.77% | −51% |
| FLEURS স্প্যানিশ, 0 dB | 13.43% | 6.96% | −48% |
| নয়টির গড় | 11.63% | 8.02% | −31% |
আলাদা শোরগোল পরীক্ষা, ওপরের FLEURS রান নয়: শতাংশে শব্দ ত্রুটির হার, প্রতি অবস্থায় 200টি LibriSpeech বা 120টি FLEURS বাক্য। এর ত্রুটির হার FLEURS টেবিলের সঙ্গে তুলনীয় নয়; শুধু আপেক্ষিক পরিবর্তনটুকুই প্রযোজ্য।
নয়টি অবস্থার গড়ে Parakeet Ultra, Parakeet V3-এর চেয়ে প্রায় 31% কম ভুল করেছে, এবং নয়টির প্রতিটিতেই ত্রুটির সীমার চেয়ে বেশি ব্যবধানে বেশি নির্ভুল ছিল। জার্মানে শোরগোল যত বাড়ে, উন্নতিও তত বাড়ে; আর স্প্যানিশে প্রতিটি স্তরেই ভুল প্রায় অর্ধেক কমেছে।
ভাষা নির্দিষ্ট করে দিলে Parakeet খারাপ করে
Whisper Notes-এর অনেক ব্যবহারকারী জানতে চেয়েছেন, Parakeet-এ ভাষার সেটিং নেই কেন। Parakeet-কে কোন ভাষা আশা করতে হবে তা বলে দেওয়া যায়, কিন্তু Whisper Notes-এ তাতে দুটি সংস্করণেই নির্ভুলতা কমেছে। আমরা প্রতিটি বাক্য দুবার চালিয়ে এটি মেপেছি, একবার স্বয়ংক্রিয় ভাষা শনাক্তকরণে আর একবার ভাষা নির্দিষ্ট করে।
| ভাষা | Ultra, নির্দিষ্ট | Ultra, স্বয়ংক্রিয় | V3, নির্দিষ্ট | V3, স্বয়ংক্রিয় |
|---|---|---|---|---|
| জার্মান | 5.19 | 3.72 | 6.26 | 4.69 |
| ডাচ | 7.89 | 6.91 | 8.58 | 7.59 |
| স্লোভেনীয় | 20.32 | 18.49 | 25.51 | 23.82 |
| গ্রিক | 34.00 | 20.96 | 36.49 | 36.10 |
| সব 25টি ভাষা | 11.59 | 10.63 | 14.30 | 13.99 |
শতাংশে শব্দ ত্রুটির হার। প্রতিটি মডেলের জোড়ায় কম মানটি সবুজে চিহ্নিত। Parakeet Ultra-র ক্ষেত্রে দেখানো প্রতিটি পার্থক্য 95% ব্যবধানের বাইরে, এবং 25টির মধ্যে 18টি ভাষা স্বয়ংক্রিয় শনাক্তকরণে বেশি নির্ভুল, কোনোটি কম নয়; Parakeet V3-এর জন্য আমরা ব্যবধান হিসাব করিনি।
আমাদের ধারণা, ভাষা নির্দিষ্ট করে দিলে Parakeet ভালো শোনে না। এটি শুধু ট্রান্সক্রিপ্ট থেকে সেই শব্দগুলো সরিয়ে দেয় যেগুলো ওই ভাষার মতো দেখায় না, আর নাম ও অন্য ভাষা থেকে আসা শব্দ প্রায়ই ভুল করে বাদ পড়ে যায়। তাই Whisper Notes-এ Parakeet সবসময় নিজেই ভাষা শনাক্ত করে; Whisper, SenseVoice ও Qwen3-ASR-এ আপনি ভাষা বেছে নিতে পারেন, আর SenseVoice-এ ভাষা বেছে দিলে ত্রুটির হার সামান্য কম হয়।
Parakeet Ultra কোন ভাষাগুলোর জন্য ভালো?
- লাটভীয়, লিথুয়ানীয়, স্লোভেনীয়, মাল্টিজ, হাঙ্গেরীয়, এস্তোনীয় ও গ্রিক ভাষায় উন্নতি সবচেয়ে বেশি, 4.72 থেকে 15.14 পয়েন্ট।
- ইংরেজি, জার্মান, স্প্যানিশ, ফরাসি, ইতালীয়, পর্তুগিজ ও ডাচ ভাষায় ত্রুটির হার আগে থেকেই কম ছিল, উন্নতি 0.68 থেকে 1.01 পয়েন্ট। ক্রোয়েশীয়তে স্পষ্ট কোনো পার্থক্য দেখা যায়নি।
- ইউক্রেনীয়, চেক, এস্তোনীয়, হাঙ্গেরীয়, লিথুয়ানীয় ও স্লোভাক: আমাদের FLEURS রানে Parakeet Ultra-র ত্রুটির হার এখন Whisper Large V3 Turbo-র চেয়ে কম।
- এই 25টির বাইরের ভাষা, যেমন চীনা, জাপানি, কোরীয়, আরবি ও হিন্দি: চীনা, ক্যান্টনিজ, জাপানি ও কোরীয়র জন্য SenseVoice Small ব্যবহার করুন, আর আমাদের ভাষার তালিকার বাকি ভাষার জন্য Whisper, অর্থাৎ Mac-এ Whisper Large V3 Turbo এবং iPhone-এ Whisper Small।
Parakeet Ultra কী?
| নির্মাতা | Moondream |
| ভিত্তি মডেল | NVIDIA Parakeet TDT 0.6B v3 |
| প্রকাশ | 22 সেপ্টেম্বর 2026 |
| আকার | 0.6 বিলিয়ন প্যারামিটার, ভিত্তি মডেলের মতোই আর্কিটেকচার ও টোকেনাইজার; Mac অ্যাপের ভেতরে প্রায় 600 MB |
| ভাষা | Parakeet V3-এর মতোই একই 25টি ইউরোপীয় ভাষা |
| প্রশিক্ষণের ডেটা | প্রকাশ করা হয়নি |
| লাইসেন্স | CC BY 4.0; মডেল পেজ: moondream/parakeet-ultra |
| কোথায় চলে | আপনার ডিভাইসে, অফলাইনে, Apple Neural Engine-এ, Fluid Inference-এর Core ML রূপান্তর হিসেবে |
| Whisper Notes-এ | বিল্ট-ইন, আলাদা ডাউনলোড নেই: আমাদের ওয়েবসাইট থেকে ডাউনলোড করা Mac অ্যাপে সংস্করণ 1.6.4 থেকে, iPhone অ্যাপে সংস্করণ 1.8.9 থেকে। সেটিংসে এটি Mac-এ “Parakeet” আর iPhone-এ “Parakeet V3” নামে দেখায়। |
রূপান্তরিত ওয়েটগুলো আমরা Moondream-এর রিলিজের সঙ্গে টেনসর ধরে ধরে মিলিয়ে দেখেছি; রূপান্তরের নির্ভুলতার সীমার মধ্যে সেগুলো মেলে। Moondream, NVIDIA ও Fluid Inference, Whisper Notes-কে অনুমোদন বা সমর্থন করে না।
আমরা কীভাবে পরীক্ষা করেছি
সব সংখ্যা Whisper Notes-এ শুরু থেকে শেষ পর্যন্ত মাপা, তাই কাঁচা মডেল অন্য কোথাও চালালে ফল আলাদা হতে পারে। আমরা Google FLEURS টেস্ট সেট ব্যবহার করেছি: 25টি ভাষা, 3,976টি বাক্য, আগের পরীক্ষাগুলোর মতোই একই বাক্য ও একই স্কোরিং। শব্দ ত্রুটির হার একটি ভাষার সব শব্দ মিলিয়ে হিসাব করা, 95% ব্যবধান এসেছে বাক্যগুলো পুনঃনমুনায়ন করে, আর সবকিছু চলেছে একটি Apple M5 Mac-এ। ভাষা নির্দিষ্ট করে চালালেও সিদ্ধান্ত একই থাকে (14.30% থেকে 11.59%), এবং FLEURS-এর আলাদা একটি নমুনায় আমরা সেই একই 17.8% হ্রাস মেপেছি, যা Moondream-এর মডেল কার্ডে বলা আছে।
FLEURS হলো 30 সেকেন্ডের কম দৈর্ঘ্যের ক্লিপে পরিষ্কার, পড়ে শোনানো কথা, তাই মিটিং, দূর থেকে ধরা অডিও, ভারী উচ্চারণ আর দীর্ঘ রেকর্ডিং এর আওতায় নেই; iPhone একই মডেল ব্যবহার করে এবং আলাদাভাবে পরীক্ষা করা হয়নি।
সাধারণ জিজ্ঞাসা
Parakeet Ultra vs Parakeet V3: কোনটি বেশি নির্ভুল?
Parakeet Ultra। Whisper Notes-এ 25টি FLEURS ভাষায় এর শব্দ ত্রুটির হার ছিল 10.63% (Parakeet Ultra), বিপরীতে 13.99% (Parakeet V3), অর্থাৎ ভুল প্রায় 24% কম; 24টি ভাষায় বেশি নির্ভুল, কোনোটিতে কম নয়। সবচেয়ে বড় উন্নতি গ্রিকে, 36.10% থেকে 20.96%, আর লাটভীয়তে, 30.25% থেকে 20.70%।
Parakeet Ultra কি Parakeet V3-এর চেয়ে ধীর?
না। Apple M5 Mac-এ এটি চলেছে 74.0× রিয়েল-টাইমে, Parakeet V3 74.5×-এ, গতির অনুপাত 0.99, যার 95% ব্যবধান 0.94 থেকে 1.06। যেকোনো মডেলেই এক ঘণ্টার অডিওতে প্রায় 49 সেকেন্ড লাগে।
Parakeet Ultra কোন কোন ভাষা সমর্থন করে?
Parakeet V3-এর মতোই একই 25টি ইউরোপীয় ভাষা: বুলগেরীয়, ক্রোয়েশীয়, চেক, ড্যানিশ, ডাচ, ইংরেজি, এস্তোনীয়, ফিনিশ, ফরাসি, জার্মান, গ্রিক, হাঙ্গেরীয়, ইতালীয়, লাটভীয়, লিথুয়ানীয়, মাল্টিজ, পোলিশ, পর্তুগিজ, রোমানীয়, রুশ, স্লোভাক, স্লোভেনীয়, স্প্যানিশ, সুইডিশ ও ইউক্রেনীয়। চীনা, ক্যান্টনিজ, জাপানি ও কোরীয়র জন্য Whisper Notes-এ আছে SenseVoice Small; অন্যান্য ভাষার জন্য Whisper।
Parakeet Ultra কীভাবে ব্যবহার করব?
এটিই Whisper Notes-এর বিল্ট-ইন Parakeet মডেল: আমাদের ওয়েবসাইট থেকে ডাউনলোড করা Mac অ্যাপে সংস্করণ 1.6.4 থেকে এবং iPhone অ্যাপে সংস্করণ 1.8.9 থেকে। আলাদা করে ডাউনলোড করতে হয় না, আর এটি আপনার ডিভাইসেই অফলাইনে ট্রান্সক্রাইব করে।
চেষ্টা করে দেখুন
Parakeet Ultra এখন Whisper Notes-এ বিল্ট-ইন। নিচের বোতামগুলো দিয়ে App Store থেকে iPhone অ্যাপ বা আমাদের ওয়েবসাইট থেকে Mac অ্যাপ নিন। কোনো প্রশ্ন? ইমেল করুন support@whispernotes.app।
iOS-এর জন্য ডাউনলোড করুন