TL;DR
| Parakeet V3 | Srovnání s Whisperem | |
|---|---|---|
| Rychlost | 10× vs Turbo; ~23× vs V3 | Referenční bod: Turbo / Large V3 |
| Podporované jazyky | 25 | více než 100 |
| Chybovost angličtiny (WER) | 6,32 % | Turbo 7,83 %; V3 7,44 % |
| Prům. chybovost, 25 jazyků (WER) | 12,0 % | 12,6 % |
| Halucinace | V našich testech na tichu prakticky žádné | Na tichu se mohou objevit |
| Vhodné pro | Angličtina a evropské jazyky | Asijské jazyky, arabština, více než 100 |
* Rychlost: stejný 35minutový záznam na Apple Silicon. Anglický WER: Hugging Face Open ASR Leaderboard. Průměr z 25 jazyků: benchmark FLEURS. Chování na tichu je naše produktové pozorování, ne záruka nulových chyb.
Od verze 1.3.2 (Direct Download / DMG) používá Whisper Notes pro Mac jako výchozí engine rozpoznávání řeči NVIDIA Parakeet TDT 0.6B. Je 10x rychlejší než Whisper Large V3 Turbo pro angličtinu a navíc přesnější. Modely Whisper jsou pořád dostupné, pokud potřebuješ jiné jazyky.
Proč jsme změnili výchozí model
Whisper je skvělý, ale byl navržený jako univerzální nástroj. Zvládá více než 100 jazyků, překládá, generuje časové značky — takový švýcarský nůž. Daň za to je rychlost. Pro diktování v angličtině, kdy prostě chceš slova na obrazovce co nejrychleji, je to zbytečný kanón na vrabce.
Tady je to, co mě štvalo: při použití systémového diktování přes Fn s Whisperem po zhruba minutovém úseku člověk čekal 3–5 sekund, než se objevil přepis. Ta pauza rozbíjí flow. Přestaneš mluvit, čekáš, koukáš na kurzor — a kouzlo hlasového psaní je pryč.
Parakeet to kompletně změnil. Rychlost je tak vysoká, že přepis se objeví v okamžiku, kdy přestaneš mluvit. Mluvíš a slova tam prostě jsou. Jakmile tohle jednou zažiješ — ten plynulý, bezodkladný tok — zpátky na Whisper se vrací fakt těžko.
Jak rychlý je Parakeet V3?
Čísla mluví za vše. Tady je reálné srovnání na 35minutovém audio souboru na tom samém Macu:
| Model | 35 min audio |
|---|---|
| Whisper Large V3 Turbo | 3 minuty |
| Parakeet TDT 0.6B v3 | 18 sekund |
To je 10x rychlejší. A protože je model menší (600 milionů vs. 800 milionů parametrů), spotřebuje i méně paměti a baterie.
Čím je Parakeet v3 tak rychlý
Whisper zpracovává audio stejně, jako bys četl knihu nahlas — slovo po slově, snímek po snímku, nikdy nepředbíhá. I během ticha pořád zpracovává a hádá, co přijde dál. Je to důkladné, ale pomalé.
Parakeet má zásadně jiný přístup. Před zpracováním zkomprimuje audio signál 8x, takže model vidí jen to podstatné. Pak, místo aby drtil každý jednotlivý snímek, předpovídá nejen jaké slovo jsi řekl, ale i jak dlouho to slovo trvá — a přeskočí dopředu. Ticho? Přeskočeno. Dlouhá samohláska? Jedna predikce místo desítek.
Výsledek je model, který zpracovává řeč tak, jako to dělá tvůj mozek — soustředí se na slova a ignoruje mezery. Proto je 10x rychlejší s menším počtem parametrů a vyšší přesností.
Benchmarky: Parakeet v3 vs. Whisper
Parakeet v3 vyrovná nebo překoná modely 2–4x větší na benchmarcích FLEURS, CoVoST a MLS
Na Hugging Face Open ASR Leaderboard vede Parakeet v3 žebříček s pouhými 600 miliony parametrů — méně než polovina z 1,55 miliardy u Whisper Large V3:
| Model | Parametry | Průměrný WER | Rychlost (RTFx) |
|---|---|---|---|
| Parakeet TDT 0.6B v3 | 0,6 mld. | 6,32 % | 3 333x |
| Canary 1B v2 | 1,0 mld. | 7,15 % | 749x |
| Whisper Large V3 | 1,55 mld. | 7,44 % | 146x |
| Whisper Large V3 Turbo | 0,8 mld. | 7,83 % | 350x |
Nižší WER = méně chyb. Vyšší RTFx = vyšší rychlost. Parakeet vyhrává v obojím. Se 600 miliony parametrů je to navíc nejmenší model v celém seznamu — což znamená, že na Apple Silicon běží krásně s minimální spotřebou paměti a baterie.
Vícejazyčný WER: všech 25 jazyků
Tabulka výše se týká pouze angličtiny. Tady je kompletní obraz — jak si tři modely dostupné ve Whisper Notes vedou ve všech 25 jazycích, které Parakeet podporuje, měřeno na benchmarku FLEURS. Nižší WER = méně chyb přepisu. Nejlepší hodnota mezi Large V3 a Parakeet je zvýrazněna v každém řádku:
| Jazyk | Whisper Small | Whisper Large V3 | Parakeet V3 |
|---|---|---|---|
| Bulharština | 37.3 | 12.9 | 12.6 |
| Chorvatština | 33.4 | 11.1 | 12.5 |
| Čeština | 37.6 | 11.3 | 11.0 |
| Dánština | 32.8 | 12.6 | 18.4 |
| Holandština | 16.4 | 5.6 | 7.5 |
| Angličtina | 6.1 | 4.3 | 4.9 |
| Estonština | 51.3 | 19.1 | 17.7 |
| Finština | 24.0 | 7.7 | 13.2 |
| Francouzština | 15.0 | 6.3 | 5.2 |
| Němčina | 10.2 | 4.3 | 5.0 |
| Řečtina | 30.8 | 27.0 | 20.7 |
| Maďarština | 38.9 | 14.1 | 15.7 |
| Italština | 9.8 | 2.3 | 3.0 |
| Lotyština | 53.2 | 18.3 | 22.8 |
| Litevština | 65.6 | 22.3 | 20.4 |
| Maltština | 92.2 | 68.9 | 20.5 |
| Polština | 14.7 | 4.7 | 7.3 |
| Portugalština | 7.3 | 3.7 | 4.8 |
| Rumunština | 29.8 | 8.2 | 12.4 |
| Ruština | 11.4 | 4.2 | 5.5 |
| Slovenština | 33.3 | 8.4 | 8.8 |
| Slovinština | 49.3 | 19.9 | 24.0 |
| Španělština | 5.6 | 3.1 | 3.5 |
| Švédština | 20.8 | 7.9 | 15.1 |
| Ukrajinština | 19.3 | 6.5 | 6.8 |
| Průměr | 29.8 | 12.6 | 12.0 |
WER (%) na FLEURS. Data Whisper Small z Radford et al.; data Large V3 a Parakeet V3 z článku NVIDIA Canary-1B-v2.
Whisper Large V3 je ve většině jednotlivých jazyků o kousek napřed, ale Parakeet V3 se mu v průměru těsně blíží (12,0 % vs 12,6 %), vede v řečtině, francouzštině, estonštině a maltštině a průměrnou chybovost Whisper Small snižuje zhruba o 60 %. Praktická výhoda spočívá v kombinaci: vícejazyčná přesnost na úrovni Large V3 při zhruba 23× vyšší rychlosti, menší nároky za běhu a v našich testech diktování mnohem spolehlivější chování na tichu.
Proč na tichu halucinuje méně
Pokud jsi Whisper používal na diktování, pravděpodobně jsi viděl, jak během ticha halucinuje — opakuje fráze, vymýšlí slova nebo odněkud vyplivne „Subtitles by Amara.org“. Děje se to proto, že autoregresivní dekodér Whisperu vždycky očekává, že vygeneruje text, i když není co přepisovat.
Transducerová architektura Parakeetu umí místo vynuceného textového tokenu vydat prázdný výstup. V našich testech systémového diktování je díky tomu mnohem méně pravděpodobné než u Whisperu, že pauzu vyplní opakovaným nebo nesouvisejícím textem. Pořád je to ale model řeči, takže přesné tvrzení zní „méně pravděpodobné“, ne „nikdy“.
Jaké jazyky Parakeet podporuje
Parakeet v3 podporuje 25 jazyků: angličtinu, bulharštinu, češtinu, dánštinu, estonštinu, finštinu, francouzštinu, holandštinu, chorvatštinu, italštinu, litevštinu, lotyštinu, maďarštinu, maltštinu, němčinu, polštinu, portugalštinu, rumunštinu, ruštinu, řečtinu, slovenštinu, slovinštinu, španělštinu, švédštinu a ukrajinštinu.
To pokrývá většinu Evropy, ale ne čínštinu, japonštinu, korejštinu, arabštinu ani hindštinu. Pro čínštinu, japonštinu, korejštinu a kantonštinu zvol SenseVoice; pro arabštinu, hindštinu a další jazyky mimo sadu Parakeetu použij Whisper Large V3 Turbo.
Přepínač modelů: Parakeet V3 (výchozí), SenseVoice Small, Whisper Small a Whisper Large V3 Turbo — vše běží lokálně
Přepínač modelů ve Whisper Notes
Otevři Nastavení a přepínej mezi modely:
- Parakeet V3 (výchozí) — nejrychlejší, nejlepší pro angličtinu a evropské jazyky
- SenseVoice Small — nejrychlejší pro čínštinu, japonštinu, korejštinu a kantonštinu
- Whisper Small — odlehčený, více než 100 jazyků
- Whisper Large V3 Turbo — široké pokrytí více než 100 jazyků
Všechny modely běží na 100 % lokálně na tvém Macu. Bez internetu, bez cloudu, žádná data neopouštějí tvoje zařízení.
A co Parakeet V2?
Pokud jsi používal V2, možná tě zajímá srovnání. V2 byl čistě anglický model — a jeho přesnost v angličtině je ve skutečnosti o trochu lepší než u V3 (WER 6,05 % vs 6,32 %). V3 tuto nepatrnou ztrátu vyměnil za podporu 25 jazyků. Oba jsou výrazně přesnější než Whisper.
| Parakeet V2 | Parakeet V3 | Whisper Large V3 | |
|---|---|---|---|
| WER (angličtina) | 6,05 % | 6,32 % | 7,44 % |
| Jazyky | Pouze angličtina | 25 | více než 100 |
Stručně: pokud potřebuješ jen angličtinu, V2 i V3 jsou skvělé. V3 je ve Whisper Notes výchozí, protože vícejazyčná podpora je pro většinu uživatelů důležitá — a rozdíl v přesnosti angličtiny je zanedbatelný.
A co WhisperKit?
WhisperKit je open-source Swift framework od Argmaxu pro spouštění modelů Whisper na zařízeních Apple. Je to nástroj pro vývojáře, ne aplikace pro koncové uživatele — a běží na něm Whisper, ne Parakeet (což je rodina modelů od NVIDIA). Pokud chceš přepis na zařízení ve stylu WhisperKitu, aniž bys sám psal Swift, Whisper Notes balí stejnou myšlenku do hotové aplikace: Parakeet V3, Whisper Large V3 Turbo a SenseVoice, vše běžící lokálně na Macu i iPhonu.
Porovnáváš všechny lokální možnosti? Každý model převodu řeči na text běžící na zařízení — varianty Whisperu, Parakeet V3, SenseVoice i Voxtral — srovnáváme vedle sebe na naší stránce se srovnáním modelů Whisper. S Whisperem teprve začínáš? Začni průvodcem přepisem s Whisperem — co je to za model, všechny způsoby, jak ho spustit, a kolik to stojí.
Často kladené otázky
Je Parakeet V3 lepší než Whisper?
Pro angličtinu a evropské jazyky často ano. V našem 35minutovém testu byl Parakeet 10× rychlejší než Whisper Turbo a Open ASR Leaderboard uvádí pro Parakeet 6,32 % WER v angličtině oproti 7,83 % u Turba. Whisper ale pořád pokrývá daleko víc jazyků: více než 100 oproti 25 u Parakeetu.
Jaké jazyky podporuje Parakeet V3?
Parakeet V3 podporuje 25 jazyků: angličtinu, bulharštinu, češtinu, dánštinu, estonštinu, finštinu, francouzštinu, holandštinu, chorvatštinu, italštinu, litevštinu, lotyštinu, maďarštinu, maltštinu, němčinu, polštinu, portugalštinu, rumunštinu, ruštinu, řečtinu, slovenštinu, slovinštinu, španělštinu, švédštinu a ukrajinštinu.
Můžu Parakeet V3 spustit na Macu?
Ano. Whisper Notes pro Mac dodává Parakeet V3 jako výchozí engine. Běží na 100 % lokálně na Apple Silicon — bez internetu, bez cloudu, žádná data neopouštějí tvoje zařízení. Stáhni si DMG s bezplatnou zkušební verzí a vyzkoušej ho.
Halucinuje Parakeet V3 jako Whisper?
V našich testech ticha mnohem méně často, ale žádný model řeči si nezaslouží tvrzení „nikdy“. Parakeet umí během pauz vydávat prázdné výstupy, zatímco autoregresivní dekodér Whisperu má při tichém vstupu větší sklon k opakovaným frázím nebo nesouvisejícímu textu.
Parakeet V2 vs V3 — který použít?
Parakeet V2 je pouze anglický, s nepatrně lepší přesností v angličtině (6,05 % vs 6,32 % WER). V3 tento drobný rozdíl vyměnil za 25 evropských jazyků a je ve Whisper Notes výchozí. Pokud nepřepisuješ výhradně angličtinu a nehoníš poslední zlomek procenta, používej V3.
Podporuje Parakeet V3 japonštinu, čínštinu nebo korejštinu?
Ne — všech jeho 25 jazyků je evropských. Pro čínštinu, japonštinu, korejštinu nebo kantonštinu obsahuje Whisper Notes SenseVoice (52x rychlejší než Whisper pro CJK) a modely Whisper. Vše běží offline na Macu i iPhonu.
Jak velký je Parakeet V3?
600 milionů parametrů — stažení má 465 MB a při přepisu v naší verzi pro Mac spotřebuje zhruba 800 MB paměti. Whisper Large V3 Turbo je stažení o velikosti asi 1,6 GB a ve stejné aplikaci spotřebuje zhruba 1,6 GB paměti.
Vyzkoušej to
Parakeet v3 je dostupný hned teď ve verzi pro Mac — stačí stáhnout nejnovější DMG. Aktualizace: Parakeet je nyní k dispozici i v nejnovější verzi pro iOS.
Otázky nebo zpětná vazba? Napiš na support@whispernotes.app.
Stáhnout pro iOS