Chtěli jsme odpovědět na jednu otázku: existuje lokální model, který přepíše tvůj jazyk přesněji než Whisper Large V3? Proto jsme tyhle modely otestovali na datasetu FLEURS.
FLEURS je dataset od Googlu se čtenou řečí ve 102 jazycích. Z každého jazyka jsme vzali zhruba 75 vět a pustili stejné nahrávky, ve stejném pořadí, pěti modely:
- Parakeet V3
- Whisper Large V3 Turbo
- SenseVoice Small
- Whisper Small
- Qwen3-ASR 1.7B
Výsledky vypadají takhle.
Qwen3-ASR 1.7B proti Whisper Large V3 Turbo — náš vlastní běh FLEURS, jeden M5 MacBook Air, čtená řeč, krátké nahrávky.
| Qwen3-ASR 1.7B | Whisper Large V3 Turbo | |
|---|---|---|
| Podporované jazyky | 30 | 101 |
| Jasné výhody | kantonština, hindština, thajština, vietnamština, francouzština (5) | finština, maďarština, řečtina a dalších 8 jazyků (11) |
| Rychlost | 8,7× rychleji než v reálném čase | 2,4× rychleji než v reálném čase |
| Špičková paměť | 2,43 GiB | 1,87 GiB |
| Velikost stažení | asi 2,5 GB | asi 1,6 GB |
Mimo silné jazyky každého modelu je rozdíl v přesnosti malý.
Whisper Large V3 proti Qwen3-ASR: podrobné srovnání
Všech 30 jazyků, seřazeno od největší výhry Qwenu po jeho největší prohru. V obou sloupcích platí, že nižší je lepší.
Náš vlastní běh FLEURS, jeden M5 MacBook Air, čtená řeč. Pro čínštinu, kantonštinu, japonštinu, korejštinu a thajštinu CER, pro zbytek WER; zeleně je označen náskok, který je širší než párové 95 % intervaly.
| Jazyk | Qwen3-ASR 1.7B | Whisper Large V3 Turbo |
|---|---|---|
| Kantonština | 6,00 | 37,97 |
| Hindština | 13,67 | 30,42 |
| Thajština | 5,92 | 12,95 |
| Vietnamština | 5,07 | 9,79 |
| Perština | 26,98 | 30,03 |
| Arabština | 14,14 | 15,75 |
| Indonéština | 4,97 | 6,50 |
| Francouzština | 3,98 | 5,39 |
| Čínština | 5,69 | 6,88 |
| Angličtina | 5,07 | 5,92 |
| Němčina | 3,51 | 4,10 |
| Japonština | 5,39 | 5,71 |
| Korejština | 3,51 | 3,70 |
| Španělština | 3,60 | 3,76 |
| Italština | 2,98 | 3,05 |
| Ruština | 5,98 | 5,51 |
| Portugalština | 5,64 | 4,91 |
| Makedonština | 17,81 | 16,64 |
| Malajština | 11,60 | 10,18 |
| Nizozemština | 7,65 | 5,63 |
| Turečtina | 8,34 | 5,53 |
| Dánština | 20,12 | 14,92 |
| Polština | 12,78 | 5,32 |
| Rumunština | 18,97 | 8,22 |
| Filipínština | 20,44 | 9,37 |
| Švédština | 20,04 | 8,72 |
| Čeština | 23,92 | 11,15 |
| Řečtina | 30,20 | 12,97 |
| Finština | 26,08 | 6,54 |
| Maďarština | 36,35 | 13,66 |
Náš vlastní párový běh na testovacím splitu FLEURS, revize 70bb2e84, zhruba 75 vět na jazyk, jeden M5 MacBook Air.
Pět jazyků, které Qwen3-ASR 1.7B vyhrává jasně. Chybovost v procentech, Qwen proti Turbu: kantonština (6,0 proti 38,0), hindština (13,7 proti 30,4), thajština (5,9 proti 13,0), vietnamština (5,1 proti 9,8), francouzština (4,0 proti 5,4). Kantonština a thajština se počítají po znacích, zbytek po slovech. Jeho výhoda leží v jazycích počítaných po znacích: u čínštiny, kantonštiny, japonštiny, korejštiny a thajštiny měl průměr 5,3 % proti 13,4 % u Turba. Ve zbylých dvaceti pěti, počítaných po slovech, měl průměr 14,0 % proti 10,2 % u Turba.
Jedenáct jazyků, které Whisper Large V3 Turbo vyhrává jasně. Chybovost v procentech, Qwen proti Turbu, všude počítáno po slovech: maďarština (36,4 proti 13,7), řečtina (30,2 proti 13,0), finština (26,1 proti 6,5), čeština (23,9 proti 11,2), filipínština (20,4 proti 9,4), dánština (20,1 proti 14,9), švédština (20,0 proti 8,7), rumunština (19,0 proti 8,2), polština (12,8 proti 5,3), turečtina (8,3 proti 5,5), nizozemština (7,7 proti 5,6).
Čtrnáct jazyků, kde je to těsné nebo vyrovnané. Angličtina (5,1 proti 5,9), němčina (3,5 proti 4,1), španělština (3,6 proti 3,8), italština (3,0 proti 3,1), ruština (6,0 proti 5,5), portugalština (5,6 proti 4,9); čínština (5,7 proti 6,9), japonština (5,4 proti 5,7) a korejština (3,5 proti 3,7) se počítají po znacích. Dál arabština, indonéština, perština, malajština a makedonština. Každý rozdíl v této skupině je malý a leží uvnitř 95 % pásma, takže tenhle běh oba modely nerozliší.
Kantonština je jediný řádek, který mění rozhodnutí: 6,00 % proti 37,97 %. SenseVoice Small, který jsme dosud uváděli jako odpověď pro kantonštinu, měl na stejných nahrávkách 36,71 % CER. Na téhle sadě čtené řeči laťku nepřekročí ani jeden z nich, takže starší doporučení má od teď tuhle výhradu.
Jak rychlý je Qwen3-ASR 1.7B?
Všech pět enginů jsme měřili ve stejném testovacím prostředí na jednom stroji (M5 MacBook Air), takže navzájem porovnatelné aspoň jsou.
Medián faktoru reálného času přes všechny jazyky každého enginu ve stejném běhu FLEURS, jeden M5 MacBook Air, čtená řeč.
| Engine | Jazyky | Medián rychlosti v tomto běhu (krátké nahrávky) |
|---|---|---|
| SenseVoice Small | 6 jazyků | 161,0× |
| Parakeet TDT 0.6B v3 | 25 | 82,9× |
| Qwen3-ASR 1.7B | 30 uváděných | 8,7× |
| Whisper Small | 101 | 6,4× |
| Whisper Large V3 Turbo | 101 | 2,4× |
Tohle jsou čísla naměřená stejným měřicím skriptem na krátkých nahrávkách a jsou nižší než to, co stejné enginy zvládnou na dlouhé nahrávce. Ten sloupec používej jen na srovnání enginů mezi sebou uvnitř tohohle jednoho běhu.
Parakeet V3 a SenseVoice Small jsou ve stejném prostředí zhruba o řád rychlejší než Qwen3-ASR. Na dlouhých souborech místo krátkých nahrávek běžel Parakeet 103× rychleji než v reálném čase na M4 Pro a SenseVoice 52× a lépe: jiné měření na jiném zvuku, ale ukazuje stejným směrem.
Qwen3-ASR je někde uprostřed. V tomhle běhu na krátkých nahrávkách nebyl nejpomalejší, nejpomalejší byl Whisper Large V3 Turbo. Kolísá ale mezi jazyky víc než ostatní: od 2,7× v řečtině po 12,4× v japonštině.
Kolik Qwen3-ASR stojí paměti a místa na disku?
Špičková paměť je největší stopa procesu naměřená na položkách stejného běhu FLEURS, jeden M5 MacBook Air, čtená řeč, krátké nahrávky.
| Engine | Velikost stažení | Špičková paměť v tomto běhu |
|---|---|---|
| Parakeet TDT 0.6B v3 | 465 MB | 0,09 GiB |
| Whisper Small | 600 MB | 0,87 GiB |
| SenseVoice Small | 827 MB | 0,95 GiB |
| Whisper Large V3 Turbo | asi 1,6 GB | 1,87 GiB |
| Qwen3-ASR 1.7B | asi 2,5 GB | 2,43 GiB |
Na obou osách je Qwen3-ASR z pětice nejtěžší: asi 2,5 GB ke stažení a 2,43 GiB špičkové paměti procesu v tomhle běhu, proti asi 1,6 GB a 1,87 GiB u Whisper Large V3 Turbo.
Na stroji s 8 GB existuje lehčí cesta. Parakeet V3 pokryje 25 jazyků v 465 MB a 0,09 GiB a Whisper Small 101 jazyků v 600 MB a 0,87 GiB.
Jak jsme měřili: FLEURS, 30 jazyků, jeden Mac
Qwen3-ASR 1.7B běžel jako build MLX 8-bit, Whisper Large V3 Turbo jako build ggml pro whisper.cpp na Metalu. Data jsou testovací split Google FLEURS v revizi 70bb2e84 (CC-BY-4.0): 83 z jeho 102 jazyků, zhruba 75 vět a 15 minut na každý, stejné nahrávky ve stejném pořadí pro každý model; párové srovnání je 30 jazyků Qwenu. WER pro jazyky oddělené mezerami, CER pro čínštinu, kantonštinu, japonštinu, korejštinu a thajštinu, nikdy neslučováno do jednoho čísla; intervaly chyby jsou bootstrap na úrovni položek s 10 000 převzorkováními. Jeden M5 MacBook Air, 32 GB, macOS 26.5, ani jeden model nevrátil prázdné výstupy nebo chyby.
FLEURS je čtená řeč, ne porada a ne diktování. Pořadí ze čtené řeči nám dvakrát nepřežilo střet se skutečným zvukem, takže ho neextrapolujeme na dlouhé nahrávky: tyhle tabulky říkají, jestli je model pro tvůj jazyk vůbec kandidát, ne jakou přesnost dostaneš. Vyhodnocení Qwen3-ASR 1.7B na skutečných poradách vyjde samostatně.
Máš přejít z Whisper Large V3 na Qwen3-ASR?
Jazyk po jazyku — takhle bychom na to odpověděli uvnitř Whisper Notes pro Mac.
- Pokud přepisuješ kantonštinu, hindštinu, thajštinu, vietnamštinu nebo francouzštinu: vezmi Qwen3-ASR 1.7B.
- Pokud přepisuješ čínštinu, japonštinu, korejštinu, angličtinu, němčinu, španělštinu nebo italštinu: vedl o vlásek a víc než vlásek tvrdit nebudeme. Oba modely jsou v pořádku, stejně jako u perštiny, arabštiny, indonéštiny, ruštiny, portugalštiny, makedonštiny a malajštiny.
- Pokud přepisuješ finštinu, maďarštinu, řečtinu, češtinu, švédštinu, dánštinu, polštinu, rumunštinu, filipínštinu, turečtinu nebo nizozemštinu: zůstaň u Whisper Large V3 Turbo. Všech jedenáct vyhrál jasně.
- Pokud ti jde o rychlost nebo místo na disku: tenhle engine to není. Parakeet V3 a SenseVoice Small byly o řád rychlejší při zlomku velikosti stažení a Whisper Small pokryje 101 jazyků v 600 MB při 6,4×.
- Pokud jsi na iPhonu nebo na verzi z Mac App Store: tam engine zatím není. Na těchhle kanálech je pro kantonštinu volbou SenseVoice.
Tohle je port otevřeného Qwen3-ASR od Alibaby do zařízení, jak ho udělal Whisper Notes pro Mac: otevřené váhy převedené do Apple MLX v 8-bit, běžící na GPU tvého Macu, bez odesílání zvuku na servery Alibaby. Není to stejný model jako 0.6B, který SenseVoice nahradil v přímém stažení pro Mac (DMG) 1.5.0.
Jak ho zapnout (přímé stažení pro Mac, DMG 1.6.0 a novější): Nastavení → Model přepisu → Qwen3-ASR 1.7B. Model se stáhne uvnitř aplikace při prvním použití a má asi 2,5 GB. Vyžaduje macOS 15 nebo novější na Apple silicon, doporučujeme 16 GB paměti; zbytek aplikace běží na macOS 14. Seznam jazyků po enginech je na stránce podpory jazyků. Lokální CLI a MCP server přijímají „qwen“, „qwen3“ a „qwen3-asr“.
Pokud přepínat nechceš, měnit nemusíš nic: Parakeet V3 je pořád výchozí.
Často kladené otázky
Je Qwen3-ASR přesnější než Whisper Large V3 Turbo?
Záleží na jazyku a poměr je skoro vyrovnaný. V našem vlastním běhu FLEURS uvnitř Whisper Notes pro Mac, ve 30 jazycích, které pokrývají oba modely, byl Qwen3-ASR 1.7B napřed v 15 a Whisper Large V3 Turbo v 15. Qwen vedl jasně v kantonštině (6,00 % proti 37,97 % CER), hindštině (13,67 % proti 30,42 % WER), thajštině, vietnamštině a francouzštině. Turbo vedlo jasně ve finštině (6,54 % proti 26,08 % WER), maďarštině, řečtině, češtině, švédštině, dánštině, polštině, rumunštině, filipínštině, turečtině a nizozemštině. Čtrnáct ze třiceti rozdílů leží uvnitř intervalů chyby a je třeba je číst jako remízu. Zvol Qwen3-ASR, pokud je tvůj jazyk v jeho sloupci výher a používáš přímé stažení Whisper Notes pro Mac (DMG); ve všem ostatním a pro každý jazyk mimo těch 30 zvol Whisper Large V3 Turbo, protože Whisper zvládne všech 101 jazyků.
Můžu Qwen3-ASR použít na iPhonu nebo z Mac App Store?
Dnes je v přímém stažení Whisper Notes pro Mac (DMG) od verze 1.6.0. Verze z Mac App Store má novější enginy dostat v pozdějších vydáních, datum ale nemáme. Zatím mají aplikace pro iPhone i verze z Mac App Store tři rodiny enginů — Whisper, Parakeet V3 a SenseVoice — a každý jazyk, který Qwen rozpozná, tam pokrývá i Whisper. Počítáno v modelech nabízí verze z Mac App Store dnes čtyři a přímé stažení pět, protože Whisper je k dispozici jako Small i jako Large V3 Turbo. Pokud potřebuješ kantonštinu na iPhonu, použij tam SenseVoice.
Qwen3-ASR, nebo SenseVoice na čínštinu, japonštinu a korejštinu?
V přesnosti jsou blízko, v rychlosti hodně daleko od sebe. V našem běhu FLEURS měl Qwen3-ASR 5,69 % CER v čínštině, 5,39 % v japonštině a 3,51 % v korejštině; SenseVoice Small na stejných nahrávkách 7,06 %, 6,85 % a 7,82 %. SenseVoice v tom běhu jel na mediánu 161× rychleji než v reálném čase proti 8,7× u Qwenu, stahuje 827 MB proti asi 2,5 GB a je k dispozici na iPhonu i v obou verzích pro Mac. Zvol SenseVoice, ledaže přepisuješ kantonštinu: tam měl Qwen3-ASR 6,00 % CER proti 36,71 % u SenseVoice a ten rozdíl za čekání stojí.
Jaké jsou systémové požadavky Qwen3-ASR 1.7B?
Mac s Apple silicon na macOS 15 nebo novějším, doporučených 16 GB paměti, plus asi 2,5 GB místa na disku na samotný model. To je víc než zbytek Whisper Notes pro Mac, který běží na macOS 14 a novějším. V našem benchmarkovém běhu model vyšplhal na 2,43 GiB paměti procesu, nejvýš z pěti enginů. Na Macu s 8 GB pokryje stejný seznam 101 jazyků Whisper Small v 600 MB a 25 evropských jazyků Parakeet V3 v 465 MB.
Opustí zvuk můj Mac, když použiju Qwen3-ASR?
Ne. Alibaba nabízí Qwen3-ASR i jako cloudovou službu přes API DashScope Real-time a FileTrans, kam se zvuk nahrává na jejich servery. Whisper Notes je nepoužívá. Otevřené váhy spouští lokálně jako model MLX 8-bit na GPU tvého Macu, bez účtu a bez API klíče, a přepis funguje s vypnutou sítí. Platí to o každé rodině enginů v aplikaci, ve všech kanálech.
Proč tahle čísla nesedí s přesností, kterou dostávám na svých nahrávkách?
Protože FLEURS je krátká, čistá, čtená řeč, a tvoje nahrávky nejsou. Náš běh je kalibrace na veřejném datasetu: zhruba 75 vět na jazyk, jeden M5 MacBook Air, stejné nahrávky pro každý model. Hodí se na otázku, jestli je model pro daný jazyk vůbec kandidát, a není to předpověď tvojí přesnosti na poradě, na hlučném zvuku, na řeči s přízvukem ani na dvouhodinovém souboru.
Vyzkoušej to
Qwen3-ASR 1.7B je ve Whisper Notes pro Mac 1.6.0 a novějších, jen v přímém stažení (DMG). Nastavení → Model přepisu. Bezplatný zkušební režim zahrnuje 10 000 slov, což stačí na to, abys jím prohnal vlastní jazyk a s tabulkami výše nesouhlasil.
Když najdeš jazyk, kde naše čísla nesedí s tvou zkušeností, napiš na mac@whispernotes.app. Kompletní poznámky k vydání: whispernotes.app/changelog.
Zdroje ke všemu výše: náš běh na testovacím splitu Google FLEURS v revizi 70bb2e84, karta modelu Qwen3-ASR 1.7B a tabulka jazyků po enginech na stránce podpory jazyků, která se generuje z vlastního zdrojového kódu aplikace.
Stáhnout pro macOS