Apple SpeechAnalyzer vs. Whisper: hvor god er Apples nye talegenkendelse?

Hvor meget bedre er den end den diktering, du allerede havde?

Indtil nu var talegenkendelsen på en Mac motoren fra SFSpeechRecognizer-tiden, den samme som systemets diktering stadig bruger i dag (DictationTranscriber). Med macOS 26 og iOS 26 kommer SpeechAnalyzer-API'et og dets modul SpeechTranscriber. Vi kørte begge på testsættet fra FLEURS, ca. 150 sætninger og 30 minutter pr. sprog, på den samme Mac.

Alle sprog, hvor begge Apple-motorer gav et gyldigt resultat, sorteret efter fejlraten for Apple Speech; grøn markerer den bedste værdi i rækken. Samme kørsel, samme klip, samme Mac. CER for japansk, koreansk, kinesisk og kantonesisk, WER for resten.

Apple Speech er mere præcis på alle ti sprog, hvor begge motorer gav et gyldigt resultat. På fransk og tysk forsvinder mere end halvdelen af fejlene, på mediansproget omkring en tredjedel og på brasiliansk portugisisk og kantonesisk omkring hver syvende fejl.

Dikteringen når stadig flere sprog. Apple Speech gav resultater for 21 af de 83 sprogkonfigurationer i denne kørsel, dikteringen for 33, heriblandt de tre, den nye motor mangler her: nederlandsk, polsk og russisk, med 17,34, 13,50 og 13,13. Der findes heller ingen fast liste at henvise til. Sprogressourcerne hører til macOS, så en app spørger, mens den kører, hvad den enkelte maskine har.

Kan du så undvære de downloadede modeller?

Seks motorer, de samme klip, én Mac. De ti sprog nedenfor er ti af de mest brugte, i en fast rækkefølge, der ikke har noget med resultaterne at gøre.

Ti af de mest brugte sprog, én motor pr. kolonne. Hver celle er motorens fejlrate, lavere er bedre; grøn markerer den laveste i rækken, hvid den næstlaveste. CER for japansk, koreansk og kinesisk, WER for resten, aldrig slået sammen til ét tal. Vores egen FLEURS-kørsel, udført af Whisper Notes-teamet på én M5 MacBook Air, oplæst tale.

Korte navne: Qwen3-ASR = Qwen3-ASR 1.7B, Whisper Large = Whisper Large V3 Turbo, Parakeet = Parakeet Ultra, den indbyggede Parakeet-model, SenseVoice = SenseVoice Small. En tankestreg betyder, at motoren ikke har en model til sproget. Parakeet-kolonnen blev målt senere, på de samme klip og, som alle motorer her, med sproget angivet; Parakeet Ultra vs. Parakeet V3 måler modellen, sådan som appen kører den, med automatisk sproggenkendelse.

Qwen3-ASR 1.7B har den laveste fejlrate på seks af de ti sprog, Whisper Large V3 Turbo på de øvrige fire og Apple Speech på ingen. Apple Speech kommer tættest på de bedste på koreansk, 0,77 efter rækkens førende, derefter japansk med 1,06 og kinesisk med 1,48, hvor den ligger lige med Whisper Large V3 Turbo på 7,97. Længst bagud ligger den på engelsk, 8,80 (Apple Speech) mod 4,49 (Qwen3-ASR 1.7B), og for nederlandsk, polsk og russisk er der slet intet resultat fra Apple Speech.

Mod Whisper Small var Apple Speech mere præcis på otte af de ti sprog, hvor begge gav et gyldigt resultat. De to, den tabte, er engelsk, 8,80 (Apple Speech) mod 7,04 (Whisper Small), og brasiliansk portugisisk, 9,35 mod 8,61.

En test, der blev offentliggjort i juli, målte Apple Speech på engelsk mod Whisper Small og satte Apple foran. Det betyder noget, hvilken Whisper der indgår i sammenligningen, og det gør klippene også. Den test brugte LibriSpeech, hvor lydbogsindlæsere læser højt; vores er FLEURS, hvor mange forskellige talere læser sætninger fra Wikipedia. Vores kørsel viser forskellen på engelsk, men kan ikke sige, hvad den skyldes.

Mod Whisper Large V3 Turbo vender billedet. Apple Speech ligger bagud på otte af de ti sprog, står lige på kinesisk med 7,97 og fører kun på kantonesisk, 8,69 (Apple Speech) mod 36,75 (Whisper Large V3 Turbo) — se rækken for kantonesisk nedenfor. OpenAIs udgivelsesnoter til Turbo nævner kantonesisk blandt de sprog, hvor modellen bliver mest forringet, så 36,75 er en kendt svaghed ved Whisper og ikke et særtilfælde i vores kørsel.

På koreansk får Apple Speech omkring hvert 23. tegn forkert. Den mest præcise model i denne kørsel, Qwen3-ASR 1.7B, får omkring hvert 28. forkert: 4,31 (Apple Speech) mod 3,54 (Qwen3-ASR 1.7B).

Parakeet Ultra er mere præcis på alle de europæiske sprog, som begge dækker: 5,89 (Parakeet Ultra) mod 8,80 (Apple Speech) på engelsk, 5,19 mod 6,26 på tysk, 5,19 mod 7,61 på fransk, 3,95 mod 5,41 på spansk, 2,62 mod 4,39 på italiensk og 5,81 mod 9,35 på brasiliansk portugisisk. Den har ikke japansk, koreansk, kinesisk eller kantonesisk, og dér er Apple Speech den eneste af de to, du kan bruge.

De seks rækker, som Qwen3-ASR 1.7B fører, omfatter engelsk, tysk, fransk og spansk.

SenseVoice Small er den hurtigste motor her med 162,3× realtid, og på kinesisk og engelsk ligger den lige med Apple Speech: 7,69 (SenseVoice Small) mod 7,97 (Apple Speech) og 8,46 mod 8,80. På koreansk er den langt bagud, 7,85 (SenseVoice Small) mod 4,31 (Apple Speech).

Størrelse og hastighed

Hastigheden er hver motors median på tværs af de tretten sprog, som dette indlæg har gyldige resultater for, og tæller kun de sprog, motoren kørte — gennemløb, når hvert klip behandles for sig, et diagnostisk tal og ikke appens ventetid. Maks. hukommelse er procesgruppens højeste forbrug i denne kørsel. Apple Speech afkoder i en macOS-tjeneste, som den kaldende app ikke ejer, så et tal dér ville ikke betyde det samme som for de andre fem. Medianerne stammer fra korte FLEURS-klip; modelkortet for SenseVoice i appen viser 115–131×, fra en separat test med almindelig brug.

Apple Speech kørte med 30,8× realtid, efter Parakeet V3 med 75,6× (Parakeet Ultra er lige så hurtig) og SenseVoice Small med 162,3×. Sprogpakken downloades én gang af macOS og deles af alle apps, så der bliver ikke allokeret noget i appens egen proces. Tjenesten, der står for afkodningen, bruger stadig hukommelse, og den kan vi ikke henføre præcist, så vi angiver intet tal dér i stedet for et nul.

Whisper Large V3 Turbo er den langsomste motor her med 3,0× realtid og har den laveste fejlrate i fire af de ti rækker, for ca. 2 GB på disken. Qwen3-ASR 1.7B tager de andre seks, for ca. 2,5 GB på disken og et maksimalt forbrug på 2,43 GiB. Whisper Small på 600 MB er den rimelige sammenligning for en indbygget motor.

Hvilke sprog er Apple Speech god til?

Sprog for sprog:

• Engelsk: ikke et godt valg. Apple Speech fik 8,80; Qwen3-ASR 1.7B (4,49) og Whisper Large V3 Turbo (5,49) er begge klart mere præcise.
• Tysk: ikke et godt valg. Apple Speech fik 6,26; Qwen3-ASR 1.7B (2,85) og Whisper Large V3 Turbo (4,05) er begge klart mere præcise.
• Nederlandsk, russisk og polsk: Apple Speech har ingen model til de tre. Whisper Large V3 Turbo var mest præcis på dem alle, med 5,69, 5,13 og 5,45.
• Japansk: brugbar. Apple Speech fik 6,36, efter Whisper Large V3 Turbo med 5,30.
• Koreansk: brugbar. Apple Speech fik 4,31, efter Qwen3-ASR 1.7B med 3,54.
• Fransk: ikke et godt valg. Apple Speech fik 7,61; Qwen3-ASR 1.7B (4,57) og Parakeet Ultra (5,19) er begge klart mere præcise.
• Kinesisk: brugbar. Apple Speech fik 7,97, lige med Whisper Large V3 Turbo; mest præcis var Qwen3-ASR 1.7B med 6,49.
• Spansk: ikke et godt valg. Apple Speech fik 5,41; Qwen3-ASR 1.7B (3,38) og Whisper Large V3 Turbo (3,62) er begge klart mere præcise.

De downloadede modeller vinder stadig på nøjagtighed: hver række i hovedtabellen føres af Qwen3-ASR 1.7B eller Whisper Large V3 Turbo. Apple Speech er et reelt valg på koreansk, japansk og kinesisk; til europæiske sprog er Parakeet Ultra den model, du skal vælge. Fejlraten for hver model på 42 sprog, Apple Speech inklusive, finder du i vores sammenligning af alle modeller i Whisper Notes.

I Whisper Notes til Mac er den indbyggede Parakeet-model stadig standardmodel; det er nu Moondreams Parakeet Ultra, modellen i Parakeet-kolonnen, videretrænet fra NVIDIA Parakeet V3. På macOS 26 eller nyere findes Apple Speech som valgfri model i begge Mac-versioner, både Mac App Store-versionen og Mac-appen fra vores hjemmeside, og appen tilbyder kun et sprog, når macOS melder, at det understøttes på din Mac. På iPhone med iOS 26 kan du også vælge Apple Speech.

Apple Speech er dette indlægs korte navn for Apples SpeechTranscriber, det API på enheden, som apps kan bruge på macOS 26 eller nyere og på iOS 26. Det er en systemmotor og ikke en model, du downloader: Whisper Notes til Mac kan bruge den i begge Mac-versioner, og iPhone-appen kan bruge den på iOS 26. Sprogpakken leveres af styresystemet. De modeller, appen selv downloader, er Whisper, Parakeet, SenseVoice og Qwen3-ASR på Mac og Whisper, Parakeet og SenseVoice på iPhone. Tabellen pr. motor finder du i vores liste over de sprog, Whisper, Parakeet og SenseVoice understøtter.

Ud over de ti sprog

Fire sprog mere fra den samme kørsel. Samme kolonner, farver og korte navne som ovenfor; CER for kantonesisk, WER for resten.

Resultatet for Apple Speech på hindi indgår ikke i rækkens rangering, af den grund der står nedenfor. En fejlrate kan komme over 100 %, fordi indsatte ord også tælles med i tælleren.

Italiensk ligger på 4,39 (Apple Speech), bag den delte førsteplads på 2,58 mellem Qwen3-ASR 1.7B og Whisper Large V3 Turbo. Kantonesisk er det eneste sprog, hvor Apple Speech endte foran Whisper Large V3 Turbo, 8,69 (Apple Speech) mod 36,75 (Whisper Large V3 Turbo), med Qwen3-ASR 1.7B først med 6,44. Brasiliansk portugisisk ligger på 9,35 (Apple Speech), en af de to rækker, hvor Whisper Small er foran med 8,61.

Hindi er et resultat af en anden slags. Apple Speech skrev hindi med latinske bogstaver i stedet for med sprogets eget skriftsystem, så næsten hvert ord tæller som forkert, og raten kommer over 100 %. Telugu, urdu, punjabi, bengali, nepalesisk, malayalam, marathi, kannada, gujarati og tamil kom tilbage på samme måde, alle over 100 %, så de er udeladt af tabellen.

Sådan fungerer SpeechAnalyzer

SpeechAnalyzer afløser det API til talegenkendelse, Apple har haft siden iOS 10, på alle Apples platforme undtagen watchOS. En app opretter en SpeechAnalyzer, giver den moduler og sender lyden ind som en asynkron sekvens, som appen selv fylder; SpeechTranscriber er det modul, der gør tale til tekst. Resultaterne kommer tilbage som en anden sekvens, som regel i en anden task, og hver buffer og hvert resultat har tidskode efter lydens egen tidslinje.

Én session, tre tasks: lyden går ind som en AsyncSequence, SpeechAnalyzer og SpeechTranscriber analyserer den, og resultaterne kommer tilbage som en anden AsyncSequence, som brugerfladen læser. Kilde: Apple, WWDC25, session 277.

Resultaterne kommer to gange. Alt inden for det, Apple kalder det flygtige interval (volatile range), kan stadig blive erstattet af et bedre resultat; alt uden for det er endeligt. Sådan kan en app vise en foreløbig transskription, mens du stadig taler, og rette den bagefter. Apple nævner fem designmål for SpeechTranscriber-modellen: lang lyd, samtaletale, talere på afstand, lav latens og privatliv, altså at den kører på enheden. Noter, Diktafon, Dagbog og opsummering af opkald bygger på den.

Apples fem erklærede designmål for SpeechTranscriber-modellen. Kilde: Apple, WWDC25, session 277.

Modellerne er ikke en del af nogen app. De downloades fra Apples servere via AssetInventory, gemmes og opdateres af systemet og deles mellem apps. De gør ikke en app større at downloade, og afkodningen sker uden for den kaldende proces. Hvor SpeechTranscriber ikke har en model til et sprog eller en enhed, tager DictationTranscriber over med de samme modeller som systemets diktering.

Metode og begrænsninger

Fem af de seks motorer i tabellerne er Whisper Notes' egne modeller. Alle motorer transskriberede de samme klip, i samme rækkefølge og ét ad gangen, på en M5 MacBook Air (32 GB, macOS 27.0). Lyden er testsættet fra Google FLEURS i revision 70bb2e84, ca. 150 sætninger og 30 minutter pr. sprog. En fast hash af datasættets egne element-id'er bestemmer rækkefølgen, og vi tager det korteste udsnit af hele elementer, der kommer over tredive minutter; intet modeloutput har haft indflydelse på det valg. Hver celle blev genberegnet ud fra sin egen kvittering og kontrolleret igen, og alle 285 bestod. Resultaterne er ordfejlrate for sprog, hvor ordene adskilles med mellemrum, og tegnfejlrate for japansk, koreansk, kinesisk og kantonesisk, aldrig slået sammen til ét tal.

Du kan tjekke Whisper-kolonnerne mod OpenAIs egne tal. På de tolv sprog, hvor OpenAI offentliggør et FLEURS-resultat for Whisper Large V3 Turbo, ligger vores tal i gennemsnit 0,7 point fra deres, og ti af de tolv falder inden for vores kørsels 95 %-interval; på de elleve sprog uden for de indiske rækker ligger vores tal for Whisper Small i gennemsnit 1,0 point fra tabellen pr. sprog i Whisper-artiklen. Kolonnen for Apple Speech kommer fra de samme klip, den samme scoring og den samme normalisering.

FLEURS er ren, oplæst tale. Intet her siger, hvordan motorerne opfører sig i et støjende lokale eller gennem et møde på to timer, og hvor langt de ligger fra hinanden dér, har vi ikke målt. Det hele kørte på én maskine. Og med ca. 150 sætninger pr. sprog er to motorer, der ligger mindre end omkring ét point fra hinanden, lige gode; tabellerne markerer allerede helt ens resultater på den måde, som på italiensk, hvor Qwen3-ASR 1.7B og Whisper Large V3 Turbo begge fik 2,58.

Ofte stillede spørgsmål

Prøv det selv

Alle fem modeller her — Whisper Small, Whisper Large V3 Turbo, SenseVoice Small, Qwen3-ASR 1.7B og Parakeet Ultra, der står som „Parakeet“ — findes i begge Mac-versioner af Whisper Notes, både Mac App Store-versionen og Mac-appen fra vores hjemmeside, under Indstillinger og derefter Transskriptionsmodel. På macOS 26 eller nyere står Apple Speech i den samme liste, og på en iPhone med iOS 26 findes den også på iPhone-appens liste over modeller; har du allerede appen, så opdater til den nyeste version.

Hvis vores tal ikke passer med din erfaring på et sprog, så skriv til mac@whispernotes.app. Alle udgivelsesnoter: whispernotes.app/changelog.

Kilder: vores kørsel på testsættet fra Google FLEURS i revision 70bb2e84, Apples dokumentation af SpeechAnalyzer og den forudgående kørsel af Qwen3-ASR på tredive sprog.

Download til macOS