SenseVoice vs. Qwen3-ASR: hvilken er bedst til kinesisk, japansk og koreansk?

Tallene for nøjagtighed er vores egne. Vi kørte SenseVoice Small, Qwen3-ASR og Whisper Large V3 Turbo på de samme oplæste FLEURS-sætninger, ca. 30 minutter pr. sprog, med de modeller, der følger med Whisper Notes. Hastighederne er dem, appen viser på hver models kort, og de stammer fra en separat test på korte klip. Alt andet her bygger på, hvordan Mac-appen fungerer i dag.

Hvor meget mere præcis er Qwen3-ASR end SenseVoice?

Tegnfejlrate for kinesisk, japansk og koreansk, ordfejlrate for engelsk; lavere er bedre. Grøn markerer den laveste værdi i hver række. Vores egen kørsel på FLEURS-testsættet, ca. 30 minutter og 139 til 180 oplæste sætninger pr. sprog, på en Mac. SenseVoice med sproget valgt. Kun ren, oplæst tale: støjende lokaler, møder og lange optagelser er ikke med.

Qwen3-ASR laver færre fejl end SenseVoice på alle de sprog, vi testede. På kinesisk og japansk er forskellen omkring ét procentpoint: 6,49 % (Qwen3-ASR) mod 7,69 % (SenseVoice) på kinesisk og 5,74 % mod 6,78 % på japansk. Koreansk har den største forskel: SenseVoice får mere end dobbelt så mange tegn forkert, 7,85 % mod 3,54 %. På engelsk får Qwen3-ASR ca. ét ord ud af 22 forkert og SenseVoice ca. ét ud af 12.

Whisper Large V3 Turbo ligger tæt på Qwen3-ASR. Den var den mest præcise af de tre på japansk og nummer to på koreansk og engelsk, men lå en smule efter SenseVoice på kinesisk.

Hvor meget hurtigere er SenseVoice end Qwen3-ASR?

Grøn markerer den hurtigste model. Det er de hastigheder, der står på modelkortene i appen: kun motorens behandlingstid, uden indlæsning af modellen, målt på korte klip i en separat test af almindelig brug på en Mac. SenseVoice kørte med 115,2× med sproget valgt og 131× med automatisk sproggenkendelse; Qwen3-ASR målte 7,65× før afrunding. Tiderne for 1 times lyd er regnet ud fra disse hastigheder og afrundet.

SenseVoice er mere end 15 gange hurtigere. For en optagelse på en time er det ca. et halvt minut mod ca. otte minutter. Hvis du transskriberer lange optagelser eller vil have teksten med det samme, betyder den forskel mere end et procentpoint i nøjagtighed. Hvis du kan vente et par minutter og hellere vil rette mindre bagefter, betyder den ikke så meget.

Vælg sproget selv for lidt højere nøjagtighed

Med sproget valgt lavede SenseVoice færre fejl end med Automatisk på alle fire sprog: 7,69 % mod 7,90 % på kinesisk, 6,78 % mod 6,87 % på japansk, 7,85 % mod 8,09 % på koreansk og 8,46 % mod 8,51 % på engelsk. Forskellene er små, men de peger alle samme vej. Vi kørte ikke Qwen3-ASR eller Whisper med Automatisk, så vi har ingen tal for dem. Appens eget råd er, at det med undtagelse af Parakeet som regel giver færre fejl at vælge et sprog end at bruge Automatisk.

Parakeet er undtagelsen: i Whisper Notes blev den mindre præcis, når den fik sproget at vide, og derfor genkender den altid sproget selv (se Parakeet Ultra vs. Parakeet V3). På Mac finder du indstillingen Sprog under Transskription i Indstillinger.

Hvor lang tid tager lange optagelser?

I en tidligere test med en rigtig optagelse på en Apple M4 Pro transskriberede SenseVoice et 27 minutter langt afsnit af en kinesisk interviewpodcast på 13,83 sekunder. Whisper Large V3 Turbo brugte 2 minutter og 4 sekunder på den samme fil. Qwen3-ASR var ikke med i den test. Testen blev kørt på en tidligere version af appen; hastigheden passer med det nuværende modelkort, ca. 117× realtid mod 115–131×.

Groft opregnet fra den test ville et møde eller en forelæsning på en time tage ca. et halvt minut med SenseVoice og ca. fire et halvt minut med Whisper Large V3 Turbo på den Mac. Ud fra hastighederne ovenfor ville Qwen3-ASR bruge omkring otte minutter.

Ingen af modellerne læser en lang fil i ét stræk. I Mac-appen deler SenseVoice lyden op i dele på op til 30 sekunder, skåret ved pauser, og viser teksten for hver del, så snart den er færdig. Qwen3-ASR arbejder også i dele på op til 30 sekunder, skåret ved det mest stille sted tæt på hver grænse, og teksten dukker op, mens den bliver skrevet. I begge tilfælde fyldes transskriptionen ud del for del, og du kan begynde at læse, før hele filen er færdig.

Hvilken kan jeg bruge på min enhed?

Grøn betyder tilgængelig, ravgul betyder ikke tilgængelig.

På iPhone er SenseVoice det hurtige valg til kinesisk, japansk og koreansk, med Whisper Small som alternativ.

Hvorfor to Mac-versioner? Mac App Store-versionen fungerer inden for de grænser, Apple sætter for apps i App Store, så nogle få funktioner findes kun i Mac-appen fra vores hjemmeside: stemmeindtastning med Fn, AI-assistenten på enheden og kommandolinjeværktøjet (baggrunden). Begge har de samme talemodeller.

Hvad hver model kræver på en Mac

Downloadstørrelser og hukommelsesangivelser som vist i den nuværende Mac-app fra vores hjemmeside. Ravgul markerer et krav, du bør tjekke, før du downloader. Den maksimale hukommelse stammer fra den samme test af almindelig brug som hastighederne ovenfor; GiB er ca. 7 % mere end GB.

Ingen af modellerne er indbygget. Hver model downloades én gang fra sit kort i Indstillinger og virker derefter offline. SenseVoice er klart den letteste af de to: ca. en femtedel af downloadstørrelsen og godt under halvdelen af hukommelsen for Qwen3-ASR. På en Mac med mindre end 16 GB hukommelse viser Qwen3-ASR-kortet sin note om hukommelse i orange som en advarsel. Til sammenligning er Whisper Large V3 Turbo en download på ca. 2 GB, og dens kort angiver ca. 2,4 GB hukommelse.

Hvilken skal du bruge?

• Færrest fejl, på Mac: Qwen3-ASR 1.7B, i begge Mac-versioner. Den slog SenseVoice på alle fire sprog i vores test. På japansk var Whisper Large V3 Turbo endnu en smule mere præcis, 5,30 % mod 5,74 %.
• Hastighed, lange optagelser, en Mac med mindre hukommelse eller iPhone: SenseVoice Small. 1 times lyd tager ca. et halvt minut i stedet for ca. otte, og den kræver kun en brøkdel af downloadstørrelsen og hukommelsen.
• Nøjagtighed på japansk eller koreansk uden Qwen3-ASR 1.7B (den kræver macOS 15): Whisper Large V3 Turbo, 5,30 % mod 6,78 % for SenseVoice på japansk og 4,25 % mod 7,85 % på koreansk. Den er meget langsommere end SenseVoice.
• Andre sprog: Parakeet, den indbyggede model, til engelsk og 24 andre europæiske sprog (se Parakeet Ultra vs. Parakeet V3), og Whisper til resten. Qwen3-ASR 1.7B mod Whisper på 30 sprog finder du i vores test af Qwen3-ASR vs. Whisper. Fejlraten for alle modeller på 42 sprog står side om side i vores sammenligning af modellerne sprog for sprog.

Hvad er ellers godt at vide?

• Taleretiketter, tidsstempler og undertekster virker med begge. SenseVoice og Qwen3-ASR giver begge tidsstempler, så taleretiketter og eksport af SRT-undertekster fungerer ens med begge modeller.
• Forenklet eller traditionelt kinesisk følger dit systemsprog. Efter transskriptionen konverterer Whisper Notes kinesisk tekst til forenklede eller traditionelle tegn på din Mac efter dit systemsprog. Hvis du sætter sproget til 简体中文 (forenklet kinesisk) eller 繁體中文 (traditionelt kinesisk), har det valg forrang.
• Dialekter er ikke testet. Qwens eget modelkort nævner 30 sprog plus 22 kinesiske dialekter og accenter. Whisper Notes har ingen separat indstilling for dialekt: du vælger kinesisk eller Automatisk, og modellen klarer resten. Vi har ikke testet dialekter, så vi kan ikke sige, hvor godt de to modeller håndterer dem.
• Qwen3-ASR er i beta. Hvis den nogensinde stopper uventet, slår Whisper Notes den fra ved næste start og skifter til en anden model, så appen stadig åbner. Du kan vælge Qwen3-ASR igen i Indstillinger for at prøve igen.
• Vores tal gælder ren, oplæst tale. FLEURS-sætningerne er læst højt under stille forhold. Møder, støjende lokaler, mikrofoner langt fra den, der taler, og kraftige accenter kan ændre forskellene i begge retninger.
• Blandet kinesisk og engelsk er ikke testet. Vi har ikke målt, hvordan de to modeller håndterer sætninger, der skifter mellem kinesisk og engelsk, så prøv en af dine typiske optagelser, før du vælger.

Hvordan skifter jeg model?

Åbn Indstillinger på Mac, og rul ned til Transskriptionsmodel. Hver model har et kort med dens hastighed, hvad den er bedst til, hvor mange sprog den dækker, hvor meget hukommelse den kræver, og dens downloadstørrelse. For at downloade en model klikker du på dens kort eller på downloadpilen på kortet. Når den er installeret, klikker du på kortet for at skifte til den. Sproglinket på hvert kort (Understøttede sprog eller 30 understøttede sprog på kortet for Qwen3-ASR 1.7B) viser alle sprog med vores fejlrate for hvert af dem.

Indstillinger → Transskriptionsmodel i Mac-appen fra vores hjemmeside

Indstil derefter Sprog under Transskription i stedet for at lade det stå på Automatisk.

Hvad er SenseVoice?

Fra FunAudioLLM-artiklen: SenseVoice-Small har 234 millioner parametre og behandler 10 sekunders lyd på 70 ms; Whisper-Large-V3 har 1.550 millioner og bruger 1.281 ms. Begge på en GPU i et datacenter, ikke på en Mac.

Qwen3-ASR kommer fra Alibabas Qwen-team og er udgivet under Apache 2.0-licensen. I Whisper Notes kører den på GPU'en i din Mac via MLX, i 8-bit. Dens resultater mod Whisper på 30 sprog finder du i vores test af Qwen3-ASR.

Ofte stillede spørgsmål

Prøv det

SenseVoice findes i Whisper Notes på iPhone og Mac, og Qwen3-ASR (Beta) findes på Mac. Brug knapperne nedenfor til at downloade iPhone-appen fra App Store eller Mac-appen fra vores hjemmeside. Spørgsmål? Skriv til support@whispernotes.app.

Download til iOS Download til macOS