TL;DR
| Parakeet V3 | Comparativa con Whisper | |
|---|---|---|
| Velocidad | ~60× el tiempo real en Apple Silicon | Turbo ~14× el tiempo real en la misma M4 Pro |
| Idiomas compatibles | 25 | 100+ |
| Tasa de error en inglés (WER) | 6.32% | Turbo 7.83% |
| Tasa de error prom. 25 idiomas (WER) | 12.0% | 12.6% |
| Alucinaciones | Casi ninguna en silencio en nuestras pruebas | Puede alucinar en silencio |
| Ideal para | Inglés y europeos | Asiáticos, árabe, 100+ |
* Velocidad: medición propia en Apple Silicon (58× en un podcast, 63× en una junta). WER en inglés: Open ASR Leaderboard de Hugging Face. Promedio de 25 idiomas: benchmark FLEURS. El comportamiento en silencio es una observación de nuestro producto, no una garantía de cero errores.
Whisper Notes para Mac usa NVIDIA Parakeet TDT 0.6B como motor de voz por defecto. En Apple Silicon corre a unas 60× el tiempo real y, en el Open ASR Leaderboard, es más preciso en inglés que Whisper Large V3 Turbo — 6.32% contra 7.83%. Los modelos Whisper siguen disponibles si necesitas otros idiomas.
Por qué cambiamos el modelo por defecto
Whisper es genial, pero fue diseñado como un modelo de propósito general. Maneja más de 100 idiomas, traduce, genera marcas de tiempo — una navaja suiza. El precio que pagas es la velocidad. Para dictado en inglés, donde lo único que quieres es ver las palabras en pantalla lo antes posible, es demasiado.
Con Whisper detrás del dictado con la tecla Fn a nivel de sistema, una frase de un minuto tardaba de 3 a 5 segundos en aparecer después de soltar la tecla.
Con Parakeet, esa misma frase aparece en un segundo o menos, tan poco que dejas de notar la espera.
¿Qué tan rápido es Parakeet V3?
Aquí tienes dos pruebas nuestras: los dos motores con el mismo audio, en la misma Mac:
| Modelo | Podcast en inglés de 5 minutos (M4 Pro) |
|---|---|
| Whisper Large V3 Turbo | 20.92 s — 14.3× el tiempo real |
| Parakeet TDT 0.6B v3 | 2.91 s — 103× el tiempo real |
En una máquina más modesta la diferencia se sostiene. En nuestra M5 Air, Parakeet transcribió una junta de 17.5 minutos en 16.7 segundos, unas 60× el tiempo real.
Qué hace a Parakeet v3 tan rápido
El encoder de Whisper lee de una sola vez una ventana de 30 segundos de audio. Luego, el decoder escribe la transcripción token por token, y siempre espera escribir algo, incluso sobre el silencio.
Parakeet es un transductor. Primero comprime el audio 8× y luego predice cada token junto con cuánto dura, así que puede saltar hacia adelante en lugar de recorrer cada fotograma. Sobre el silencio emite un “blank” y sigue.
De ahí salen tanto la velocidad como las pausas más limpias. En un M4 Pro procesa una hora de audio en menos de un minuto, con menos parámetros que Whisper Large V3 Turbo y una tasa de error más baja en inglés.
Benchmarks: Parakeet v3 vs Whisper
Cuanto más bajo, mejor: Parakeet V3, con menos de la mitad del tamaño de Whisper Large V3, queda a menos de un punto de él en los tres benchmarks, y el Seamless M4T v2, más grande, obtiene las cifras más bajas.
En el Open ASR Leaderboard de Hugging Face, Parakeet v3 promedia 6.32% de WER en inglés con 600M parámetros — menos de la mitad de los 1.55B de Whisper Large V3:
| Modelo | Parámetros | WER medio | Velocidad (RTFx) |
|---|---|---|---|
| Parakeet TDT 0.6B v3 | 0.6B | 6.32% | 3,333x |
| Canary 1B v2 | 1.0B | 7.15% | 749x |
| Whisper Large V3 Turbo | 0.8B | 7.83% | 350x |
Menor WER = menos errores. Mayor RTFx = más rápido. Parakeet va por delante en ambos, y con 600M parámetros es el más pequeño de los tres, así que corre bien en Apple Silicon sin necesitar mucha memoria.
WER multilingüe: los 25 idiomas
La tabla de arriba cubre solo inglés. Aquí está la imagen completa — cómo los tres modelos disponibles en Whisper Notes se comparan en los 25 idiomas que soporta Parakeet, medidos con el benchmark FLEURS. Menor WER = menos errores de transcripción. El mejor valor entre Large V3 y Parakeet se resalta por fila:
| Idioma | Whisper Small | Whisper Large V3 | Parakeet V3 |
|---|---|---|---|
| Búlgaro | 37.3 | 12.9 | 12.6 |
| Croata | 33.4 | 11.1 | 12.5 |
| Checo | 37.6 | 11.3 | 11.0 |
| Danés | 32.8 | 12.6 | 18.4 |
| Neerlandés | 16.4 | 5.6 | 7.5 |
| Inglés | 6.1 | 4.3 | 4.9 |
| Estonio | 51.3 | 19.1 | 17.7 |
| Finés | 24.0 | 7.7 | 13.2 |
| Francés | 15.0 | 6.3 | 5.2 |
| Alemán | 10.2 | 4.3 | 5.0 |
| Griego | 30.8 | 27.0 | 20.7 |
| Húngaro | 38.9 | 14.1 | 15.7 |
| Italiano | 9.8 | 2.3 | 3.0 |
| Letón | 53.2 | 18.3 | 22.8 |
| Lituano | 65.6 | 22.3 | 20.4 |
| Maltés | 92.2 | 68.9 | 20.5 |
| Polaco | 14.7 | 4.7 | 7.3 |
| Portugués | 7.3 | 3.7 | 4.8 |
| Rumano | 29.8 | 8.2 | 12.4 |
| Ruso | 11.4 | 4.2 | 5.5 |
| Eslovaco | 33.3 | 8.4 | 8.8 |
| Esloveno | 49.3 | 19.9 | 24.0 |
| Español | 5.6 | 3.1 | 3.5 |
| Sueco | 20.8 | 7.9 | 15.1 |
| Ucraniano | 19.3 | 6.5 | 6.8 |
| Promedio | 29.8 | 12.6 | 12.0 |
WER (%) en FLEURS. Datos de Whisper Small de Radford et al.; datos de Large V3 y Parakeet V3 del artículo NVIDIA Canary-1B-v2.
Whisper Large V3 va un paso adelante en la mayoría de los idiomas por separado, pero Parakeet V3 le pisa los talones en el promedio (12.0% frente a 12.6%), gana en siete de ellos, sobre todo en maltés y griego, y reduce cerca de 60% la tasa de error promedio de Whisper Small. La ventaja práctica es el paquete completo: precisión multilingüe de nivel Large V3 a unas 60× el tiempo real en Apple Silicon, una huella de ejecución más ligera y un manejo del silencio mucho más confiable en nuestras pruebas de dictado.
Por qué alucina menos con el silencio
Si has usado Whisper para dictar, seguramente lo has visto alucinar en los silencios — repite frases, inventa palabras o suelta un "Subtitles by Amara.org" de la nada. Esto ocurre porque el decodificador autorregresivo de Whisper siempre espera producir texto, aun cuando no hay nada que transcribir.
La arquitectura de transductor de Parakeet puede emitir salidas vacías en lugar de forzar un token de texto. En nuestras pruebas de dictado a nivel del sistema, eso lo vuelve mucho menos propenso que Whisper a llenar una pausa con texto repetido o fuera de lugar. Sigue siendo un modelo de voz, así que lo honesto es decir "menos propenso", no "nunca".
Idiomas que soporta Parakeet
Parakeet v3 soporta 25 idiomas: búlgaro, croata, checo, danés, neerlandés, inglés, estonio, finés, francés, alemán, griego, húngaro, italiano, letón, lituano, maltés, polaco, portugués, rumano, ruso, eslovaco, esloveno, español, sueco y ucraniano.
Eso abarca la mayor parte de Europa, pero no incluye chino, japonés, coreano, árabe ni hindi. Para chino, japonés, coreano y cantonés, la mejor opción es SenseVoice; para árabe, hindi y los demás idiomas fuera del conjunto de Parakeet, usa Whisper Large V3 Turbo. Para revisar un idioma en particular motor por motor, consulta nuestra página de idiomas compatibles con Whisper, Parakeet V3 y SenseVoice.
Parakeet V3 viene integrado y seleccionado; Whisper Small y Whisper Large V3 Turbo son descargas opcionales que también se ejecutan localmente.
Selector de modelos en Whisper Notes
Abre la Configuración para cambiar de modelo:
- Parakeet V3 (predeterminado) — El más rápido, ideal para inglés e idiomas europeos
- SenseVoice Small — Lo más rápido para chino, japonés, coreano y cantonés
- Whisper Small — Ligero, más de 100 idiomas
- Whisper Large V3 Turbo — Cobertura amplia de más de 100 idiomas
Todos los modelos corren 100% localmente en tu Mac. Sin internet, sin nube: ningún dato sale de tu dispositivo.
¿Y Parakeet V2?
Si usaste V2 antes, quizá te preguntes cómo se compara. V2 era un modelo solo para inglés — y su precisión en inglés de hecho es un poco mejor que la de V3 (WER de 6.05% vs 6.32%). V3 cambia ese margen mínimo por soporte de 25 idiomas. Ambos son mucho más precisos que Whisper.
| Parakeet V2 | Parakeet V3 | Whisper Large V3 Turbo | |
|---|---|---|---|
| WER inglés | 6.05% | 6.32% | 7.83% |
| Idiomas | Solo inglés | 25 | 100+ |
En resumen: si solo necesitas inglés, tanto V2 como V3 son excelentes. V3 es el predeterminado en Whisper Notes porque el soporte multilingüe le importa a la mayoría de los usuarios — y la diferencia de precisión en inglés es mínima.
¿Y qué hay de WhisperKit?
WhisperKit es el framework de código abierto en Swift de Argmax para correr modelos Whisper en dispositivos Apple. Es un kit para desarrolladores, no una app para el usuario final — y corre Whisper, no Parakeet (que es la familia de modelos de NVIDIA). Si buscas transcripción en el dispositivo al estilo WhisperKit sin tener que escribir Swift, Whisper Notes empaqueta esa misma idea en una app lista para usar: Parakeet V3, Whisper (Large V3 Turbo en Mac, Small en iPhone) y SenseVoice, todos corriendo localmente en Mac y iPhone.
¿Comparando todas las opciones locales? Cada modelo de voz a texto en el dispositivo — las variantes de Whisper, Parakeet V3, SenseVoice y Voxtral — aparece comparado lado a lado en nuestra página comparativa de modelos Whisper. ¿Apenas conoces Whisper? Comienza con la guía de transcripción con Whisper — qué es el modelo, todas las maneras de correrlo y cuánto cuesta.
Preguntas frecuentes
¿Parakeet V3 es mejor que Whisper?
Para inglés e idiomas europeos, con frecuencia sí. El Open ASR Leaderboard reporta un WER en inglés de 6.32% para Parakeet contra 7.83% de Turbo, y en nuestra propia prueba en una M4 Pro Parakeet corrió a 103× el tiempo real contra 14.3× de Turbo. Eso sí, Whisper cubre muchos más idiomas: si el tuyo no está entre los 25 de Parakeet, Turbo es la opción.
¿Qué idiomas soporta Parakeet V3?
Parakeet V3 soporta 25 idiomas: búlgaro, croata, checo, danés, neerlandés, inglés, estonio, finés, francés, alemán, griego, húngaro, italiano, letón, lituano, maltés, polaco, portugués, rumano, ruso, eslovaco, esloveno, español, sueco y ucraniano.
¿Puedo correr Parakeet V3 en una Mac?
Sí. Whisper Notes para Mac incluye Parakeet V3 como motor predeterminado. Corre 100% localmente en Apple Silicon — sin internet, sin nube, ningún dato sale de tu dispositivo. Descarga Whisper Notes para Mac y pruébalo: 5,000 palabras a la semana son gratis.
¿Parakeet V3 alucina como Whisper?
Mucho menos seguido en nuestras pruebas con silencio, pero ningún modelo de voz merece un "nunca". Parakeet puede emitir salidas vacías durante las pausas, mientras que el decodificador autorregresivo de Whisper es más propenso a repetir frases o meter texto sin relación cuando la entrada es puro silencio.
Parakeet V2 vs V3 — ¿cuál me conviene?
Parakeet V2 es solo para inglés, con precisión en inglés un poco mejor (WER de 6.05% vs 6.32%). V3 cambia ese margen mínimo por 25 idiomas europeos y es el predeterminado en Whisper Notes. A menos que transcribas únicamente inglés y andes cazando la última fracción de punto, usa V3.
¿Parakeet V3 soporta japonés, chino o coreano?
No — sus 25 idiomas son todos europeos. Para chino, japonés, coreano o cantonés, Whisper Notes incluye SenseVoice — que eliges para esos idiomas y que corre a 52× el tiempo real o más — junto con los modelos Whisper. Todos funcionan sin conexión tanto en Mac como en iPhone.
¿Qué tan grande es Parakeet V3?
600 millones de parámetros — una descarga de 465 MB, el modelo más pequeño de las dos versiones para Mac. Whisper Large V3 Turbo es una descarga de cerca de 1.6 GB en la misma app, y Qwen3-ASR 1.7B (Beta), que solo está en la descarga directa para Mac, ocupa unos 2.5 GB.
Pruébalo
Parakeet V3 es el motor predeterminado de Whisper Notes en iPhone y Mac.
¿Preguntas o comentarios? Escríbenos a support@whispernotes.app.
Descargar para iOS