Whisper Notes tiene seis modelos de reconocimiento de voz que funcionan sin conexión:
- Parakeet (integrado)
- Whisper Large V3 Turbo
- Whisper Small
- Qwen3-ASR 1.7B (Mac)
- SenseVoice Small
- Apple Speech (Mac, macOS 26 o posterior)
Cuál es el más preciso depende del idioma que hables.
¿Qué modelo es el más preciso?
Probamos todos los modelos en la misma MacBook Air (M5). Estos son los resultados (tasa de error: mientras más baja, mejor; en verde, la más baja de cada fila):
| Idioma | Parakeet | Whisper Large V3 Turbo | Whisper Small | Qwen3-ASR 1.7B1 | SenseVoice Small | Apple Speech1 |
|---|---|---|---|---|---|---|
| Inglés | 5.89% | 5.49% | 7.04% | 4.49% | 8.46% | 8.80% |
| Alemán | 5.19% | 4.05% | 8.67% | 2.85% | — | 6.26% |
| Neerlandés | 7.89% | 5.69% | 16.75% | 7.36% | — | — |
| Japonés | — | 5.30% | 11.37% | 5.74% | 6.78% | 6.36% |
| Polaco | 6.59% | 5.45% | 15.81% | 12.59% | — | — |
| Ruso | 6.17% | 5.13% | 11.37% | 5.65% | — | — |
| Francés | 5.19% | 5.97% | 13.24% | 4.57% | — | 7.61% |
| Español | 3.95% | 3.62% | 6.22% | 3.38% | — | 5.41% |
| Coreano | — | 4.25% | 7.30% | 3.54% | 7.85% | 4.31% |
| Ucraniano | 5.11% | 6.33% | 17.48% | — | — | — |
| Chino | — | 7.97% | 20.50% | 6.49% | 7.69% | 7.97% |
| Cantonés | — | —2 | —2 | 6.44% | —2 | 8.69% |
| Italiano | 2.62% | 2.58% | 7.64% | 2.58% | — | 4.39% |
| Portugués | 5.81% | 5.44% | 8.61% | 5.17% | — | 9.35% |
| Sueco | 13.30% | 8.78% | 21.66% | 19.80% | — | — |
| Turco | — | 5.95% | 14.24% | 8.81% | — | — |
| Checo | 11.03% | 11.94% | 38.71% | 24.59% | — | — |
| Noruego | — | 8.99% | 24.50% | — | — | — |
| Finés | 10.44% | 7.11% | 25.91% | 27.71% | — | — |
| Árabe | — | 15.72% | 32.81% | 14.32% | — | — |
| Eslovaco | 8.79% | 9.59% | 32.43% | — | — | — |
| Danés | 15.92% | 13.63% | 34.14% | 22.24% | — | — |
| Hindi | — | 29.64% | 61.26% | 13.19% | — | —3 |
| Tailandés | — | 13.40% | 23.52% | 6.53% | — | — |
| Indonesio | — | 6.31% | 16.31% | 4.91% | — | — |
| Húngaro | 13.74% | 14.59% | 40.65% | 36.63% | — | — |
| Vietnamita | — | 8.10% | 18.12% | 4.91% | — | — |
| Malayo | — | 9.22% | 19.72% | 10.62% | — | — |
| Griego | 34.00% | 13.94% | 31.64% | 30.22% | — | — |
| Rumano | 9.68% | 8.36% | 29.45% | 20.20% | — | — |
| Filipino | — | 9.72% | 25.60% | 23.31% | — | — |
| Búlgaro | 12.44% | 14.54% | 39.68% | — | — | — |
| Esloveno | 20.32% | 19.15% | 48.54% | — | — | — |
| Estonio | 15.56% | 19.08% | 50.84% | — | — | — |
| Croata | 12.49% | 11.49% | 33.76% | — | — | — |
| Lituano | 17.97% | 23.28% | 67.23% | — | — | — |
| Maltés | 19.38% | 74.35% | 95.68% | — | — | — |
| Islandés | — | 19.75% | 73.96% | — | — | — |
| Catalán | — | 5.80% | 15.51% | — | — | — |
| Gallego | — | 12.23% | 31.09% | — | — | — |
| Macedonio | — | 17.46% | 37.11% | 18.57% | — | — |
| Bosnio | — | 14.85% | 39.60% | — | — | — |
Tasa de error por carácter en chino, japonés, coreano, cantonés y tailandés; tasa de error por palabra en el resto. Si tu idioma no aparece, búscalo en Idiomas compatibles.
1 Solo en Mac. Por ahora está únicamente en la app para Mac de nuestro sitio web; estamos incorporándolo a la versión del Mac App Store. 2 Aún no publicamos las cifras de SenseVoice Small ni de Whisper en cantonés: no hemos confirmado que esta prueba los evalúe de forma justa. 3 Apple Speech transcribió todo el hindi en alfabeto latino, así que no es posible calcular su tasa de error.
¿Cuál es el más rápido? ¿Cuánto tiempo toma transcribir una hora de audio?
| Modelo | Velocidad (× tiempo real) | 1 hora de audio | Descarga | Memoria |
|---|---|---|---|---|
| SenseVoice Small | 115–131× | unos 30 s | unos 450 MB | unos 700 MB |
| Parakeet | 75.8× | unos 50 s | Integrado (unos 630 MB) | unos 800 MB |
| Apple Speech | 19.7× | unos 3 min | Lo administra macOS | — |
| Qwen3-ASR 1.7B | 7.6× | unos 8 min | unos 2.5 GB | unos 2.6 GB |
| Whisper Small | 6.5× | unos 9 min | unos 400 MB | alrededor de 1 GB |
| Whisper Large V3 Turbo | 2.7× | unos 22 min | unos 2 GB | unos 2.4 GB |
Velocidad, descarga y memoria tal como aparecen en la tarjeta de cada modelo en la app para Mac. La velocidad solo cuenta el tiempo de procesamiento del modelo; el tiempo para una hora de audio se calcula a partir de ella.
Los modelos más precisos suelen ser los más lentos, y mientras más larga sea la grabación, más se nota.
¿Qué modelos puedo usar en iPhone y en Mac?
| Modelo | iPhone | Mac |
|---|---|---|
| Parakeet | Sí, integrado | Sí, integrado |
| Whisper Large V3 Turbo | No | Sí |
| Whisper Small | Sí | Sí |
| Qwen3-ASR 1.7B | No | Sí (Beta)1 |
| SenseVoice Small | Sí | Sí |
| Apple Speech | No | Sí (macOS 26 o posterior)1 |
Verde: disponible; ámbar: no disponible. 1 Por ahora, solo en la app para Mac de nuestro sitio web; estamos incorporándolo a la versión del Mac App Store.
También queremos llevar más modelos al iPhone. El más pedido, Whisper Large V3, solo funciona en los iPhone más recientes, tanto en su versión completa como en la comprimida; en la mayoría de los celulares no se puede usar. Con Qwen3-ASR 1.7B pasa lo mismo. Seguimos probando modelos nuevos y versiones más ligeras de los que ya tenemos. Hace poco cambiamos el modelo predeterminado de Parakeet V3 a Parakeet Ultra, que comete alrededor de un 24% menos de errores en 25 idiomas. Más detalles en Parakeet Ultra vs Parakeet V3.
¿Cómo cambio de modelo?
En Mac, abre Configuración y haz clic en una tarjeta de la sección Modelo de transcripción para descargar ese modelo o cambiar a él; el enlace Idiomas compatibles de cada tarjeta muestra su tasa de error en cada idioma.
Configuración → Modelo de transcripción en la app para Mac
¿Cómo lo probamos?
Usamos habla leída de FLEURS: 83 subconjuntos de idioma y 12,090 frases, con todos los modelos en la misma MacBook Air (M5). Nuestros resultados con Whisper se acercan mucho a las cifras que publica OpenAI. Se trata de habla leída y limpia; en reuniones y grabaciones con ruido, las tasas de error serán más altas.
Preguntas frecuentes
¿Cuál es el mejor modelo de Whisper?
Whisper Large V3 Turbo. Es más preciso que Whisper Small en todos los idiomas de la tabla (en inglés, por ejemplo, 5.49% contra 7.04%), pero mucho más lento, y la app para iPhone solo tiene Whisper Small.
¿Cuál es el mejor modelo para japonés?
Whisper Large V3 Turbo, con una tasa de error por carácter del 5.30%, seguido de Qwen3-ASR 1.7B, con un 5.74%. En iPhone, usa SenseVoice Small (6.78%).
¿Cuál es el mejor modelo para chino mandarín?
Qwen3-ASR 1.7B en Mac, con una tasa de error por carácter del 6.49%. Le sigue SenseVoice Small, con un 7.69%, que también funciona en iPhone.
¿Cuál es el mejor modelo de Parakeet?
Parakeet Ultra. En 25 idiomas comete alrededor de un 24% menos de errores que Parakeet V3 (10.63% contra 13.99%), y viene integrado en la app para iPhone (desde la versión 1.8.9) y en la app para Mac de nuestro sitio web (desde la 1.6.4).
Descargar para iOS
Comparaciones detalladas