Desde macOS 26 e iOS 26, Apple ofrece una nueva generación de reconocimiento de voz en el dispositivo: SpeechAnalyzer y SpeechTranscriber, que en adelante llamaremos Apple Speech. Es bastante más preciso que el antiguo motor de dictado. Lo que queríamos saber era cómo se compara en el uso real con los modelos abiertos en el dispositivo que se descargan —Whisper, Parakeet, Qwen3-ASR y SenseVoice—: ¿es ya lo bastante bueno el reconocimiento de voz integrado de Apple como para prescindir por completo de una app de transcripción?
¿Cuánto mejora respecto al dictado que ya tenías?
Hasta ahora, el reconocimiento de voz de un Mac era el motor de la época de SFSpeechRecognizer, el que todavía utiliza hoy el dictado del sistema (DictationTranscriber). macOS 26 e iOS 26 añaden la API SpeechAnalyzer y su módulo SpeechTranscriber. Ejecutamos ambos en la partición de prueba de FLEURS, unas 150 frases y 30 minutos por idioma, en el mismo Mac.
| Idioma | Dictado de Apple | Apple Speech |
|---|---|---|
| Coreano | 7,11 | 4,31 |
| Italiano | 6,93 | 4,39 |
| Español (Latinoamérica) | 8,43 | 5,41 |
| Alemán | 12,69 | 6,26 |
| Japonés | 9,37 | 6,36 |
| Francés | 17,10 | 7,61 |
| Chino | 10,28 | 7,97 |
| Cantonés | 10,18 | 8,69 |
| Inglés | 13,83 | 8,80 |
| Portugués (Brasil) | 10,85 | 9,35 |
Todos los idiomas que ambos motores de Apple midieron correctamente, ordenados según la tasa de error de Apple Speech; el verde señala el mejor valor de la fila. La misma prueba, los mismos fragmentos y el mismo Mac. CER para japonés, coreano, chino y cantonés; WER para el resto.
Apple Speech es más preciso en los diez idiomas que ambos motores midieron correctamente. En francés y alemán desaparece más de la mitad de los errores; en la mediana de los idiomas, aproximadamente un tercio; y en portugués brasileño y cantonés, cerca de un error de cada siete.
Dictado sigue cubriendo más idiomas. Apple Speech devolvió resultados para 21 de las 83 configuraciones de idioma de esta prueba y Dictado para 33, incluidas las tres que faltan aquí en el motor nuevo: neerlandés, polaco y ruso, con 17,34, 13,50 y 13,13. Tampoco existe una lista fija que citar. Los recursos de idioma pertenecen a macOS, así que una app consulta en tiempo de ejecución cuáles están disponibles en cada equipo.
Entonces, ¿puedes prescindir de los modelos descargados?
Seis motores, los mismos fragmentos y un Mac. Los diez idiomas siguientes están entre los más utilizados, en un orden fijo que no tiene nada que ver con las puntuaciones.
| Idioma | Apple Speech | Qwen3-ASR | Whisper Large | Whisper Small | Parakeet | SenseVoice |
|---|---|---|---|---|---|---|
| Inglés | 8,80 | 4,49 | 5,49 | 7,04 | 6,89 | 8,46 |
| Alemán | 6,26 | 2,85 | 4,05 | 8,67 | 6,26 | — |
| Neerlandés | — | 7,36 | 5,69 | 16,75 | 8,58 | — |
| Ruso | — | 5,65 | 5,13 | 11,37 | 7,12 | — |
| Polaco | — | 12,59 | 5,45 | 15,81 | 8,30 | — |
| Japonés | 6,36 | 5,74 | 5,30 | 11,37 | — | 6,78 |
| Coreano | 4,31 | 3,54 | 4,25 | 7,30 | — | 7,85 |
| Francés | 7,61 | 4,57 | 5,97 | 13,24 | 5,83 | — |
| Chino | 7,97 | 6,49 | 7,97 | 20,50 | — | 7,69 |
| Español (Latinoamérica) | 5,41 | 3,38 | 3,62 | 6,22 | 4,86 | — |
Diez de los idiomas más utilizados, un motor por columna. Cada celda indica la tasa de error del motor; cuanto más baja, mejor. El verde señala la menor de la fila y el blanco la segunda menor. CER para japonés, coreano y chino; WER para el resto, sin combinarlos nunca en una sola cifra. Nuestra propia prueba con FLEURS, realizada por el equipo de Whisper Notes, en un M5 MacBook Air y habla leída.
Nombres abreviados: Qwen3-ASR = Qwen3-ASR 1.7B, Whisper Large = Whisper Large V3 Turbo, Parakeet = Parakeet V3, SenseVoice = SenseVoice Small. Un guion indica que el motor no tiene un modelo para ese idioma.
Qwen3-ASR 1.7B obtiene la tasa de error más baja en seis de los diez idiomas, Whisper Large V3 Turbo en los otros cuatro y Apple Speech en ninguno. Donde más se acerca es en coreano, a 0,77 puntos del líder de la fila, seguido del japonés con 1,06 y el chino con 1,48, donde empata con Whisper Large V3 Turbo en 7,97. Donde más se aleja es en inglés, con 8,80 (Apple Speech) frente a 4,49 (Qwen3-ASR 1.7B), y no hay resultados de Apple Speech para neerlandés, polaco ni ruso.
Frente a Whisper Small, Apple Speech fue más preciso en ocho de los diez idiomas que ambos midieron correctamente. Los dos en los que perdió son inglés, con 8,80 (Apple Speech) frente a 7,04 (Whisper Small), y portugués brasileño, con 9,35 frente a 8,61.
Una prueba comparativa publicada en julio midió Apple Speech frente a Whisper Small en inglés y situó a Apple por delante. Importa qué Whisper se incluya en la comparación, y también los fragmentos. Aquella prueba utilizó LibriSpeech, con narradores de audiolibros leyendo en voz alta; la nuestra utiliza FLEURS, con muchos hablantes distintos leyendo frases de Wikipedia. Nuestra prueba muestra la diferencia en inglés, pero no permite saber qué la causa.
Frente a Whisper Large V3 Turbo se invierte el orden. Apple Speech queda por detrás en ocho de esos diez idiomas, empata en chino con 7,97 y solo lidera en cantonés, con 8,69 (Apple Speech) frente a 36,75 (Whisper Large V3 Turbo); consulta la fila del cantonés más abajo. Las notas de la versión de Turbo de OpenAI incluyen el cantonés entre los idiomas en los que más empeora el modelo, así que 36,75 es una debilidad conocida de Whisper, no una peculiaridad de nuestra prueba.
En coreano, Apple Speech se equivoca en aproximadamente un carácter de cada 23. El modelo más preciso de esta prueba, Qwen3-ASR 1.7B, se equivoca en aproximadamente uno de cada 28: 4,31 (Apple Speech) frente a 3,54 (Qwen3-ASR 1.7B).
Parakeet V3 requiere una descarga de 465 MB y es más preciso en todos los idiomas europeos que ambos cubren: 6,89 (Parakeet V3) frente a 8,80 (Apple Speech) en inglés; 5,83 frente a 7,61 en francés; 4,86 frente a 5,41 en español; 3,43 frente a 4,39 en italiano; y 6,49 frente a 9,35 en portugués brasileño. En alemán empatan en 6,26. No admite japonés, coreano, chino ni cantonés, donde Apple Speech es el único de los dos que existe.
Entre las seis filas que lidera Qwen3-ASR 1.7B están inglés, alemán, francés y español.
SenseVoice Small es el motor más rápido de esta prueba, a 162,3× el tiempo real, y en chino e inglés está al mismo nivel que Apple Speech: 7,69 (SenseVoice Small) frente a 7,97 (Apple Speech) y 8,46 frente a 8,80. En coreano queda muy por detrás, con 7,85 (SenseVoice Small) frente a 4,31 (Apple Speech).
Tamaño y velocidad
| Motor | Velocidad | Memoria máxima | Descarga |
|---|---|---|---|
| SenseVoice Small | 162,3× el tiempo real | 0,95 GiB | 827 MB |
| Parakeet V3 | 75,6× el tiempo real | 0,09 GiB | 465 MB |
| Apple Speech | 30,8× el tiempo real | no indicada | <5 MB |
| Qwen3-ASR 1.7B | 11,1× el tiempo real | 2,43 GiB | unos 2,5 GB |
| Whisper Small | 7,9× el tiempo real | 0,87 GiB | 600 MB |
| Whisper Large V3 Turbo | 3,0× el tiempo real | 1,87 GiB | unos 1,6 GB |
La velocidad es la mediana de cada motor en los trece idiomas que este artículo mide correctamente, contando solo aquellos que ejecutó: el rendimiento de procesamiento de elementos aislados, un dato de diagnóstico y no la latencia del producto. La memoria máxima es el pico del grupo de procesos en esta prueba. Apple Speech decodifica dentro de un servicio de macOS que no pertenece a la app que lo invoca, por lo que ninguna cifra tendría allí el mismo significado que para los otros cinco.
Apple Speech se ejecutó a 30,8× el tiempo real, por detrás de Parakeet V3 con 75,6× y SenseVoice Small con 162,3×. Su paquete de idioma lo descarga macOS una sola vez y lo comparten todas las apps, así que no se asigna nada en el propio proceso de la app. El servicio que realiza la decodificación sigue utilizando memoria, pero no podemos atribuirla con exactitud, así que no indicamos ninguna cifra en lugar de mostrar un cero.
Whisper Large V3 Turbo es el motor más lento de esta prueba, a 3,0× el tiempo real, y obtiene la tasa de error más baja en cuatro de las diez filas, con unos 1,6 GB en disco. Qwen3-ASR 1.7B gana las otras seis, con unos 2,5 GB en disco y un pico de 2,43 GiB. Whisper Small es la comparación justa para un motor integrado, con 600 MB.
¿Para qué idiomas es una buena opción Apple Speech?
Idioma por idioma:
- Inglés: no es una buena opción. Apple Speech obtuvo 8,80; Qwen3-ASR 1.7B (4,49) o Whisper Large V3 Turbo (5,49) es claramente más preciso.
- Alemán: no es una buena opción. Apple Speech obtuvo 6,26; Qwen3-ASR 1.7B (2,85) o Whisper Large V3 Turbo (4,05) es claramente más preciso.
- Neerlandés, ruso y polaco: Apple Speech no tiene modelo para ninguno de los tres. Whisper Large V3 Turbo fue el más preciso en cada uno, con 5,69, 5,13 y 5,45.
- Japonés: se puede usar. Apple Speech obtuvo 6,36, por detrás de Whisper Large V3 Turbo, con 5,30.
- Coreano: se puede usar. Apple Speech obtuvo 4,31, por detrás de Qwen3-ASR 1.7B, con 3,54.
- Francés: no es una buena opción. Apple Speech obtuvo 7,61; Qwen3-ASR 1.7B (4,57) o Parakeet V3 (5,83) es claramente más preciso.
- Chino: se puede usar. Apple Speech obtuvo 7,97, igual que Whisper Large V3 Turbo; el más preciso fue Qwen3-ASR 1.7B, con 6,49.
- Español: no es una buena opción. Apple Speech obtuvo 5,41; Qwen3-ASR 1.7B (3,38) o Whisper Large V3 Turbo (3,62) es claramente más preciso.
Los modelos descargados siguen ganando en precisión: todas las filas de la tabla principal están lideradas por Qwen3-ASR 1.7B o Whisper Large V3 Turbo. Apple Speech es una opción real para coreano, japonés y chino; Parakeet V3 es el indicado para los idiomas europeos.
En Whisper Notes para Mac, Parakeet V3 sigue siendo el modelo predeterminado. En la app para Mac que descargas de nuestra web, Apple Speech está disponible como modelo opcional en macOS 26 o posterior, y la app solo ofrece un idioma cuando macOS indica que tu Mac lo admite.
Apple Speech es el nombre abreviado que este artículo da al SpeechTranscriber de Apple, la API en el dispositivo que cualquier app para Mac puede utilizar en macOS 26 o posterior. Es un motor del sistema, no un modelo que descargues: Whisper Notes para Mac puede usarlo en la versión que se descarga de nuestra web, con el paquete de idioma que proporciona macOS. Los modelos que descarga la propia app siguen siendo Whisper, Parakeet V3, SenseVoice y Qwen3-ASR en esa versión, y Whisper, Parakeet V3 y SenseVoice en iPhone y en la versión del Mac App Store. La tabla por motor es nuestra lista de idiomas que admiten Whisper, Parakeet V3 y SenseVoice.
Más allá de los diez idiomas
| Idioma | Apple Speech | Qwen3-ASR | Whisper Large | Whisper Small | Parakeet | SenseVoice |
|---|---|---|---|---|---|---|
| Italiano | 4,39 | 2,58 | 2,58 | 7,64 | 3,43 | — |
| Cantonés | 8,69 | 6,44 | 36,75 | 119,01 | — | 37,23 |
| Portugués (Brasil) | 9,35 | 5,17 | 5,44 | 8,61 | 6,49 | — |
| Hindi | 101,50 | 13,19 | 29,64 | 61,26 | — | — |
Cuatro idiomas más de la misma prueba. Las mismas columnas, colores y abreviaturas de arriba; CER para cantonés y WER para el resto.
El resultado de Apple Speech en hindi no se incluye en la clasificación de esa fila por el motivo que se explica a continuación. Una tasa de error puede superar el 100 % porque las inserciones también cuentan en el numerador.
El italiano, con 4,39 (Apple Speech), queda por detrás del empate en 2,58 entre Qwen3-ASR 1.7B y Whisper Large V3 Turbo. El cantonés es el idioma en el que Apple Speech quedó por delante de Whisper Large V3 Turbo, con 8,69 (Apple Speech) frente a 36,75 (Whisper Large V3 Turbo), y Qwen3-ASR 1.7B fue el primero con 6,44. El portugués brasileño obtiene 9,35 (Apple Speech), una de las dos filas en las que Whisper Small, con 8,61, queda por delante.
El hindi da un resultado de otro tipo. Apple Speech escribió el hindi con letras inglesas en lugar de hacerlo con el sistema de escritura propio del hindi, por lo que casi todas las palabras cuentan como incorrectas y la tasa supera el 100 %. El telugu, el urdu, el punyabí, el bengalí, el nepalí, el malayalam, el maratí, el canarés, el guyaratí y el tamil dieron el mismo tipo de resultado, todos por encima del 100 %, así que no se incluyen en la tabla.
Cómo funciona SpeechAnalyzer
SpeechAnalyzer sustituye a la API de reconocimiento de voz que Apple ofrece desde iOS 10, en todas las plataformas de Apple excepto watchOS. Una app crea un SpeechAnalyzer, le asigna módulos y le proporciona audio como una secuencia asíncrona que ella misma alimenta; SpeechTranscriber es el módulo que convierte la voz en texto. Los resultados regresan como una segunda secuencia, normalmente en otra tarea, y cada búfer y cada resultado llevan una marca de tiempo referida a la propia línea temporal del audio.
Una sesión, tres tareas: el audio entra como una AsyncSequence, SpeechAnalyzer y SpeechTranscriber lo analizan y los resultados regresan en una segunda AsyncSequence que puede leer la interfaz. Fuente: Apple, sesión 277 de la WWDC25.
Los resultados llegan dos veces. Todo lo que se encuentre dentro de lo que Apple denomina intervalo volátil aún puede sustituirse por un resultado mejor; lo que queda fuera es definitivo. Así puede una app mostrar una transcripción aproximada mientras sigues hablando y corregirla después. Apple declara cinco objetivos de diseño para el modelo SpeechTranscriber: audio largo, habla conversacional, hablantes lejanos, baja latencia y privacidad, es decir, ejecución en el dispositivo. Notas, Notas de Voz, Diario y los resúmenes de llamadas se basan en él.
Los cinco objetivos de diseño declarados por Apple para el modelo SpeechTranscriber. Fuente: Apple, sesión 277 de la WWDC25.
Los modelos no forman parte de ninguna app. Se descargan de los servidores de Apple mediante AssetInventory, el sistema los almacena y actualiza, y se comparten entre apps. No añaden nada al tamaño de descarga de una app, y la decodificación ocurre fuera del proceso que realiza la llamada. Cuando SpeechTranscriber no dispone de un modelo para un idioma o dispositivo, DictationTranscriber toma el relevo con los mismos modelos que el dictado del sistema.
Método y limitaciones
Cinco de los seis motores de estas tablas son modelos que descarga Whisper Notes. Cada motor transcribió los mismos fragmentos, en el mismo orden y de uno en uno, en un M5 MacBook Air (32 GB, macOS 27.0). El audio procede de la partición de prueba de Google FLEURS, revisión 70bb2e84, con unas 150 frases y 30 minutos por idioma. Un hash fijo de los identificadores de elementos del propio conjunto de datos ordena los elementos, y tomamos la secuencia más corta de elementos completos que supera los treinta minutos; ningún resultado de los modelos intervino en esa elección. Cada celda se reconstruyó a partir de su propio registro y se volvió a comprobar: las 285 pasaron. Las puntuaciones son la tasa de error por palabra cuando las palabras se separan con espacios, y la tasa de error por carácter para japonés, coreano, chino y cantonés, sin combinarlas nunca en una sola cifra.
Puedes contrastar las columnas de Whisper con las cifras publicadas por OpenAI. En los doce idiomas para los que OpenAI publica un resultado de FLEURS para Whisper Large V3 Turbo, nuestras cifras difieren una media de 0,7 puntos de las suyas y diez de las doce quedan dentro del intervalo del 95 % de nuestra prueba; en los once idiomas fuera de las filas de Asia del Sur, nuestras cifras de Whisper Small difieren una media de 1,0 puntos de la tabla por idioma del artículo sobre Whisper. La columna de Apple Speech procede de los mismos fragmentos, el mismo sistema de puntuación y el mismo normalizador.
FLEURS contiene habla leída y limpia. Nada de lo que aparece aquí indica cómo se comportan estos motores en una sala ruidosa o durante una reunión de dos horas, y no medimos qué distancia los separa en esas condiciones. Todo se ejecutó en un solo equipo. Con unas 150 frases por idioma, dos motores separados por menos de aproximadamente un punto están empatados; las tablas ya marcan así los empates exactos, como en italiano, donde Qwen3-ASR 1.7B y Whisper Large V3 Turbo obtuvieron ambos 2,58.
Preguntas frecuentes
Apple Speech o Whisper Small: ¿cuál es más preciso?
Apple Speech, en ocho de los diez idiomas que ambos midieron correctamente. Pierde en inglés, con 8,80 (Apple Speech) frente a 7,04 (Whisper Small), y en portugués brasileño, con 9,35 frente a 8,61. Donde más ventaja saca es en chino, con 7,97 (Apple Speech) frente a 20,50 (Whisper Small); en francés, 7,61 frente a 13,24; en japonés, 6,36 frente a 11,37; y en cantonés, 8,69 frente a 119,01. Whisper Small requiere una descarga de 600 MB y funcionó a 7,9× el tiempo real, frente a 30,8× de Apple Speech.
Apple Speech o Parakeet V3: ¿cuál es más preciso?
Parakeet V3, en todos los idiomas europeos que ambos cubren: 6,89 (Parakeet V3) frente a 8,80 (Apple Speech) en inglés; 5,83 frente a 7,61 en francés; 4,86 frente a 5,41 en español; 3,43 frente a 4,39 en italiano; y 6,49 frente a 9,35 en portugués brasileño. En alemán empatan en 6,26. Parakeet V3 no admite japonés, coreano, chino ni cantonés, donde Apple Speech es el único de los dos que existe. Parakeet V3 requiere una descarga de 465 MB y funcionó a 75,6× el tiempo real, y Apple Speech a 30,8×.
Apple Speech o Whisper Large V3 Turbo: ¿cuál es más preciso?
Whisper Large V3 Turbo, en ocho de los diez idiomas que ambos midieron correctamente: inglés 5,49 (Whisper Large V3 Turbo) frente a 8,80 (Apple Speech); alemán 4,05 frente a 6,26; japonés 5,30 frente a 6,36; coreano 4,25 frente a 4,31; francés 5,97 frente a 7,61; español 3,62 frente a 5,41; italiano 2,58 frente a 4,39; y portugués brasileño 5,44 frente a 9,35. En chino empatan en 7,97; Apple Speech solo lidera en cantonés, con 8,69 (Apple Speech) frente a 36,75 (Whisper Large V3 Turbo). Turbo también cubre neerlandés, ruso y polaco, con 5,69, 5,13 y 5,45. Ocupa alrededor de 1,6 GB y es el motor más lento de esta prueba, a 3,0× el tiempo real.
¿Qué idiomas admite Apple Speech?
En nuestra prueba, Apple Speech devolvió resultados en 21 de 83 configuraciones: inglés, alemán, francés, español, italiano, portugués (Brasil), japonés, coreano, chino, cantonés y once idiomas del sur de Asia —hindi, telugu, urdu, punyabí, bengalí, nepalí, malayalam, maratí, canarés, guyaratí y tamil—, en los que respondió con letras inglesas y no con su propio sistema de escritura. No hay neerlandés, polaco ni ruso; macOS decide la lista en cada equipo. Donde más se acerca a los líderes de fila es en coreano, japonés y chino, a 0,77, 1,06 y 1,48 puntos, y donde más se aleja es en inglés, con 8,80 (Apple Speech) frente a 4,49 (Qwen3-ASR 1.7B); en los diez idiomas que ambos midieron queda por delante del antiguo dictado. Whisper en Whisper Notes cubre toda la lista de idiomas de la app en todos los canales.
¿Qué es SpeechAnalyzer y es lo mismo que Dictado de Apple?
SpeechAnalyzer es la API que Apple presentó en la WWDC 2025 y publicó con macOS 26 e iOS 26. SpeechTranscriber es el motor de transcripción que contiene, el Apple Speech de este artículo; Dictado es el motor de compatibilidad anterior. Probamos ambos, y Apple Speech fue más preciso en los diez idiomas que los dos midieron correctamente. Dictado cubre más idiomas, 33 configuraciones frente a 21, incluidos neerlandés, polaco y ruso con un WER del 17,34 %, 13,50 % y 13,13 % (Dictado), frente al 5,69 %, 5,45 % y 5,13 % (Whisper Large V3 Turbo).
¿Sale el audio de mi Mac cuando uso Apple Speech?
Apple documenta SpeechTranscriber como reconocimiento de voz en el dispositivo: macOS descarga una vez los recursos de idioma y el reconocimiento se ejecuta en local. Medimos la precisión y la velocidad, no el comportamiento de la red, así que describimos esa parte tal como lo hace Apple. Los motores que descarga Whisper Notes —Whisper, Parakeet V3, SenseVoice y Qwen3-ASR— se ejecutan en la GPU o el Neural Engine de tu propio Mac sin cuenta ni API key, y la transcripción funciona sin conexión en todos los canales. Apple Speech está disponible en la app para Mac de nuestra web, en macOS 26 o posterior: un motor del sistema en tu propio Mac, con el paquete de idioma que descarga macOS.
¿Por qué estas cifras no coinciden con la precisión que obtengo en mis grabaciones?
Porque FLEURS contiene habla leída, corta y limpia, y tus grabaciones no. Nuestra prueba es una calibración con un conjunto de datos público: unas 150 frases y 30 minutos por idioma, un M5 MacBook Air y los mismos fragmentos para cada motor. Indica si un motor es una opción razonable para tu idioma, no lo que obtendrás en una reunión, con audio ruidoso o en un archivo de dos horas.
Pruébalo
Los cinco modelos descargables de este artículo —Whisper Small, Whisper Large V3 Turbo, Parakeet V3, SenseVoice Small y Qwen3-ASR 1.7B— están disponibles en la app de Whisper Notes para Mac que descargas de nuestra web, en Ajustes y, después, Modelo de transcripción. En macOS 26 o posterior, Apple Speech aparece en esa misma lista; si ya tienes la app, actualízala a la última versión.
Si nuestras cifras no coinciden con tu experiencia en un idioma, escribe a mac@whispernotes.app. Notas completas de la versión: whispernotes.app/changelog.
Fuentes: nuestra prueba con la partición de prueba de Google FLEURS, revisión 70bb2e84; la documentación de Apple sobre SpeechAnalyzer, y la prueba anterior de Qwen3-ASR en treinta idiomas que la precedió.
Descargar para macOS