El 22 de septiembre de 2026, Moondream publicó Parakeet Ultra, una versión del Parakeet TDT 0.6B v3 de NVIDIA con entrenamiento adicional. Tiene el mismo diseño y los mismos 600 millones de parámetros; solo cambian los pesos. Según Moondream, comete alrededor de un 17,8 % menos de errores en 25 idiomas: su tasa media de error por palabra (WER) en FLEURS baja del 11,62 % al 9,55 %. Queríamos saber: en el uso real, ¿cuánto más preciso es Parakeet Ultra que Parakeet V3, idioma por idioma?
Ya habíamos medido Parakeet V3, Whisper, Qwen3-ASR y SenseVoice con un conjunto fijo de frases de FLEURS en nuestra comparativa Apple SpeechAnalyzer vs Whisper; nuestra comparativa Qwen3-ASR vs Whisper usó el mismo conjunto en 30 idiomas. Esta vez probamos Parakeet Ultra con él. Las cifras son nuestras, medidas en Whisper Notes en un solo Mac, y las presentamos con la mayor claridad posible.
¿Cuánto más preciso es Parakeet Ultra?
Ejecutamos ambos modelos en la partición de prueba de FLEURS: los 25 idiomas que admite Parakeet, 3976 frases leídas y 12,55 horas de audio. Cada frase se transcribió con el modelo funcionando exactamente como lo hace dentro de Whisper Notes.
| Idioma | Parakeet V3 | Parakeet Ultra |
|---|---|---|
| Inglés | 6,89 % | 5,89 % |
| Alemán | 4,69 % | 3,72 % |
| Neerlandés | 7,59 % | 6,91 % |
| Español (Latinoamérica) | 4,73 % | 3,77 % |
| Francés | 5,66 % | 4,95 % |
| Polaco | 8,02 % | 6,34 % |
| Ruso | 6,99 % | 5,72 % |
| Ucraniano | 6,59 % | 5,11 % |
| Finés | 13,72 % | 10,03 % |
| Italiano | 3,33 % | 2,48 % |
| Portugués (Brasil) | 6,37 % | 5,69 % |
| Sueco | 16,18 % | 13,12 % |
| Checo | 13,70 % | 10,85 % |
| Lituano | 24,50 % | 18,00 % |
| Letón | 30,25 % | 20,70 % |
| Griego | 36,10 % | 20,96 % |
| Estonio | 20,12 % | 15,40 % |
| Eslovaco | 11,84 % | 8,58 % |
| Rumano | 13,74 % | 9,54 % |
| Danés | 19,22 % | 15,68 % |
| Húngaro | 18,78 % | 13,63 % |
| Búlgaro | 14,05 % | 12,28 % |
| Croata | 13,37 % | 12,49 % |
| Esloveno | 23,82 % | 18,49 % |
| Maltés | 24,46 % | 19,19 % |
| Los 25 idiomas | 13,99 % | 10,63 % |
Tasa de error por palabra, es decir, la proporción de palabras mal transcritas; cuanto más baja, mejor. Verde: Ultra es claramente mejor, más allá del margen de error. Croata: sin diferencia clara. Medido por nosotros en Whisper Notes en un Mac con Apple M5.
En los 25 idiomas, Parakeet Ultra comete alrededor de una cuarta parte menos de errores que V3 (un 24 % menos; la tasa de error por palabra baja del 13,99 % al 10,63 %). Donde V3 fallaba aproximadamente una palabra de cada siete, Ultra falla una de cada nueve. Fue claramente mejor en 24 idiomas y no fue peor en ninguno.
¿Qué idiomas mejoraron más?
Tasa de error por palabra por idioma, Parakeet V3 en gris y Parakeet Ultra en verde, ordenada según cuánto bajó. Fuente: nuestra propia medición en Whisper Notes, partición de prueba de FLEURS.
Los idiomas más débiles son los que más mejoraron. El letón pasó del 30,25 % al 20,70 %, el lituano del 24,50 % al 18,00 %, el esloveno del 23,82 % al 18,49 % y el maltés del 24,46 % al 19,19 %. El griego fue el que más bajó, del 36,10 % al 20,96 %, aunque sigue teniendo la tasa de error más alta de los 25. Los grandes idiomas (inglés, alemán, español, francés, italiano, portugués, neerlandés y ruso) ya iban bien y mejoraron menos, entre 0,68 y 1,27 puntos, pero en todos la mejora supera el margen de error.
¿Es Parakeet Ultra más lento?
| Parakeet V3 | Parakeet Ultra | |
|---|---|---|
| Velocidad de procesamiento | 74,5× el tiempo real | 74,0× el tiempo real |
| Carga del modelo, mediana | 0,10 s | 0,10 s |
200 fragmentos de FLEURS, los ocho primeros de cada idioma, 37,2 minutos de audio. Cada fragmento pasó por los dos modelos uno tras otro, alternando cuál iba primero. Solo el tiempo de procesamiento del motor, sin el arranque del proceso ni la carga del modelo; no es la latencia de extremo a extremo en la app. Mac con Apple M5, macOS 27.0.
No hay ninguna diferencia medible. Parakeet Ultra funcionó a 74,0× el tiempo real y Parakeet V3 a 74,5×, una diferencia dentro del margen de error (relación de velocidad 0,99, rango de 0,94 a 1,06). En este Mac, una hora de audio tarda unos 49 segundos con cualquiera de los dos modelos.
Tiene sentido: los dos modelos tienen el mismo diseño y el mismo tamaño, y solo se diferencian en los pesos. Moondream presenta Parakeet Ultra como un modelo pensado para GPU; en Whisper Notes se ejecuta en el Apple Neural Engine como conversión a Core ML, y es más preciso a la misma velocidad.
¿Aguanta con ruido de fondo?
FLEURS es habla limpia, así que probamos el ruido aparte. Mezclamos ruido de fondo del corpus MUSAN con frases leídas de LibriSpeech y de FLEURS en alemán y en español, con tres niveles de ruido (relación señal-ruido de 10, 5 y 0 dB): nueve condiciones y 1320 frases, en un Mac con el mismo modelo Core ML que usa Whisper Notes.
| Condición | Parakeet V3 | Parakeet Ultra | Cambio |
|---|---|---|---|
| LibriSpeech test-other, 10 dB | 4,72 % | 3,87 % | −18 % |
| LibriSpeech test-other, 5 dB | 5,71 % | 4,86 % | −15 % |
| LibriSpeech test-other, 0 dB | 9,91 % | 8,75 % | −12 % |
| FLEURS alemán, 10 dB | 9,80 % | 8,04 % | −18 % |
| FLEURS alemán, 5 dB | 13,86 % | 10,55 % | −24 % |
| FLEURS alemán, 0 dB | 24,21 % | 17,88 % | −26 % |
| FLEURS español, 10 dB | 11,17 % | 5,46 % | −51 % |
| FLEURS español, 5 dB | 11,90 % | 5,77 % | −51 % |
| FLEURS español, 0 dB | 13,43 % | 6,96 % | −48 % |
| Media de las nueve | 11,63 % | 8,02 % | −31 % |
Prueba de ruido aparte, no la serie de FLEURS anterior: tasa de error por palabra en porcentaje, 200 frases de LibriSpeech o 120 de FLEURS por condición. Sus tasas de error no son comparables con las de la tabla de FLEURS; solo se traslada el cambio relativo.
Con ruido de fondo, Parakeet Ultra cometió de media alrededor de un 31 % menos de errores que Parakeet V3, y fue claramente mejor en las nueve condiciones. Cuanto más ruido tiene el audio en alemán, mayor es la ventaja, y en español los errores se redujeron aproximadamente a la mitad en todos los niveles.
¿Y con grabaciones largas?
Nuestra prueba usó fragmentos de menos de 30 segundos, así que no cubre las grabaciones largas. En su artículo de lanzamiento, Moondream cubre las grabaciones largas con 11 charlas TED completas, además de conjuntos de prueba en inglés, habla en contextos empresariales y ruido de fondo:
| Evaluación | Parakeet V3 | Parakeet Ultra |
|---|---|---|
| Inglés, siete conjuntos de prueba | 6,26 % | 5,80 % |
| FLEURS, 25 idiomas | 11,62 % | 9,55 % |
| Habla en contextos empresariales | 6,15 % | 5,79 % |
| Ruido de fondo | 6,72 % | 5,82 % |
| Grabaciones largas, 11 charlas de TED-LIUM | 2,71 % | 1,94 % |
Tasa de error por palabra; cuanto más baja, mejor. El verde marca el valor más bajo. Son cifras de la propia Moondream: el modelo con precisión completa, ejecutado con el entorno de Moondream en GPU de NVIDIA y con otra normalización del texto, así que en términos absolutos no son comparables con las nuestras de más arriba.
Detalles: Introducing Moondream Parakeet Redux and Parakeet Ultra
Parakeet Ultra tiene la tasa de error más baja en las cinco evaluaciones; en grabaciones largas comete alrededor de un 28 % menos de errores.
Especificar el idioma empeora los resultados de Parakeet
Muchos usuarios de Whisper Notes nos han preguntado por qué Parakeet no tiene un ajuste de idioma. A Parakeet se le puede indicar qué idioma esperar, pero en Whisper Notes eso lo hizo menos preciso, en las dos versiones. Lo medimos transcribiendo cada frase dos veces: una con detección automática y otra con el idioma especificado.
| Idioma | Ultra, especificado | Ultra, detectado | V3, especificado | V3, detectado |
|---|---|---|---|---|
| Alemán | 5,19 | 3,72 | 6,26 | 4,69 |
| Neerlandés | 7,89 | 6,91 | 8,58 | 7,59 |
| Esloveno | 20,32 | 18,49 | 25,51 | 23,82 |
| Griego | 34,00 | 20,96 | 36,49 | 36,10 |
| Los 25 idiomas | 11,59 | 10,63 | 14,30 | 13,99 |
Tasa de error por palabra en porcentaje. El verde marca el valor más bajo de cada par. En Parakeet Ultra, todas las diferencias mostradas superan el margen de error, y 18 de los 25 idiomas salieron mejor con la detección, ninguno peor. En Parakeet V3 no calculamos aquí el margen de error.
Nuestra hipótesis es que especificar el idioma no ayuda a Parakeet a oír mejor. Solo elimina de la transcripción las palabras que no parecen de ese idioma, y los nombres propios y los préstamos a menudo se eliminan por error. Por eso, en Whisper Notes, Parakeet siempre detecta el idioma por sí solo; Whisper, SenseVoice y Qwen3-ASR te permiten elegirlo, y con SenseVoice elegirlo da una tasa de error algo más baja.
¿Para qué idiomas es una buena opción Parakeet Ultra?
- Letón, lituano, esloveno, maltés, húngaro, estonio y griego son los que más mejoran, de 4,72 a 15,14 puntos.
- Inglés, alemán, español, francés, italiano, portugués y neerlandés ya tenían tasas de error bajas y mejoran de 0,68 a 1,01 puntos. El croata no mostró una diferencia clara.
- Ucraniano, checo, estonio, húngaro, lituano y eslovaco: Parakeet Ultra tiene ahora una tasa de error más baja que Whisper Large V3 Turbo en nuestras pruebas con FLEURS.
- El chino, el japonés y el coreano no son compatibles con Parakeet. Para estos idiomas, usa SenseVoice o Whisper (Whisper Large V3 Turbo en Mac, Whisper Small en iPhone).
Para ver la tasa de error de cada modelo en tu idioma, con los 42 idiomas en una sola tabla, consulta Parakeet vs Whisper vs Qwen3-ASR vs SenseVoice.
¿Qué es Parakeet Ultra?
| Creador | Moondream |
| Modelo base | NVIDIA Parakeet TDT 0.6B v3 |
| Publicación | 22 de septiembre de 2026 |
| Tamaño | 0,6 mil millones de parámetros, misma arquitectura y mismo tokenizador que el modelo base; unos 600 MB dentro de la app para Mac |
| Idiomas | Los mismos 25 idiomas europeos que Parakeet V3 |
| Datos de entrenamiento | No publicados |
| Licencia | CC BY 4.0; página del modelo: moondream/parakeet-ultra |
| Dónde se ejecuta | En tu dispositivo, sin conexión, en el Apple Neural Engine, mediante la conversión a Core ML de Fluid Inference |
| En Whisper Notes | Integrado, sin descarga aparte: en la versión de la Mac App Store, en la app para Mac de nuestra web y en la app para iPhone. |
Comparamos los pesos convertidos con la versión publicada por Moondream, tensor por tensor; coinciden dentro de la precisión de la conversión.
Cómo lo probamos
Todas nuestras cifras de FLEURS se midieron directamente en Whisper Notes, así que ejecutar el modelo en bruto en otro entorno puede dar resultados distintos. Usamos la partición de prueba de Google FLEURS: 25 idiomas y 3976 frases, con las mismas frases y el mismo método de evaluación que en nuestras pruebas anteriores. La tasa de error por palabra se calcula sobre todas las palabras de cada idioma, los intervalos de confianza del 95 % salen de remuestrear las frases y todo se ejecutó en un Mac con Apple M5. Si se especifica el idioma, la conclusión es la misma (del 14,30 % al 11,59 %), y en una muestra de FLEURS aparte medimos el mismo descenso del 17,8 % que indica la ficha del modelo de Moondream.
FLEURS es habla leída y limpia en fragmentos de menos de 30 segundos, así que no cubre reuniones, audio captado a distancia, acentos marcados ni grabaciones largas; el iPhone usa el mismo modelo y no se probó por separado.
Preguntas frecuentes
Parakeet Ultra o Parakeet V3: ¿cuál es más preciso?
Parakeet Ultra. En 25 idiomas de FLEURS en Whisper Notes comete alrededor de un 24 % menos de errores: la tasa de error por palabra es del 10,63 % con Parakeet Ultra y del 13,99 % con Parakeet V3. Ultra fue mejor en 24 idiomas y no fue peor en ninguno. Las mayores mejoras fueron en griego, del 36,10 % al 20,96 %, y en letón, del 30,25 % al 20,70 %.
¿Es Parakeet Ultra más lento que Parakeet V3?
No. En un Mac con Apple M5 funcionó a 74,0× el tiempo real, frente a 74,5× de Parakeet V3, una relación de velocidad de 0,99 con un intervalo de confianza del 95 % de 0,94 a 1,06. Son unos 49 segundos por hora de audio con cualquiera de los dos modelos.
¿Qué idiomas admite Parakeet Ultra?
Los mismos 25 idiomas europeos que Parakeet V3: alemán, búlgaro, checo, croata, danés, eslovaco, esloveno, español, estonio, finés, francés, griego, húngaro, inglés, italiano, letón, lituano, maltés, neerlandés, polaco, portugués, rumano, ruso, sueco y ucraniano. Para chino, cantonés, japonés y coreano, Whisper Notes ofrece SenseVoice Small; para otros idiomas, Whisper.
¿Cómo puedo usar Parakeet Ultra?
Es el modelo Parakeet integrado en Whisper Notes: en la versión de la Mac App Store, en la app para Mac de nuestra web y en la app para iPhone. No requiere una descarga aparte y transcribe sin conexión en tu dispositivo.
¿Qué diferencia hay entre Parakeet Ultra y Parakeet Redux?
Los dos son de Moondream y parten del Parakeet TDT 0.6B v3 de NVIDIA. Parakeet Redux es la versión comprimida, para CPU y Mac: sus pesos pasan de 1,2 GB a 178 MB y los del codificador se reducen a tres valores posibles. En las propias pruebas de Moondream es algo menos preciso que el original en inglés (6,55 % frente a 6,26 %) y claramente peor con ruido de fondo (9,04 % frente a 6,72 %). Parakeet Ultra conserva los pesos con precisión completa y es el más preciso de los tres en las cinco evaluaciones de Moondream; es el modelo que usa Whisper Notes, en la conversión a Core ML de Fluid Inference.
Pruébalo
Parakeet Ultra ya viene integrado en Whisper Notes. Con los botones de abajo puedes conseguir la app para iPhone en la App Store o la app para Mac en nuestra web. ¿Tienes preguntas? Escribe a support@whispernotes.app.
