TL;DR
| Parakeet V3 | Comparación con Whisper | |
|---|---|---|
| Velocidad | ~60× el tiempo real en Apple Silicon | Turbo ~14× el tiempo real en el mismo 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 | Prácticamente ninguna en silencio en nuestras pruebas | Pueden aparecer en silencio |
| Ideal para | Inglés y europeos | Asiáticos, árabe, 100+ |
* Velocidad: medición propia en Apple Silicon (58× en un podcast, 63× en una reunión). WER 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 unos 60× el tiempo real y, en el Open ASR Leaderboard, es más preciso en inglés que Whisper Large V3 Turbo — 6,32 % frente a 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 van dos pruebas nuestras: los dos motores con el mismo audio, en el mismo 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 mantiene. En nuestro M5 Air, Parakeet transcribió una reunión de 17,5 minutos en 16,7 segundos, unos 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% | 3333x |
| 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 funciona 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 se pone por delante en la mayoría de los idiomas tomados uno a uno, pero Parakeet V3 queda muy cerca en el promedio (12,0 % frente a 12,6 %), gana en siete de ellos, sobre todo en maltés y griego, y recorta en torno a un 60 % la tasa media de error de Whisper Small. La ventaja práctica está en la combinación: precisión multilingüe de nivel Large V3 a unos 60× el tiempo real en Apple Silicon, una huella de ejecución más pequeña y una gestión del silencio mucho más fiable en nuestras pruebas de dictado.
Por qué alucina menos en los silencios
Si has usado Whisper para dictado, seguramente lo has visto alucinar durante los silencios — repitiendo frases, inventando palabras o soltando un "Subtitles by Amara.org" de la nada. Esto pasa porque el decodificador autoregresivo de Whisper siempre espera generar texto, incluso cuando no hay nada que transcribir.
La arquitectura de transductor de Parakeet puede emitir salidas en blanco en lugar de forzar un token de texto. En nuestras pruebas de dictado a nivel de sistema, eso hace que sea mucho menos propenso que Whisper a rellenar una pausa con texto repetido o sin relación. Sigue siendo un modelo de voz, así que la afirmación honesta es "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 cubre casi toda Europa, pero no incluye chino, japonés, coreano, árabe ni hindi. Para chino, japonés, coreano y cantonés, elige SenseVoice; para árabe, hindi y otros idiomas fuera del conjunto de Parakeet, usa Whisper Large V3 Turbo. Para comprobar un idioma concreto 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 funcionan en local.
Selector de modelos en Whisper Notes
Abre Ajustes para cambiar entre modelos:
- Parakeet V3 (predeterminado) — El más rápido, ideal para inglés e idiomas europeos
- SenseVoice Small — El más rápido para chino, japonés, coreano y cantonés
- Whisper Small — Ligero, más de 100 idiomas
- Whisper Large V3 Turbo — Amplia cobertura de más de 100 idiomas
Todos los modelos se ejecutan 100% en local 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 es ligeramente mejor que la de V3 (WER 6,05 % vs 6,32 %). V3 cambia esa pequeña diferencia 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 importa a la mayoría de usuarios — y la diferencia en precisión del inglés es insignificante.
¿Y WhisperKit?
WhisperKit es el framework de código abierto en Swift de Argmax para ejecutar modelos Whisper en dispositivos Apple. Es una herramienta para desarrolladores, no una app para el usuario final — y ejecuta Whisper, no Parakeet (que es la familia de modelos de NVIDIA). Si quieres transcripción en el dispositivo al estilo WhisperKit sin escribir Swift tú mismo, Whisper Notes empaqueta la misma idea como una app lista para usar: Parakeet V3, Whisper (Large V3 Turbo en Mac, Small en iPhone) y SenseVoice, todos ejecutándose en local en Mac y iPhone.
¿Estás comparando todas las opciones locales? Todos los modelos de voz a texto en el dispositivo — las variantes de Whisper, Parakeet V3, SenseVoice y Voxtral — están comparados lado a lado en nuestra página de comparación de modelos Whisper. ¿Es tu primer contacto con Whisper? Empieza por la guía de transcripción con Whisper — qué es el modelo, todas las formas de ejecutarlo y lo que cuesta.
Preguntas frecuentes
¿Es Parakeet V3 mejor que Whisper?
Para inglés e idiomas europeos, muchas veces sí. El Open ASR Leaderboard registra un WER en inglés del 6,32 % para Parakeet frente al 7,83 % de Turbo, y en nuestra propia prueba en un M4 Pro Parakeet corrió a 103× el tiempo real frente a los 14,3× de Turbo. Whisper sigue cubriendo 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 ejecutar Parakeet V3 en un Mac?
Sí. Whisper Notes para Mac trae Parakeet V3 como motor predeterminado. Se ejecuta 100 % en local 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.
¿Alucina Parakeet V3 como Whisper?
Mucho menos a menudo en nuestras pruebas con silencio, pero ningún modelo de voz merece un "nunca". Parakeet puede emitir salidas en blanco durante las pausas, mientras que el decodificador autoregresivo de Whisper es más propenso a frases repetidas o texto sin relación cuando la entrada es silencio.
Parakeet V2 vs V3 — ¿cuál debería usar?
Parakeet V2 es solo para inglés, con una precisión en inglés ligeramente mejor (WER de 6,05 % frente a 6,32 %). V3 cambia ese margen mínimo por 25 idiomas europeos y es el predeterminado en Whisper Notes. A menos que transcribas exclusivamente en inglés y persigas la última fracción de punto, usa V3.
¿Soporta Parakeet V3 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.
¿Cuánto ocupa 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 alrededor 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