Queríamos responder a una sola pregunta: ¿existe un modelo local que transcriba tu idioma con más precisión que Whisper Large V3? Así que probamos estos modelos sobre el conjunto de datos FLEURS.
FLEURS es un conjunto de datos de Google con habla leída en 102 idiomas. Tomamos unas 75 frases de cada idioma y pasamos los mismos clips, en el mismo orden, por cinco modelos:
- Parakeet V3
- Whisper Large V3 Turbo
- SenseVoice Small
- Whisper Small
- Qwen3-ASR 1.7B
Este es el resultado.
Qwen3-ASR 1.7B frente a Whisper Large V3 Turbo — nuestra propia ejecución de FLEURS, un MacBook Air M5, habla leída, clips cortos.
| Qwen3-ASR 1.7B | Whisper Large V3 Turbo | |
|---|---|---|
| Idiomas compatibles | 30 | 101 |
| Ventajas claras | Cantonés, hindi, tailandés, vietnamita, francés (5) | Finés, húngaro, griego y 8 idiomas más (11) |
| Velocidad | 8,7× el tiempo real | 2,4× el tiempo real |
| Memoria máxima | 2,43 GiB | 1,87 GiB |
| Descarga | unos 2,5 GB | unos 1,6 GB |
Fuera de los idiomas fuertes de cada modelo, la diferencia de precisión es pequeña.
Whisper Large V3 frente a Qwen3-ASR: la comparación en detalle
Los 30 idiomas, ordenados desde la mayor ventaja de Qwen hasta su mayor desventaja. En las dos columnas, menos es mejor.
Nuestra propia ejecución de FLEURS, un MacBook Air M5, habla leída. CER para chino, cantonés, japonés, coreano y tailandés, WER para el resto; el verde marca una ventaja más amplia que las barras de error pareadas del 95 %.
| Idioma | Qwen3-ASR 1.7B | Whisper Large V3 Turbo |
|---|---|---|
| Cantonés | 6,00 | 37,97 |
| Hindi | 13,67 | 30,42 |
| Tailandés | 5,92 | 12,95 |
| Vietnamita | 5,07 | 9,79 |
| Persa | 26,98 | 30,03 |
| Árabe | 14,14 | 15,75 |
| Indonesio | 4,97 | 6,50 |
| Francés | 3,98 | 5,39 |
| Chino | 5,69 | 6,88 |
| Inglés | 5,07 | 5,92 |
| Alemán | 3,51 | 4,10 |
| Japonés | 5,39 | 5,71 |
| Coreano | 3,51 | 3,70 |
| Español | 3,60 | 3,76 |
| Italiano | 2,98 | 3,05 |
| Ruso | 5,98 | 5,51 |
| Portugués | 5,64 | 4,91 |
| Macedonio | 17,81 | 16,64 |
| Malayo | 11,60 | 10,18 |
| Neerlandés | 7,65 | 5,63 |
| Turco | 8,34 | 5,53 |
| Danés | 20,12 | 14,92 |
| Polaco | 12,78 | 5,32 |
| Rumano | 18,97 | 8,22 |
| Filipino | 20,44 | 9,37 |
| Sueco | 20,04 | 8,72 |
| Checo | 23,92 | 11,15 |
| Griego | 30,20 | 12,97 |
| Finés | 26,08 | 6,54 |
| Húngaro | 36,35 | 13,66 |
Nuestra propia ejecución pareada sobre la partición de prueba de FLEURS, revisión 70bb2e84, unas 75 frases por idioma, un MacBook Air M5.
Los cinco idiomas que Qwen3-ASR 1.7B gana con claridad. Tasa de error en porcentaje, Qwen frente a Turbo: cantonés (6,0 frente a 38,0), hindi (13,7 frente a 30,4), tailandés (5,9 frente a 13,0), vietnamita (5,1 frente a 9,8), francés (4,0 frente a 5,4). El cantonés y el tailandés se puntúan por carácter, el resto por palabra. Su ventaja está en los idiomas puntuados por carácter: en chino, cantonés, japonés, coreano y tailandés promedió un 5,3 % frente al 13,4 % de Turbo. En los otros veinticinco, puntuados por palabra, promedió un 14,0 % frente al 10,2 %.
Los once idiomas que Whisper Large V3 Turbo gana con claridad. Tasa de error en porcentaje, Qwen frente a Turbo, todo puntuado por palabra: húngaro (36,4 frente a 13,7), griego (30,2 frente a 13,0), finés (26,1 frente a 6,5), checo (23,9 frente a 11,2), filipino (20,4 frente a 9,4), danés (20,1 frente a 14,9), sueco (20,0 frente a 8,7), rumano (19,0 frente a 8,2), polaco (12,8 frente a 5,3), turco (8,3 frente a 5,5), neerlandés (7,7 frente a 5,6).
Los catorce que quedan cerca o empatados. Inglés (5,1 frente a 5,9), alemán (3,5 frente a 4,1), español (3,6 frente a 3,8), italiano (3,0 frente a 3,1), ruso (6,0 frente a 5,5), portugués (5,6 frente a 4,9); el chino (5,7 frente a 6,9), el japonés (5,4 frente a 5,7) y el coreano (3,5 frente a 3,7) se puntúan por carácter. Después vienen el árabe, el indonesio, el persa, el malayo y el macedonio. Aquí cada diferencia es pequeña y cabe dentro de la banda del 95 %, así que esta ejecución no permite separar a los dos modelos.
El cantonés es la única fila que cambia una decisión: 6,00 % frente a 37,97 %. Y SenseVoice Small, que habíamos publicado como la respuesta para el cantonés, obtuvo un 36,71 % de CER con los mismos clips. En este conjunto de habla leída ninguno de los dos pasa el listón, así que la recomendación anterior queda a partir de ahora con esa salvedad.
¿Cómo de rápido es Qwen3-ASR 1.7B?
Los cinco motores, medidos en el mismo banco de pruebas y en una sola máquina (MacBook Air M5), así que al menos son comparables entre sí.
Factor de tiempo real mediano en los idiomas de cada motor, dentro de la misma ejecución de FLEURS, un MacBook Air M5, habla leída.
| Motor | Idiomas | Velocidad mediana en esta ejecución (clips cortos) |
|---|---|---|
| SenseVoice Small | 6 a elegir | 161,0× |
| Parakeet TDT 0.6B v3 | 25 | 82,9× |
| Qwen3-ASR 1.7B | 30 con nombre | 8,7× |
| Whisper Small | 101 | 6,4× |
| Whisper Large V3 Turbo | 101 | 2,4× |
Son cifras de un banco de pruebas con clips cortos, y quedan por debajo de lo que esos mismos motores hacen con una grabación larga. Usa esta columna para comparar los motores entre sí dentro de esta única ejecución, y para nada más.
Parakeet V3 y SenseVoice Small son un orden de magnitud más rápidos que Qwen3-ASR en el mismo banco de pruebas. Con archivos largos en lugar de clips cortos, Parakeet ha llegado a 103× el tiempo real en un M4 Pro y SenseVoice a 52× o más — otra medición, sobre otro audio, que apunta en la misma dirección.
Qwen3-ASR se queda en medio. No fue el motor más lento de esta ejecución con clips cortos — ese fue Whisper Large V3 Turbo — pero varía más según el idioma que los demás, desde 2,7× en griego hasta 12,4× en japonés.
¿Cuánta memoria y cuánto disco cuesta Qwen3-ASR?
La memoria máxima es la mayor huella de proceso observada en los elementos de la misma ejecución de FLEURS, un MacBook Air M5, habla leída, clips cortos.
| Motor | Descarga | Memoria máxima en esta ejecución |
|---|---|---|
| Parakeet TDT 0.6B v3 | 465 MB | 0,09 GiB |
| Whisper Small | 600 MB | 0,87 GiB |
| SenseVoice Small | 827 MB | 0,95 GiB |
| Whisper Large V3 Turbo | unos 1,6 GB | 1,87 GiB |
| Qwen3-ASR 1.7B | unos 2,5 GB | 2,43 GiB |
Qwen3-ASR es el más pesado de los cinco en los dos ejes: unos 2,5 GB de descarga y 2,43 GiB de memoria de proceso como máximo en esta ejecución, frente a unos 1,6 GB y 1,87 GiB de Whisper Large V3 Turbo.
En una máquina de 8 GB hay un camino más ligero. Parakeet V3 cubre 25 idiomas en 465 MB y 0,09 GiB, y Whisper Small cubre 101 en 600 MB y 0,87 GiB.
Cómo lo medimos: FLEURS, 30 idiomas, un Mac
Qwen3-ASR 1.7B se ejecutó como compilación MLX de 8 bits, y Whisper Large V3 Turbo como compilación ggml de whisper.cpp sobre Metal. Los datos son la partición de prueba de Google FLEURS en la revisión 70bb2e84 (CC-BY-4.0): 83 de sus 102 idiomas, unas 75 frases y 15 minutos cada uno, los mismos clips y en el mismo orden para todos los modelos; la comparación pareada son los 30 idiomas de Qwen. WER para los idiomas que separan palabras con espacios, CER para chino, cantonés, japonés, coreano y tailandés, sin fundirlos nunca en una sola cifra; las barras de error salen de un bootstrap de 10.000 remuestreos a nivel de ítem. Un MacBook Air M5, 32 GB, macOS 26.5, sin salidas vacías ni fallos en ninguno de los dos modelos.
FLEURS es habla leída, no una reunión ni un dictado. Los rankings de habla leída no han sobrevivido al audio real dos veces en nuestras propias pruebas, así que no los extrapolamos a grabaciones largas: estas tablas dicen si un modelo es plausible para tu idioma, no qué precisión vas a obtener. La evaluación de Qwen3-ASR 1.7B con reuniones reales será un artículo aparte.
¿Deberías usar Qwen3-ASR en lugar de Whisper Large V3?
Idioma por idioma, así responderíamos a esa pregunta dentro de Whisper Notes para Mac.
- Si transcribes cantonés, hindi, tailandés, vietnamita o francés: elige Qwen3-ASR 1.7B.
- Si transcribes chino, japonés, coreano, inglés, alemán, español o italiano: ganó por un pelo, y no vamos a afirmar más que eso. Cualquiera de los dos modelos vale, igual que para el persa, el árabe, el indonesio, el ruso, el portugués, el macedonio y el malayo.
- Si transcribes finés, húngaro, griego, checo, sueco, danés, polaco, rumano, filipino, turco o neerlandés: quédate con Whisper Large V3 Turbo. Ganó los once con claridad.
- Si lo que te importa es la velocidad o el espacio en disco: este motor no es el tuyo. Parakeet V3 y SenseVoice Small fueron un orden de magnitud más rápidos, con una fracción de la descarga, y Whisper Small cubre 101 idiomas en 600 MB a 6,4×.
- Si estás en iPhone o en la versión del Mac App Store: ahí el motor todavía no está. SenseVoice es la opción para cantonés en esos canales.
Esta es la adaptación en el dispositivo del Qwen3-ASR abierto de Alibaba que trae Whisper Notes para Mac: los pesos abiertos convertidos a Apple MLX en 8 bits, ejecutándose en la GPU de tu propio Mac, sin que ningún audio llegue a los servidores de Alibaba. No es el mismo modelo que el 0.6B al que SenseVoice sustituyó en la versión 1.5.0 de descarga directa (DMG).
Cómo usarlo (descarga directa para Mac, DMG 1.6.0 y posteriores): Ajustes, luego Modelo de transcripción, luego Qwen3-ASR 1.7B. El modelo se descarga dentro de la app la primera vez que lo usas y ocupa unos 2,5 GB. Necesita macOS 15 o posterior en Apple silicon, con 16 GB de memoria recomendados; el resto de la app funciona en macOS 14. La lista de idiomas por motor está en nuestra página de idiomas compatibles. La CLI local y el servidor MCP aceptan "qwen", "qwen3" y "qwen3-asr".
Si prefieres no cambiar, no tienes que hacerlo: Parakeet V3 sigue siendo el predeterminado.
Preguntas frecuentes
¿Es Qwen3-ASR más preciso que Whisper Large V3 Turbo?
Depende del idioma, y el reparto está casi igualado. En nuestra propia ejecución de FLEURS dentro de Whisper Notes para Mac, en los 30 idiomas que cubren los dos modelos, Qwen3-ASR 1.7B fue por delante en 15 y Whisper Large V3 Turbo en 15. Qwen ganó con claridad en cantonés (6,00 % frente a 37,97 % de CER), hindi (13,67 % frente a 30,42 % de WER), tailandés, vietnamita y francés. Turbo ganó con claridad en finés (6,54 % frente a 26,08 % de WER), húngaro, griego, checo, sueco, danés, polaco, rumano, filipino, turco y neerlandés. Catorce de las treinta diferencias caben dentro de las barras de error y hay que leerlas como empates. Elige Qwen3-ASR si tu idioma está en su columna ganadora y usas la versión de Whisper Notes para Mac en descarga directa (DMG); elige Whisper Large V3 Turbo para todo lo demás, y para cualquier idioma fuera de los 30 de Qwen, porque Whisper llega a los 101 disponibles.
¿Puedo usar Qwen3-ASR en el iPhone o desde el Mac App Store?
Hoy está en la versión de descarga directa para Mac (DMG) de Whisper Notes, a partir de la 1.6.0. La versión del Mac App Store debería recibir los motores más nuevos en actualizaciones posteriores, y no tenemos fecha para eso. Mientras tanto, la app de iPhone y la versión del Mac App Store tienen tres familias de motores — Whisper, Parakeet V3 y SenseVoice — y allí Whisper cubre también todos los idiomas que Qwen reconoce. Contados como modelos, la versión del Mac App Store ofrece hoy cuatro y la de descarga directa cinco, porque Whisper viene como Small y como Large V3 Turbo. Si necesitas cantonés en el iPhone, SenseVoice es el motor que hay que usar allí.
¿Qwen3-ASR o SenseVoice para chino, japonés y coreano?
Los dos están cerca en precisión y muy lejos en velocidad. En nuestra ejecución de FLEURS, Qwen3-ASR obtuvo un 5,69 % de CER en chino, un 5,39 % en japonés y un 3,51 % en coreano; SenseVoice Small obtuvo un 7,06 %, un 6,85 % y un 7,82 % con los mismos clips. SenseVoice corrió a una mediana de 161× el tiempo real en esa ejecución frente al 8,7× de Qwen, descarga 827 MB frente a unos 2,5 GB, y está disponible en el iPhone y en las dos versiones para Mac. Elige SenseVoice salvo que transcribas cantonés: ahí Qwen3-ASR obtuvo un 6,00 % de CER frente al 36,71 % de SenseVoice, y la diferencia es lo bastante grande como para que valga la pena esperar.
¿Cuáles son los requisitos de Qwen3-ASR 1.7B?
Un Mac con Apple silicon y macOS 15 o posterior, con 16 GB de memoria recomendados, más unos 2,5 GB de disco para el modelo. Es más de lo que pide el resto de Whisper Notes para Mac, que funciona desde macOS 14. En nuestra ejecución de referencia el modelo llegó a un máximo de 2,43 GiB de memoria de proceso, el más alto de los cinco motores. En un Mac de 8 GB, Whisper Small cubre esa misma lista de 101 idiomas en 600 MB y Parakeet V3 cubre 25 idiomas europeos en 465 MB.
¿El audio sale de mi Mac cuando uso Qwen3-ASR?
No. Alibaba también ofrece Qwen3-ASR como servicio en la nube, a través de las API DashScope Real-time y FileTrans, donde el audio se sube a sus servidores. Whisper Notes no las usa. La app ejecuta los pesos abiertos en local, como modelo MLX de 8 bits en la GPU de tu Mac, sin cuenta y sin clave de API, y la transcripción funciona con la red apagada. Eso vale para todas las familias de motores de la app, en todos los canales.
¿Por qué estas cifras no coinciden con la precisión que obtengo en mis grabaciones?
Porque FLEURS es habla leída, corta y limpia, y tus grabaciones no lo son. Nuestra ejecución es una calibración sobre un conjunto de datos público: unas 75 frases por idioma, un MacBook Air M5, los mismos clips para todos los modelos. Sirve para preguntarse si un modelo es plausible para un idioma. No predice tu precisión en una reunión, con audio ruidoso, con acento o en un archivo de dos horas.
Pruébalo
Qwen3-ASR 1.7B está en Whisper Notes para Mac 1.6.0 y posteriores, solo en descarga directa (DMG). Ajustes, luego Modelo de transcripción. La prueba gratuita cubre 10.000 palabras, suficiente para pasar tu propio idioma por él y llevarle la contraria a las tablas de arriba.
Si encuentras un idioma en el que nuestras cifras no coincidan con tu experiencia, escribe a mac@whispernotes.app. Notas de versión completas: whispernotes.app/changelog.
Las fuentes de todo lo anterior: nuestra ejecución de FLEURS sobre la partición de prueba de Google FLEURS en la revisión 70bb2e84, la ficha del modelo Qwen3-ASR 1.7B y la tabla de idiomas por motor de nuestra página de idiomas compatibles, que se genera a partir del código fuente de la app.
Descargar para macOS