Apple toi macOS 26:een ja iOS 26:een uuden sukupolven laitteella toimivan puheentunnistuksen: SpeechAnalyzerin ja SpeechTranscriberin, jäljempänä lyhyesti Apple Speech. Se on selvästi tarkempi kuin vanha sanelumoottori. Halusimme tietää, miten se käytännössä vertautuu niihin laitteella toimiviin avoimiin malleihin, joita ihmiset lataavat itse: Whisperiin, Parakeetiin, Qwen3-ASR:ään ja SenseVoiceen. Onko Applen sisäänrakennettu puheentunnistus nyt niin hyvä, ettei erillistä litterointisovellusta enää tarvita?
Kuinka paljon parempi se on kuin vanha sanelu?
Tähän asti Macin puheentunnistus on ollut SFSpeechRecognizerin aikainen moottori, sama, jota järjestelmän sanelu käyttää yhä (DictationTranscriber). macOS 26 ja iOS 26 tuovat sen rinnalle SpeechAnalyzer-rajapinnan ja sen SpeechTranscriber-moduulin. Ajoimme molemmat samalla Macilla FLEURS-testiaineistolla: noin 150 lausetta ja 30 minuuttia ääntä kieltä kohden.
| Kieli | Applen sanelu | Apple Speech |
|---|---|---|
| Korea | 7,11 | 4,31 |
| Italia | 6,93 | 4,39 |
| Espanja (Latinalainen Amerikka) | 8,43 | 5,41 |
| Saksa | 12,69 | 6,26 |
| Japani | 9,37 | 6,36 |
| Ranska | 17,10 | 7,61 |
| Kiina | 10,28 | 7,97 |
| Kantoninkiina | 10,18 | 8,69 |
| Englanti | 13,83 | 8,80 |
| Portugali (Brasilia) | 10,85 | 9,35 |
Kaikki kielet, joista molemmat Applen moottorit antoivat kelvollisen tuloksen, Apple Speechin virheprosentin mukaan järjestettynä. Vihreä merkitsee rivin parempaa arvoa. Sama ajo, samat äänileikkeet, sama Mac. Japanissa, koreassa, kiinassa ja kantoninkiinassa CER, muissa WER.
Apple Speech on tarkempi kaikissa kymmenessä kielessä, joista molemmat moottorit antoivat kelvollisen tuloksen. Ranskassa ja saksassa virheistä häviää yli puolet, mediaanikielessä noin kolmannes, Brasilian portugalissa ja kantoninkiinassa noin joka seitsemäs.
Sanelu kattaa silti useampia kieliä. Tässä ajossa Apple Speech antoi tuloksen 21:ssä kielivariantissa 83:sta, sanelu 33:ssa. Mukana ovat ne kolme, jotka uudelta moottorilta tässä puuttuvat: hollanti, puola ja venäjä, tuloksin 17,34, 13,50 ja 13,13. Kiinteää kieliluetteloa ei myöskään voi antaa. Kieliresurssit kuuluvat macOS:lle, joten sovellus kysyy ajon aikana, mitä kyseisessä koneessa on.
Tarvitseeko ladattavia malleja siis enää?
Kuusi moottoria, samat äänileikkeet, yksi Mac. Alla olevat kymmenen kieltä kuuluvat käytetyimpiin, ja niiden järjestys on kiinteä eikä riipu tuloksista.
| Kieli | Apple Speech | Qwen3-ASR | Whisper Large | Whisper Small | Parakeet | SenseVoice |
|---|---|---|---|---|---|---|
| Englanti | 8,80 | 4,49 | 5,49 | 7,04 | 5,89 | 8,46 |
| Saksa | 6,26 | 2,85 | 4,05 | 8,67 | 5,19 | — |
| Hollanti | — | 7,36 | 5,69 | 16,75 | 7,89 | — |
| Venäjä | — | 5,65 | 5,13 | 11,37 | 6,17 | — |
| Puola | — | 12,59 | 5,45 | 15,81 | 6,59 | — |
| Japani | 6,36 | 5,74 | 5,30 | 11,37 | — | 6,78 |
| Korea | 4,31 | 3,54 | 4,25 | 7,30 | — | 7,85 |
| Ranska | 7,61 | 4,57 | 5,97 | 13,24 | 5,19 | — |
| Kiina | 7,97 | 6,49 | 7,97 | 20,50 | — | 7,69 |
| Espanja (Latinalainen Amerikka) | 5,41 | 3,38 | 3,62 | 6,22 | 3,95 | — |
Kymmenen käytetyimpiin kuuluvaa kieltä, yksi moottori kussakin sarakkeessa. Solussa on moottorin virheprosentti, ja pienempi on parempi. Vihreä merkitsee rivin pienintä, valkoinen toiseksi pienintä. Japanissa, koreassa ja kiinassa CER, muissa WER, eikä niitä yhdistetä yhdeksi luvuksi. Whisper Notes -tiimin oma FLEURS-ajo yhdellä M5 MacBook Airilla, luettua puhetta.
Lyhyet nimet: Qwen3-ASR = Qwen3-ASR 1.7B, Whisper Large = Whisper Large V3 Turbo, Parakeet = Parakeet Ultra eli sisäänrakennettu Parakeet-malli, SenseVoice = SenseVoice Small. Viiva tarkoittaa, ettei moottorilla ole mallia kyseiselle kielelle. Parakeet-sarake mitattiin myöhemmin samoilla leikkeillä, ja kieli oli valittuna kuten kaikilla muillakin moottoreilla. Artikkelissa Parakeet Ultra vs. Parakeet V3 se on mitattu niin kuin sovellus sitä käyttää, automaattisella kielentunnistuksella.
Qwen3-ASR 1.7B:llä on pienin virheprosentti kuudessa kielessä kymmenestä, Whisper Large V3 Turbolla lopuissa neljässä, Apple Speechillä ei yhdessäkään. Lähimmäksi Apple Speech pääsee koreassa, 0,77 pistettä rivin parhaasta jäljessä, sitten japanissa (1,06) ja kiinassa (1,48). Kiinassa se on tasoissa Whisper Large V3 Turbon kanssa lukemalla 7,97. Kauimpana se on englannissa, 8,80 (Apple Speech) vastaan 4,49 (Qwen3-ASR 1.7B), ja hollannista, puolasta ja venäjästä Apple Speechiltä ei ole tulosta lainkaan.
Whisper Smalliin verrattuna Apple Speech oli tarkempi kahdeksassa niistä kymmenestä kielestä, joista molemmat antoivat kelvollisen tuloksen. Se hävisi englannissa 8,80 (Apple Speech) vastaan 7,04 (Whisper Small) ja Brasilian portugalissa 9,35 vastaan 8,61.
Heinäkuussa julkaistu vertailutesti mittasi Apple Speechin englantia Whisper Smallia vastaan ja totesi Applen paremmaksi. Tulokseen vaikuttaa, mikä Whisper-malli on vertailussa mukana, ja myös se, millä äänellä testataan. Siinä testissä käytettiin LibriSpeechiä, eli äänikirjojen lukijoita, jotka lukevat ääneen. Meidän aineistomme on FLEURS, jossa monet eri puhujat lukevat Wikipedian lauseita. Ajomme näyttää eron englannissa, mutta ei kerro, mistä se johtuu.
Whisper Large V3 Turboa vastaan järjestys kääntyy. Apple Speech jää jälkeen kahdeksassa näistä kymmenestä kielestä, on tasoissa kiinassa (7,97) ja on edellä vain kantoninkiinassa: 8,69 (Apple Speech) vastaan 36,75 (Whisper Large V3 Turbo), katso kantoninkiinan rivi alempana. OpenAI:n julkaisutiedote mainitsee kantoninkiinan niiden kielten joukossa, joissa Turbo heikkenee eniten, joten 36,75 on Whisperin tunnettu heikkous eikä ajomme erikoisuus.
Koreassa Apple Speech tekee virheen noin joka 23. merkissä. Tämän ajon tarkin malli, Qwen3-ASR 1.7B, tekee virheen noin joka 28. merkissä: 4,31 (Apple Speech) vastaan 3,54 (Qwen3-ASR 1.7B).
Parakeet Ultra on tarkempi jokaisessa eurooppalaisessa kielessä, jota molemmat tukevat: englannissa 5,89 (Parakeet Ultra) vastaan 8,80 (Apple Speech), saksassa 5,19 vastaan 6,26, ranskassa 5,19 vastaan 7,61, espanjassa 3,95 vastaan 5,41, italiassa 2,62 vastaan 4,39 ja Brasilian portugalissa 5,81 vastaan 9,35. Japania, koreaa, kiinaa ja kantoninkiinaa Parakeet ei tue, joten niissä Apple Speech on kahdesta ainoa vaihtoehto.
Qwen3-ASR 1.7B johtaa kuutta riviä, ja niihin kuuluvat englanti, saksa, ranska ja espanja.
SenseVoice Small on tämän vertailun nopein moottori, 162,3 kertaa reaaliaikaa nopeampi, ja kiinassa ja englannissa se on tasoissa Apple Speechin kanssa: 7,69 (SenseVoice Small) vastaan 7,97 (Apple Speech) sekä 8,46 vastaan 8,80. Koreassa se jää kauas jälkeen, 7,85 (SenseVoice Small) vastaan 4,31 (Apple Speech).
Koko ja nopeus
| Moottori | Nopeus | Muistin huippukäyttö | Latauskoko |
|---|---|---|---|
| SenseVoice Small | 162,3× reaaliaikainen | 0,95 GiB | noin 450 MB |
| Parakeet V3 | 75,6× reaaliaikainen | 0,09 GiB | 465 MB |
| Apple Speech | 30,8× reaaliaikainen | ei ilmoiteta | <5 MB |
| Qwen3-ASR 1.7B | 11,1× reaaliaikainen | 2,43 GiB | noin 2,5 GB |
| Whisper Small | 7,9× reaaliaikainen | 0,87 GiB | 600 MB |
| Whisper Large V3 Turbo | 3,0× reaaliaikainen | 1,87 GiB | noin 2 GB |
Nopeus on kunkin moottorin mediaani niistä kolmestatoista kielestä, joista tässä artikkelissa on kelvollinen tulos, ja mukana ovat vain kielet, jotka moottori ajoi. Luku kuvaa yksittäisten näytteiden käsittelynopeutta. Se on diagnostinen mittari eikä sovelluksen viive. Muistin huippukäyttö on prosessiryhmän huippu tässä ajossa. Apple Speech tekee tunnistuksen macOS-palvelussa, joka ei kuulu kutsuvalle sovellukselle, joten mikään luku ei tarkoittaisi siinä samaa kuin viidellä muulla. Mediaanit perustuvat lyhyisiin FLEURS-leikkeisiin. Sovelluksen SenseVoice-mallikortissa näkyy 115–131×, joka on peräisin erillisestä arkikäytön testistä.
Apple Speech toimi 30,8 kertaa reaaliaikaa nopeammin, eli hitaammin kuin Parakeet V3 (75,6×; Parakeet Ultra on yhtä nopea) ja SenseVoice Small (162,3×). Sen kielipaketin lataa macOS kerran, ja kaikki sovellukset käyttävät samaa pakettia, joten sovelluksen omassa prosessissa sille ei varata mitään. Tunnistuksen tekevä palvelu käyttää silti muistia, emmekä pysty kohdistamaan sitä tarkasti. Siksi emme ilmoita lukua lainkaan emmekä merkitse nollaa.
Whisper Large V3 Turbo on tämän vertailun hitain moottori, 3,0 kertaa reaaliaikaa nopeampi, ja sillä on pienin virheprosentti neljällä rivillä kymmenestä. Levytilaa se vie noin 2 GB. Qwen3-ASR 1.7B johtaa loppuja kuutta riviä, ja se vie levytilaa noin 2,5 GB ja muistia enimmillään 2,43 GiB. Sisäänrakennetulle moottorille reilu vertailukohta on 600 MB:n Whisper Small.
Mihin kieliin Apple Speech sopii?
Kieli kerrallaan:
- Englanti: ei hyvä valinta. Apple Speechin tulos oli 8,80; Qwen3-ASR 1.7B (4,49) tai Whisper Large V3 Turbo (5,49) on selvästi tarkempi.
- Saksa: ei hyvä valinta. Apple Speechin tulos oli 6,26; Qwen3-ASR 1.7B (2,85) tai Whisper Large V3 Turbo (4,05) on selvästi tarkempi.
- Hollanti, venäjä ja puola: Apple Speechillä ei ole näille kolmelle mallia. Whisper Large V3 Turbo oli tarkin kaikissa kolmessa, tuloksin 5,69, 5,13 ja 5,45.
- Japani: käyttökelpoinen. Apple Speechin tulos oli 6,36, ja Whisper Large V3 Turbo oli edellä lukemalla 5,30.
- Korea: käyttökelpoinen. Apple Speechin tulos oli 4,31, ja Qwen3-ASR 1.7B oli edellä lukemalla 3,54.
- Ranska: ei hyvä valinta. Apple Speechin tulos oli 7,61; Qwen3-ASR 1.7B (4,57) tai Parakeet Ultra (5,19) on selvästi tarkempi.
- Kiina: käyttökelpoinen. Apple Speechin tulos oli 7,97, sama kuin Whisper Large V3 Turbolla; tarkin oli Qwen3-ASR 1.7B lukemalla 6,49.
- Espanja: ei hyvä valinta. Apple Speechin tulos oli 5,41; Qwen3-ASR 1.7B (3,38) tai Whisper Large V3 Turbo (3,62) on selvästi tarkempi.
Tarkkuudessa ladattavat mallit voittavat yhä: päätaulukon jokaista riviä johtaa Qwen3-ASR 1.7B tai Whisper Large V3 Turbo. Koreassa, japanissa ja kiinassa Apple Speech on varteenotettava vaihtoehto, eurooppalaisissa kielissä kannattaa valita Parakeet Ultra. Kaikkien mallien virheprosentit 42 kielessä, Apple Speech mukaan lukien, löytyvät vertailustamme, jossa ovat mukana kaikki Whisper Notesin mallit.
Whisper Notesin Mac-sovelluksessa sisäänrakennettu Parakeet-malli on yhä oletus. Se on nyt Moondreamin Parakeet Ultra, eli Parakeet-sarakkeen malli, joka on jatkokoulutettu NVIDIAn Parakeet V3:n pohjalta. macOS 26:ssa tai uudemmassa Apple Speech on valinnainen malli molemmissa Mac-versioissa, sekä Mac App Store -versiossa että verkkosivuiltamme ladattavassa Mac-sovelluksessa, ja sovellus tarjoaa kielen vain, jos macOS ilmoittaa Macisi tukevan sitä. Myös iPhonessa, jossa on iOS 26, Apple Speechin voi valita.
Apple Speech on tämän artikkelin lyhenne Applen SpeechTranscriberille, laitteella toimivalle rajapinnalle, jota sovellukset voivat käyttää macOS 26:ssa tai uudemmassa ja iOS 26:ssa. Se on järjestelmän moottori eikä ladattava malli: Whisper Notes Macille voi käyttää sitä molemmissa Mac-versioissa, ja iPhone-sovellus voi käyttää sitä iOS 26:ssa. Kielipaketin toimittaa käyttöjärjestelmä. Sovelluksen itse lataamat mallit ovat Macilla Whisper, Parakeet, SenseVoice ja Qwen3-ASR ja iPhonessa Whisper, Parakeet ja SenseVoice. Moottorikohtainen taulukko löytyy luettelostamme kielistä, joita Whisper, Parakeet ja SenseVoice tukevat.
Kymmenen kielen lisäksi
| Kieli | Apple Speech | Qwen3-ASR | Whisper Large | Whisper Small | Parakeet | SenseVoice |
|---|---|---|---|---|---|---|
| Italia | 4,39 | 2,58 | 2,58 | 7,64 | 2,62 | — |
| Kantoninkiina | 8,69 | 6,44 | 36,75 | 119,01 | — | 37,23 |
| Portugali (Brasilia) | 9,35 | 5,17 | 5,44 | 8,61 | 5,81 | — |
| Hindi | 101,50 | 13,19 | 29,64 | 61,26 | — | — |
Neljä muuta kieltä samasta ajosta. Samat sarakkeet, värit ja lyhyet nimet kuin yllä; kantoninkiinassa CER, muissa WER.
Apple Speechin hindin tulosta ei ole otettu mukaan rivin järjestykseen, ja syy kerrotaan alla. Virheprosentti voi ylittää 100 %, koska myös ylimääräiset lisätyt sanat lasketaan mukaan osoittajaan.
Italiassa Apple Speech (4,39) jää Qwen3-ASR 1.7B:n ja Whisper Large V3 Turbon jaetun tuloksen 2,58 taakse. Kantoninkiina on ainoa kieli, jossa Apple Speech päätyi Whisper Large V3 Turbon edelle, 8,69 (Apple Speech) vastaan 36,75 (Whisper Large V3 Turbo), ja ensimmäisenä oli Qwen3-ASR 1.7B lukemalla 6,44. Brasilian portugalissa Apple Speechin tulos on 9,35, ja se on toinen niistä kahdesta rivistä, joilla Whisper Small (8,61) on edellä.
Hindin tulos on eri asia. Apple Speech kirjoitti hindin latinalaisin kirjaimin eikä hindin omalla kirjoitusjärjestelmällä, joten lähes jokainen sana lasketaan vääräksi ja virheprosentti ylittää 100 %. Telugu, urdu, pandžabi, bengali, nepali, malajalam, marathi, kannada, gudžarati ja tamili antoivat samanlaisen tuloksen, kaikki yli 100 %, joten ne on jätetty taulukosta pois.
Miten SpeechAnalyzer toimii?
SpeechAnalyzer korvaa puheentunnistusrajapinnan, joka Applella on ollut iOS 10:stä lähtien, kaikilla Applen alustoilla watchOS:ää lukuun ottamatta. Sovellus luo SpeechAnalyzerin, antaa sille moduulit ja syöttää sille ääntä asynkronisena sekvenssinä, jonka sovellus täyttää itse. SpeechTranscriber on moduuli, joka muuttaa puheen tekstiksi. Tulokset palaavat toisena sekvenssinä, yleensä toisessa tehtävässä, ja jokaisella puskurilla ja tuloksella on aikakoodi äänen omalla aikajanalla.
Yksi istunto, kolme tehtävää: ääni menee sisään AsyncSequencena, SpeechAnalyzer ja SpeechTranscriber analysoivat sen, ja tulokset palaavat toisena AsyncSequencena käyttöliittymän luettaviksi. Lähde: Apple, WWDC25-istunto 277.
Tulokset saapuvat kahdesti. Kaikki, mikä on Applen termein epävakaalla alueella (volatile range), voi vielä korvautua paremmalla tuloksella. Kaikki sen ulkopuolella on lopullista. Näin sovellus voi näyttää alustavan litteroinnin jo puhuessasi ja korjata sen jälkikäteen. Apple nimeää SpeechTranscriber-mallille viisi suunnittelutavoitetta: pitkät äänitteet, keskustelupuhe, kaukana olevat puhujat, pieni viive ja yksityisyys, eli malli toimii laitteella. Muistiinpanot, Sanelin, Päiväkirja ja puheluiden yhteenvedot perustuvat siihen.
Applen ilmoittamat viisi suunnittelutavoitetta SpeechTranscriber-mallille. Lähde: Apple, WWDC25-istunto 277.
Mallit eivät kuulu mihinkään sovellukseen. Ne ladataan Applen palvelimilta AssetInventoryn kautta, järjestelmä tallentaa ja päivittää ne, ja sovellukset käyttävät niitä yhteisesti. Ne eivät kasvata sovelluksen latauskokoa, ja tunnistus tapahtuu kutsuvan prosessin ulkopuolella. Jos SpeechTranscriberillä ei ole mallia jollekin kielelle tai laitteelle, DictationTranscriber hoitaa tunnistuksen samoilla malleilla kuin järjestelmän sanelu.
Menetelmä ja rajoitukset
Taulukoiden kuudesta moottorista viisi on Whisper Notesin omia malleja. Jokainen moottori litteroi samat leikkeet samassa järjestyksessä yksi kerrallaan M5 MacBook Airilla (32 GB, macOS 27.0). Ääni on Google FLEURS -testiaineisto revisiossa 70bb2e84, noin 150 lausetta ja 30 minuuttia kieltä kohden. Näytteiden järjestys määräytyy aineiston omien tunnisteiden kiinteästä tiivisteestä, ja otamme lyhyimmän kokonaisista näytteistä koostuvan jakson, joka ylittää kolmekymmentä minuuttia. Mallien tuloksilla ei ollut mitään osuutta valintaan. Jokainen solu laskettiin uudelleen omasta ajolokistaan ja tarkistettiin vielä kerran, ja kaikki 285 läpäisivät tarkistuksen. Kielissä, joissa sanat erotetaan välilyönneillä, tulos on sanavirheprosentti (WER), ja japanissa, koreassa, kiinassa ja kantoninkiinassa merkkivirheprosentti (CER). Niitä ei yhdistetä yhdeksi luvuksi.
Whisper-sarakkeet voi tarkistaa OpenAI:n omia lukuja vasten. Niissä kahdessatoista kielessä, joille OpenAI julkaisee Whisper Large V3 Turbon FLEURS-tuloksen, lukumme poikkeavat heidän luvuistaan keskimäärin 0,7 pistettä, ja kymmenen kahdestatoista osuu ajomme 95 %:n luottamusvälin sisään. Niissä yhdessätoista kielessä, jotka eivät kuulu intialaisten kielten riveihin, Whisper Small -lukumme poikkeavat keskimäärin 1,0 pistettä Whisper-tutkimusartikkelin kielikohtaisesta taulukosta. Apple Speechin sarake syntyi samoista leikkeistä, samalla pisteytyksellä ja samalla normalisoinnilla.
FLEURS on puhdasta luettua puhetta. Tulokset eivät kerro, miten nämä moottorit toimivat meluisassa huoneessa tai kahden tunnin kokouksessa, emmekä mitanneet, miten niiden järjestys sellaisissa oloissa muuttuu. Kaikki ajettiin yhdellä koneella. Kun lauseita on noin 150 kieltä kohden, kaksi moottoria, joiden ero on alle noin yhden pisteen, ovat tasoissa. Taulukot merkitsevät täsmälleen samat tulokset tasatuloksiksi, kuten italiassa, jossa Qwen3-ASR 1.7B ja Whisper Large V3 Turbo saivat molemmat 2,58.
Usein kysytyt kysymykset
Apple Speech vai Whisper Small: kumpi on tarkempi?
Apple Speech, kahdeksassa niistä kymmenestä kielestä, joista molemmat antoivat kelvollisen tuloksen. Se häviää englannissa 8,80 (Apple Speech) vastaan 7,04 (Whisper Small) ja Brasilian portugalissa 9,35 vastaan 8,61. Suurimmat erot sen eduksi ovat kiinassa 7,97 (Apple Speech) vastaan 20,50 (Whisper Small), ranskassa 7,61 vastaan 13,24, japanissa 6,36 vastaan 11,37 ja kantoninkiinassa 8,69 vastaan 119,01. Whisper Smallin latauskoko on 600 MB, ja se toimi 7,9 kertaa reaaliaikaa nopeammin, Apple Speech 30,8 kertaa.
Apple Speech vai Parakeet: kumpi on tarkempi?
Parakeet Ultra eli sisäänrakennettu Parakeet-malli, jokaisessa eurooppalaisessa kielessä, jota molemmat tukevat: englannissa 5,89 (Parakeet Ultra) vastaan 8,80 (Apple Speech), saksassa 5,19 vastaan 6,26, ranskassa 5,19 vastaan 7,61, espanjassa 3,95 vastaan 5,41, italiassa 2,62 vastaan 4,39 ja Brasilian portugalissa 5,81 vastaan 9,35. Parakeet ei tue japania, koreaa, kiinaa eikä kantoninkiinaa, joten niissä Apple Speech on kahdesta ainoa vaihtoehto. Tässä ajossa Parakeet V3 oli 75,6 kertaa ja Apple Speech 30,8 kertaa reaaliaikaa nopeampi. Parakeet Ultra on yhtä nopea kuin V3.
Apple Speech vai Whisper Large V3 Turbo: kumpi on tarkempi?
Whisper Large V3 Turbo, kahdeksassa niistä kymmenestä kielestä, joista molemmat antoivat kelvollisen tuloksen: englanti 5,49 (Whisper Large V3 Turbo) vastaan 8,80 (Apple Speech), saksa 4,05 vastaan 6,26, japani 5,30 vastaan 6,36, korea 4,25 vastaan 4,31, ranska 5,97 vastaan 7,61, espanja 3,62 vastaan 5,41, italia 2,58 vastaan 4,39 ja Brasilian portugali 5,44 vastaan 9,35. Kiinassa ne ovat tasoissa lukemalla 7,97. Apple Speech on edellä vain kantoninkiinassa, 8,69 (Apple Speech) vastaan 36,75 (Whisper Large V3 Turbo). Turbo tukee lisäksi hollantia, venäjää ja puolaa tuloksin 5,69, 5,13 ja 5,45. Sen koko on noin 2 GB, ja se on tämän vertailun hitain moottori, 3,0 kertaa reaaliaikaa nopeampi.
Mitä kieliä Apple Speech tukee?
Ajossamme Apple Speech antoi tuloksen 21:ssä kielivariantissa 83:sta: englanti, saksa, ranska, espanja, italia, portugali (Brasilia), japani, korea, kiina, kantoninkiina sekä yksitoista Etelä-Aasian kieltä (hindi, telugu, urdu, pandžabi, bengali, nepali, malajalam, marathi, kannada, gudžarati ja tamili), joissa se vastasi latinalaisin kirjaimin eikä kielen omalla kirjoitusjärjestelmällä. Hollantia, puolaa ja venäjää ei ole mukana. macOS päättää luettelon konekohtaisesti. Lähimpänä parhaita se on koreassa, japanissa ja kiinassa, 0,77, 1,06 ja 1,48 jäljessä, ja kauimpana englannissa, 8,80 (Apple Speech) vastaan 4,49 (Qwen3-ASR 1.7B). Vanhaan saneluun verrattuna se on tarkempi kaikissa kymmenessä kielessä, joista molemmat antoivat tuloksen. Whisper Notesin Whisper kattaa sovelluksen koko kieliluettelon kaikissa versioissa.
Mikä on SpeechAnalyzer, ja onko se sama kuin Applen sanelu?
SpeechAnalyzer on rajapinta, jonka Apple esitteli WWDC 2025 -tapahtumassa ja julkaisi macOS 26:ssa ja iOS 26:ssa. SpeechTranscriber on sen sisällä oleva litterointimoottori, tämän artikkelin Apple Speech. Sanelu on vanhempi yhteensopivuusmoottori. Ajoimme molemmat, ja Apple Speech oli tarkempi kaikissa kymmenessä kielessä, joista molemmat antoivat kelvollisen tuloksen. Sanelu tukee useampia kieliä, 33 kielivarianttia 21:tä vastaan, mukaan lukien hollanti, puola ja venäjä, joissa sen WER oli 17,34 %, 13,50 % ja 13,13 % (sanelu) vastaan 5,69 %, 5,45 % ja 5,13 % (Whisper Large V3 Turbo).
Lähteekö ääni Macilta, kun käytän Apple Speechiä?
Apple kuvaa SpeechTranscriberin laitteella toimivaksi puheentunnistukseksi: macOS lataa kieliresurssit kerran, ja tunnistus tapahtuu paikallisesti. Mittasimme tarkkuutta ja nopeutta emmekä verkkoliikennettä, joten kuvaamme tämän osan niin kuin Apple sen kuvaa. Moottorit, jotka Whisper Notes lataa itse (Whisper, Parakeet, SenseVoice ja Qwen3-ASR), toimivat oman Macisi GPU:lla tai Neural Enginellä ilman tiliä ja ilman API-avainta, ja litterointi toimii verkkoyhteys katkaistuna kaikissa versioissa. Apple Speech on käytettävissä molemmissa Mac-versioissa macOS 26:ssa tai uudemmassa ja iPhone-sovelluksessa iOS 26:ssa. Se on järjestelmän oma moottori, ja sen kielipaketin lataa käyttöjärjestelmä.
Miksi nämä luvut eivät vastaa tarkkuutta, jonka saan omista äänitteistäni?
Koska FLEURS on lyhyttä, puhdasta luettua puhetta, eivätkä omat äänitteesi ole sitä. Ajomme on kalibrointi julkisella aineistolla: noin 150 lausetta ja 30 minuuttia kieltä kohden, yksi M5 MacBook Air ja samat leikkeet jokaiselle moottorille. Se kertoo, onko moottori uskottava vaihtoehto kielellesi, mutta ei sitä, millaisen tuloksen saat kokouksesta, meluisasta äänestä tai kahden tunnin tiedostosta.
Kokeile itse
Kaikki viisi mallia (Whisper Small, Whisper Large V3 Turbo, SenseVoice Small, Qwen3-ASR 1.7B ja Parakeet Ultra, joka näkyy nimellä ”Parakeet”) löytyvät Whisper Notesin molemmista Mac-versioista, sekä Mac App Store -versiosta että verkkosivuiltamme ladattavasta Mac-sovelluksesta, kohdasta Asetukset → Litterointimalli. macOS 26:ssa tai uudemmassa Apple Speech näkyy samassa luettelossa, ja iOS 26:ta käyttävässä iPhonessa se löytyy myös iPhone-sovelluksen malliluettelosta. Jos sovellus on jo asennettuna, päivitä se uusimpaan versioon.
Jos lukumme eivät vastaa kokemustasi jollakin kielellä, lähetä sähköpostia osoitteeseen mac@whispernotes.app. Kaikki julkaisutiedot: whispernotes.app/changelog.
Lähteet: oma ajomme Google FLEURS -testiaineistolla revisiossa 70bb2e84, Applen SpeechAnalyzer-dokumentaatio ja sitä edeltänyt Qwen3-ASR-ajo kolmellakymmenellä kielellä.
Lataa macOS:lle