Äänite ei koskaan lähde laitteelta
Useimmat ”Whisper”-sovellukset lähettävät äänen palvelimelle ja ajavat mallin siellä. Whisper Notes ajaa sen iPhonessa tai Macissa. Sovellus on näin vaikeampi rakentaa, mutta paljon helpompi selittää.
Miksi malli ajetaan laitteella?
Jokainen litterointisovellus tekee yhden päätöksen ennen muita: missä ääni käsitellään. Palvelimelle lähettäminen on helpompi toteuttaa, ja silloin käytössä ovat suurimmat mallit, jotka ovat yhä hieman tarkempia. Mallin ajaminen puhelimessa tai kannettavassa on vaikeampi toteuttaa hyvin, mutta silloin äänitteellä ei ole minne mennä.
Valitsimme jälkimmäisen, ja syy on tarkempi kuin yksityisyysiskulause. Äänite on biometristä tietoa, eikä sitä voi vaihtaa vuodon jälkeen kuten salasanaa. Kun ääni on jonkun toisen palvelimilla, siihen vaikuttavat palveluntarjoajan tietomurtohistoria, sen säilytyskäytäntö ja se, mitä käyttöehdot sanovat koulutusdatasta. Näitä kolmea asiaa pitää seurata niin kauan kuin tiedosto on olemassa.
Whisper Notes ajaa laitteen omalla sirulla yhtä kolmesta mallista: Whisper Large V3 Turbo, Parakeet tai SenseVoice. Litterointipalvelinta ei ole välissä lainkaan. Mitään ei laiteta jonoon eikä lähetetä, ja sovellus toimii lentokonetilassa samoin kuin Wi-Fi-yhteydellä. Tämä kannattaa testata itse sen sijaan, että luottaisi meidän sanaamme.
Mitä Whisper-sovellukselle tapahtui? Kolme eri Whisperiä
Jos haet ”mitä Whisper-sovellukselle tapahtui”, tarkoitat todennäköisesti yhtä kolmesta hyvin erilaisesta asiasta, joilla on sama nimi.
Ensimmäinen on Whisper, nimettömään salaisuuksien jakamiseen tarkoitettu sosiaalinen sovellus (whisper.sh), joka julkaistiin vuonna 2012. Siinä ihmiset julkaisivat tunnustuksia nimettöminä, ja se oli laajasti käytössä 2010-luvun puolivälissä, mutta sen toiminta on suurelta osin loppunut. Jos etsit sitä sovellusta, se on käytännössä poissa.
Toinen on Whisper, avoimen lähdekoodin puheentunnistusmalli, jonka OpenAI julkaisi vuonna 2022. Se ei ole kadonnut mihinkään, koska se ei alun perinkään ollut sovellus. Se on tekoälymalli eli moottori, joka muuntaa puheen tekstiksi. Se on kehittäjille vapaasti saatavilla, mutta sen käyttäminen suoraan vaatii teknistä asennusta.
Kolmas on joukko tämän mallin varaan rakennettuja natiiveja litterointisovelluksia, kuten Whisper Notes. Ne paketoivat Whisper-moottorin ohjelmistoksi, jonka voi oikeasti asentaa iPhoneen tai Maciin ja jota voi käyttää ilman komentoriviä, pilvitiliä tai teknistä asennusta.
Tämä sivu käsittelee kolmatta: mikä paikallisesti toimiva Whisper-sovellus on, miten se toimii ja miksi rakensimme omamme toimimaan kokonaan laitteella.
Kolme Whisperiä lyhyesti
| Nimi | Mikä se on | Tila |
|---|---|---|
| Whisper (sosiaalinen sovellus) | Nimetön salaisuuksien jakamissovellus (whisper.sh), julkaistu 2012 | Toiminta suurelta osin lopetettu |
| Whisper (OpenAI:n malli) | Avoimen lähdekoodin puheentunnistusmalli, julkaistu 2022 | Aktiivinen ja ilmainen, mutta malli, ei sovellus |
| Whisper Notes | Whisper-mallin varaan rakennettu natiivi litterointisovellus iPhonelle ja Macille | Aktiivinen, App Storessa, $7.99 kertaostona |
Mitä ilmainen Whisper-sovellus maksaa?
Maksuton litterointityökalu toimii yleensä samalla tavalla: ääni menee palvelimelle, malli ajetaan siellä, ja äänite säilyy niin kauan, että siitä on hyötyä palvelun ylläpitäjälle. Monelle se on järkevä vaihtokauppa. Se kannattaa vain tehdä tietoisesti.
Miksi äänite on eri asia kuin salasana
Vuotanut salasana on iltapäivän harmi, koska sen voi vaihtaa. Vuotanut äänite on pysyvä, koska sinut tunnistetaan juuri äänestä, ja jo muutaman sekunnin näytteessä on niin paljon akustisia piirteitä, että äänen voi tunnistaa aivan muualla.
Viime aikoina on muuttunut se, kuinka vähän ääntä hyökkääjä tarvitsee. Uskottava äänen kloonaus vaatii nykyään sekunteja näytettä minuuttien sijaan, ja vuonna 2025 Italian puolustusministerin kloonattua ääntä käytettiin petosyrityksessä useita liikemiehiä vastaan. Emme väitä, että näin todennäköisesti käy sinulle. Huomautamme vain, että tämä on ainoa vuotaneen tiedon laji, jota ei voi vaihtaa.
Kun ääni lähetetään litterointipalveluun, tallennetaan siis muutakin kuin asiakirja. Tallennetaan biometrinen tunniste, ja se on infrastruktuurissa, jonka säilytyskäytännöstä et päätä sinä.
Miten litterointidata oikeasti vuotaa
Kyse on harvoin näyttävästä murrosta. Ääni ja litteroinnit kulkevat useamman järjestelmän läpi kuin kukaan on piirtänyt kaavioon: litterointipalvelu, sen takana oleva mallintarjoaja, lokikerros, analytiikkaputki ja varmuuskopio. Jokainen niistä on paikka, jossa yksi väärä asetus tekee yksityisestä julkista. Mitä enemmän niitä on, sitä vaikeampi kenenkään on sanoa varmasti, missä tietty äänite juuri nyt on.
Selvimmät esimerkit ovat terveydenhuollosta: suojattuja terveystietoja on paljastunut litterointi-integraatioiden ja väärin määritetyn tallennustilan kautta, ei minkään sellaisen, jota kukaan kutsuisi hyökkäykseksi. Toinen esimerkki tulee asiakaspalvelukeskuksista: litterointeja lähetettiin mallille, ja samaan aikaan tilinumerot päätyivät peittämättöminä debug-lokeihin.
Tämä ei tarkoita, että pilvilitterointi olisi holtitonta. Se tarkoittaa, että kannattaa laskea, kuinka monessa järjestelmässä kopio on, ja laitteella tapahtuva käsittely pudottaa luvun yhteen.
Mihin suuntaan tämä on menossa?
Maaliskuussa 2025 Amazon poisti Echo-laitteista ”Do Not Send Voice Recordings” -asetuksen. Kaikki, mitä Alexalle sanotaan, menee nyt Amazonin palvelimille, eikä sitä voi enää kytkeä pois.
Yhden tuotteen yksi poistettu asetus ei ole trendi, mutta sen taustalla oleva kannustin on pysyvä: koulutusdata on arvokasta, ja asetus, joka vähentää kerättävän datan määrää, on jatkuvan kaupallisen paineen alla. Yksityisyysasetus on lupaus, jota voi muuttaa julkaisutiedotteessa.
Whisper Notes on rakennettu niin, ettei siinä ole vastaavaa asetusta, jota voisi muuttaa. Palvelinta, jolle ääni lähetettäisiin, ei ole, joten ”älä lähetä” ei ole toive, jota kunnioitamme. Se kuvaa sitä, mihin sovellus ylipäätään pystyy.
Mitä ilmaiset työkalut maksavat kolmessa vuodessa
Maksuttomat verkkotyökalut pidättävät yleensä oikeuden käyttää ääntäsi mallien parantamiseen, ja se kerrotaan ehdoissa, joita lähes kukaan ei lue. Minuuttihinnoitellut rajapinnat näyttävät halvoilta, $0.006–$0.40 minuutilta, mutta jos ääntä on tunti viikossa, halvin maksaa noin $20 ja kallein yli $1,200 vuodessa. Tilauspalvelut ovat saman järjestelyn rehellinen versio: Otter veloittaa noin $99 vuodessa ja kertoo sen suoraan.
Whisper Notes maksaa App Storessa $7.99, ja verkkosivuiltamme ladattavan Mac-sovelluksen hinta on $14. Molemmat maksetaan kerran. Alla oleva taulukko on koko hintaperustelu, ja neljäs rivi on sen ydin: ilmainen vaihtoehto ja kerran maksettava vaihtoehto maksavat kolmessa vuodessa suunnilleen saman verran, ja ne eroavat siinä, mitä äänitteelle tapahtuu.
Kustannus vuodessa
| Palvelutyyppi | Vuosi 1 | Vuosi 2 | Vuosi 3 | Datan käsittely |
|---|---|---|---|---|
| Whisper Notes | $7.99 | $0 | $0 | Ei koskaan lähde laitteelta |
| Tilauspalvelu | $99 | $99 | $99 | Käsitellään pilvessä |
| Minuuttihinnoiteltu pilvirajapinta | $20–1,250 | $20–1,250 | $20–1,250 | Käsitellään pilvessä |
| ”Ilmaiset” verkkotyökalut | $0 | $0 | $0 | Voidaan käyttää tekoälyn koulutukseen |
Milloin kannattaa valita pilvipalvelu
Kärkitason pilvimallit ovat puhtaalla äänellä yhä hieman tarkempia, koska ne toimivat koossa, johon mikään puhelin tai kannettava ei riitä. Se on todellinen etu, emmekä aio väittää muuta.
Jos tarvitset reaaliaikaisen tekstityksen, jos usean ihmisen pitää muokata samaa litterointia kokouksen aikana tai jos viimeinenkin tarkkuuden murto-osa on tärkeämpi kuin se, missä ääni on, pilvipalvelu on parempi työkalu, ja suosittelemme silloin sitä.
Emme kuitenkaan pitäisi tarkkuuseroa päätöksen ainoana lukuna. Salassapitovelvollisuuden alaisessa työssä, kuten potilasmuistiinpanoissa, asianajosalaisuuden alaisessa aineistossa tai lähteiden haastatteluissa, kysymykseen ”minne ääni menee” on pystyttävä vastaamaan, ja lyhin puolustettava vastaus on, ettei se mennyt minnekään.
Selaintyökalu, pilvirajapinta vai natiivisovellus?
Whisper-sovellusta hakiessa saa samalla nimellä kolme hyvin erilaista asiaa: sivuja, jotka ajavat mallia selaimen välilehdessä, rajapintoja, jotka ajavat sitä jonkun palvelimella, ja sovelluksia, jotka on käännetty kädessäsi olevalle laitteelle. Ne toimivat niin eri tavoin, että tuoteluokka ratkaisee enemmän kuin ominaisuuslista.
Selaintyökalut
Kun selaintyökalu sanoo käsittelevänsä äänen paikallisesti, se pitää yleensä paikkansa: ääni pysyy välilehdessä. Rajoitukset eivät liity rehellisyyteen vaan siihen, mihin välilehti pystyy. WebAssemblyn muisti on useimmissa selaimissa rajattu noin 4 GB:hen, mikä rajoittaa mallin kokoa, ja päättely JavaScriptin kautta on hitaampaa kuin natiivikoodilla.
Käytännössä vastaan tulee kapeampi ja ärsyttävämpi rajoitus. Selaintyökalu ei jatka työtä, kun vaihdat toiseen sovellukseen, se pääsee laitteistokiihdytykseen kömpelösti, jos lainkaan, ja jos välilehti sulkeutuu vahingossa, ajo katoaa eikä sitä voi jatkaa. Mallin kokeilemiseen se riittää, mutta työn säilyttämispaikkana se turhauttaa.
| Käsittely | WebAssembly/TensorFlow.js selaimessa |
| Mallin koko | Selaimen muisti rajoittaa (~4 GB) |
| Nopeus | Hitaampi JavaScriptin lisäkuorman vuoksi |
| Yksityisyys | Parempi kuin pilvi, mutta selaimella on pääsy ääneen |
| Luotettavuus | Välilehti voi kaatua, ei taustakäsittelyä |
Natiivisovellukset
Whisper Notes on käännetty macOS:lle ja iOS:lle, ja se ajaa mallinsa suoraan Apple silicon -sirulla: Parakeetin Neural Engine -piirillä, samalla erillisellä piirillä, jonka varassa toimivat Face ID ja laskennallinen valokuvaus, ja muut moottorit GPU:lla. Juuri siksi tämän sivun nopeusluvut ovat mahdollisia: Macilla sisäänrakennettu Parakeet-malli toimii noin 74 kertaa reaaliaikaa nopeammin, joten tunnin äänite on valmis alle minuutissa.
Loput erosta on arkista, ja se merkitsee päivittäin enemmän. Macilla litterointi jatkuu, kun vaihdat sovellusta, sovellus jatkaa siististi keskeytyksen jälkeen, ja käyttöjärjestelmän hiekkalaatikko pitää sen erossa muiden sovellusten tiedoista. Äänelle tai sen litteroinnille ei ole reittiä palvelimelle. Sen voi tarkistaa noin kolmessakymmenessä sekunnissa: laita lentokonetila päälle ja litteroi tiedosto.
| Käsittely | Toimii suoraan Apple silicon -sirulla (Neural Engine ja GPU) |
| Mallin koko | Whisper Large V3 Turbo, noin 2 GB |
| Nopeus | Parakeet Macilla noin 74× reaaliaikainen |
| Yksityisyys | Ääni ja litteroinnit pysyvät laitteella |
| Luotettavuus | Taustakäsittely, järjestelmäintegraatio |
Pilvirajapinnat
Palvelinresursseja on käytännössä rajattomasti, joten pilvirajapinta voi ajaa suurimpia malleja ja tarjota paljon laskentatehoa vaativia ominaisuuksia, kuten reaaliaikaisen tekstityksen. Puhtaalla äänellä se on tämän sivun vaihtoehdoista tarkin.
Hintana on se, ettet enää tiedä, missä äänite on. Se kulkee internetin yli, se käsitellään paikassa, jota et hallinnoi, ja se säilytetään käytännön mukaan, jota et kirjoittanut ja jota voidaan muuttaa sinulta kysymättä.
Salassapitovelvollinen terapeutti, asianajosalaisuuden alaista aineistoa käsittelevä juristi tai lähdettään suojaava toimittaja lopettaa arvioinnin yleensä tähän. Syy ei ole huonompi tarkkuus, vaan se, ettei kysymykseen ”voitko kertoa, missä tämä äänite on” ole hyvää vastausta.
| Käsittely | Etäpalvelimet (rajaton laskentateho) |
| Mallin koko | Suurimmat saatavilla olevat mallit |
| Nopeus | Riippuu verkkoyhteydestä ja palvelimen jonosta |
| Yksityisyys | Ääni lähetetään palvelimelle ja voidaan tallentaa |
| Luotettavuus | Vaatii verkkoyhteyden, pyyntörajoitukset |
Mistä luovuimme rakentaessamme sen näin
Natiivi toteutus oli ainoa tapa tehdä yksityisyyslupauksesta rakenteellinen eikä sopimukseen perustuva. ”Käsitellään paikallisesti ja synkronoidaan sitten” ja ”salattu siirron aikana” pitävät molemmat paikkansa järjestelmissä, joihin päätyy silti kopio äänestäsi. Halusimme version, jossa säilytettävää kopiota ei ole.
Hinta maksetaan ominaisuuksina. Äänite litteroidaan, kun lopetat nauhoituksen, eikä sana sanalta puhuessasi; kun nauhoitat kokouksen Macilla, reaaliaikainen litterointipaneeli päivittyy noin 30 sekunnin välein. Emme voi ajaa mitään suurempaa kuin laitteesi pystyy käsittelemään. Emmekä voi tarjota yhteismuokkausta tai tiimien työtiloja, koska ne vaativat palvelimen, eikä meillä ole sellaista.
Jos jokin näistä kolmesta on listallasi, tämä on väärä sovellus ja jokin pilvipalveluista on oikea. Sanomme sen mieluummin tässä kuin annamme sinun huomata sen ostamisen jälkeen.
Missä on virallinen Whisper-sovellus iPhonelle?
Sellaista ei ole. OpenAI julkaisi Whisperin avoimen lähdekoodin mallina kehittäjille eikä kuluttajatuotteena, joten virallista Whisper-sovellusta ei ole App Storessa eikä muualla. Kaikki sellaiseksi esittäytyvät ovat nimeä käyttäviä kolmannen osapuolen sovelluksia.
iPhonella Whisper toimii natiivisovellusten kautta, jotka muuntavat mallin Applen Core ML -muotoon ja ajavat sitä Neural Enginellä. Whisper Notes on yksi niistä. iPhonella Whisper-vaihtoehto on Whisper Small, jossa on samat 101 kielivaihtoehtoa puhelimelle mitoitetussa mallissa, ja sen rinnalla ovat Parakeet ja SenseVoice. Kaikki toimivat täysin ilman verkkoyhteyttä iPhone 12:ssa tai uudemmassa. Whisper Large V3 Turbo on Mac-malli, koska Macissa on tilaa sen kokoiselle mallille. Voit nauhoittaa suoraan sovelluksessa tai tuoda ääntä Sanelimesta, Tiedostot-sovelluksesta tai mistä tahansa sovelluksesta jakovalikon kautta.
Whisper Notes on saatavilla App Store -kertaostona, joka sisältää iPhone- ja iPad-sovelluksen sekä Mac App Store -version. Tilausta tai tiliä ei tarvita. Verkkosivuiltamme ladattava Mac-sovellus myydään erillisenä lisenssinä, ja sillä saa 5 000 sanaa viikossa ilmaiseksi. Android-versiota ei ole, koska sovellus on rakennettu Applen Neural Engine -laitteiston varaan, eikä Androidilla ole sille vastinetta.
Mikä malli työn tekee?
Moottorit ja miten niistä valitaan
Tekniset tiedot
| Tekoälymallit | Parakeet Ultra (oletus), Whisper Large V3 Turbo (Mac) tai Whisper Small (iPhone), SenseVoice, Apple Speech (iOS 26, macOS 26); Macilla myös Qwen3-ASR 1.7B (Beta) |
| Kielet | 101 vaihtoehtoa Whisperillä, 25 eurooppalaista Parakeetilla, 6 SenseVoicella |
| Äänimuodot | MP3, WAV, M4A, FLAC, AAC |
| Litterointinopeus | Parakeet Macilla noin 74× reaaliaikainen; Whisper Turbo noin 2,7× |
| Aikarajat ja maksut | Enintään 24 tuntia tiedostoa kohden, ei minuuttihintoja |
| Alustat | iOS 18+ (iPhone 12+), macOS 14+ (Apple-siru) |
Mitä sillä oikeasti voi tehdä?
Arjen käytöstä suurin osa nojaa kolmeen asiaan: äänen saamiseen sisään, tekstin saamiseen ulos ja rajoitukseen, joka pitää molemmat laitteella.
Tiedostojen tuonti ja eräkäsittely
Tuo äänitiedostoja mistä tahansa ja litteroi ne ilman verkkoyhteyttä. Sovellus käsittelee kokonaisia tiedostoja eikä suoratoistoa, joten malli voi käyttää koko kontekstia ja litteroida tarkemmin.
- ✓Tuo Tiedostot-sovelluksesta, Sanelimesta tai mistä tahansa sovelluksesta, joka jakaa ääntä
- ✓Macilla voit pudottaa useita tiedostoja sovelluksen kuvakkeen päälle, ja ne litteroidaan yksi kerrallaan
- ✓Automaattinen järjestäminen päivämäärän ja lähteen mukaan
Vientimuodot
Useita tulostemuotoja eri ammattikäyttöön.
- ✓Pelkkä teksti kappalejaolla
- ✓SRT- ja VTT-tekstitystiedostot videolle
- ✓Aikaleimatut litteroinnit kohtien löytämiseen
- ✓Puhujamerkinnät usean henkilön äänitteisiin
- ✓Mukautettavat kappalejakoasetukset
Yksityisyysarkkitehtuuri
Sovellus on rakennettu niin, ettei ääni voi lähteä laitteeltasi. Se ei ole asetus vaan tekninen rajoitus.
- ✓Äänelle tai litteroinneille ei ole reittiä palvelimelle
- ✓Ei pilvipalvelimia, joihin yhdistää
- ✓Emme kerää mitään tietoja
- ✓Vain paikallinen tallennus, iOS:n/macOS:n salaama
- ✓Ei kolmannen osapuolen käsittelijää, joka pitäisi kattaa BAA-sopimuksella
Kuinka tarkka se on, ja mistä luku tulee?
Julkaistut vertailutestit sekä omat ajoituksemme nimetyllä laitteistolla
Emme tee omaa tarkkuustutkimusta, koska valmistajan itse tekemä arvio omasta tuotteestaan on vähäarvoinen. Alla olevat sanavirheprosentit ovat Hugging Facen Open ASR Leaderboardilta ja FLEURS-vertailutestistä. Molemmat ovat julkisia, ja niitä ylläpitävät tahot, joilla ei ole osuutta tähän sovellukseen. Nopeusluvut ovat omiamme, ja ne on mitattu yhdellä koneella, jonka nimeämme.
Sanavirheprosentti malleittain
| Malli | Lähde | Virheprosentti | Huomiot |
|---|---|---|---|
| Parakeet V3 (oletusmallin pohja) | Open ASR Leaderboard | Englannin WER 6,32 % | 25 eurooppalaista kieltä; niiden FLEURS-keskiarvo 12,0 % |
| Whisper Large V3 Turbo | Open ASR Leaderboard | Englannin WER 7,83 % | Kolmesta laajin kattavuus: 101 kielivaihtoehtoa |
| SenseVoice Small | Oma testimme, M4 Pro | 27 minuutin podcast 13,83 sekunnissa | Nopea vaihtoehto kiinalle, japanille, korealle ja kantoninkiinalle; ajoitettu aiemmalla sovellusversiolla, suunnilleen sama kuin nykyisen mallikortin 115–131× |
Key Findings
- •Macilla Parakeet toimii noin 74 kertaa reaaliaikaa nopeammin; Whisper Turbo on samalla tiedostolla monta kertaa hitaampi
- •Englannissa kolmen mallin sanavirheprosenttien ero on alle kaksi prosenttiyksikköä
- •Sanavirheprosentti mitataan luetulla ja valmistellulla puheella. Omissa äänitteissäsi tulos on huonompi, ja mikrofoni sekä päällekkäinen puhe vaikuttavat lukuun enemmän kuin mallin valinta
Kärkitason pilvimallit ovat puhtaalla äänellä yhä hieman tarkempia, koska ne toimivat koossa, johon mikään puhelin tai kannettava ei riitä. Se ero on hinta siitä, ettei ääni koskaan lähde laitteeltasi. Jos työsi ei vaadi viimeistä tarkkuuden prosenttiyksikköä, vaihtokauppa kannattaa yleensä. Jos vaatii, rehellinen suositus on pilvipalvelu.
Miten se pärjää vaihtoehtoihin verrattuna?
Verrattuna pilvipalveluihin, laitteen omiin työkaluihin ja yritysohjelmistoihin
Suurimman osan taulukosta voi tarkistaa muutamassa minuutissa. Tarkkuusrivi kannattaa lukea huolella, koska neljää luokkaa ei ole mitattu samalla vertailutestillä.
Ominaisuusvertailu
| Ominaisuus | Whisper Notes | Pilvipalvelut | Sisäänrakennetut työkalut | Yritysohjelmistot |
|---|---|---|---|---|
| Tarkkuus (englannin WER) | 6,32–7,83 % (Open ASR Leaderboard) | Valmistajan ilmoittama, useimmiten ei kyseisellä listalla | Ei julkaistu | Ei julkaistu |
| Missä ääni käsitellään | Omalla laitteellasi | Palveluntarjoajan palvelimilla | Vaihtelee valmistajan mukaan | Oma palvelinympäristö mahdollinen |
| Hinta | $7.99 iPhone, $14 Mac, kertamaksu | $0.006–0.40/min | Ilmainen (rajoitettu) | $500–2,000 / lisenssi |
| Kielet | 101 vaihtoehtoa | 50–100 kieltä | 10–30 kieltä | 20–50 kieltä |
| Vaatii verkkoyhteyden | Ei | Kyllä | Joskus | Riippuu käyttöönotosta |
| Tiedoston pituusraja | Ei minuuttihintoja | Tyypillisesti 1–2 tuntia | 5–10 minuuttia | Vaihtelee |
Market Position: Kun kolme vaihtoehtoa asettaa rinnakkain, vaihtokauppa on selvä. Kärkitason pilvirajapinta on puhtaalla äänellä yhä hieman tarkempi, ja se maksaa $0.006–$0.40 minuutilta, kun äänite on jonkun toisen levyllä. Yrityksen omassa ympäristössä toimiva litterointi pitää äänen oman verkon sisällä ja maksaa alkaen noin $500 käyttäjältä. Whisper Notes ajaa avoimia malleja laitteella, joka sinulla jo on, hintaan $7.99 iPhonella tai $14 Macilla, ja luopuu siksi reaaliaikaisesta tekstityksestä, yhteismuokkauksesta ja viimeisestä tarkkuuden murto-osasta. Jos jokin näistä kolmesta on listallasi, jompikumpi muista vaihtoehdoista on parempi ostos.
Mihin töihin tämä sopii?
Kolmenlaista työtä, jossa äänite ei saa lähteä mihinkään
Terveydenhuolto
Terveydenhuollon ammattilaiset käyttävät Whisper Notesia potilasdokumentaatioon, kliinisiin muistiinpanoihin ja tutkimushaastatteluihin. Koska ääni ei koskaan päädy palvelimellemme, BAA-sopimuksella katettavaa kolmannen osapuolen käsittelijää ei ole. Täyttääkö koko työnkulku HIPAA-vaatimukset, riippuu silti siitä, miten itse laite on suojattu. Jos kollegoiden pitää avata sama muistiinpano ja kommentoida sitä, pilvipalvelu allekirjoitetulla BAA-sopimuksella on käytännöllisempi ratkaisu.
Use Cases
- •Potilasvastaanottojen dokumentointi
- •Toimenpidemuistiinpanot
- •Tutkimushaastattelujen litterointi
- •Etävastaanottojen tallenteet
- •Kliininen koulutusmateriaali
Benefits
- ✓Ei tietojenjakokäytäntöä, johon pitäisi luottaa, koska mitään ei lähetetä
- ✓Oma sanasto kliinisille termeille ja lääkenimille
- ✓Potilastiedot eivät lähde laitteelta, koska reittiä palvelimelle ei ole
- ✓20 minuutin vastaanotto litteroituu Apple-sirullisella Macilla selvästi alle minuutissa
Lakiala
Asianajajat käyttävät Whisper Notesia todistajankuulusteluihin, asiakashaastatteluihin ja juttujen valmisteluun. Äänite pysyy laitteella, joten millään palveluntarjoajalla ei ole siitä kopiota. Se ei kuitenkaan ratkaise omia velvollisuuksiasi: täyttääkö tietty työnkulku oman lainkäyttöalueesi salassapitosäännöt, riippuu edelleen siitä, miten laitetta, sen varmuuskopioita ja vientejä käsitellään.
Use Cases
- •Asiakashaastattelujen dokumentointi
- •Todistajankuulustelujen litterointi
- •Juttukohtaiset tutkimusmuistiinpanot
- •Oikeuskäsittelyjen tallenteet
- •Tutkintahaastattelut
Benefits
- ✓Meillä ei ole kopiota äänitteestä eikä litteroinnista
- ✓Oma sanasto juttujen nimille ja oikeudellisille termeille
- ✓Aikaleimatut litteroinnit, vienti tekstinä, SRT- tai VTT-tiedostona
- ✓$7.99 iPhonella tai $14 Macilla kertamaksuna, ulkoistetun minuuttihintaisen litteroinnin sijaan
Journalismi
Toimittajat käyttävät Whisper Notesia lähdehaastatteluihin ja kenttä-äänityksiin. Mikään palvelin ei säilytä ääntä, joten ainoat kopiot ovat omilla laitteillasi. Lähdesuoja ei siis riipu meidän säilytyskäytännöstämme, jota et voi tarkistaa, vaan oman laitteesi tietoturvasta, jonka voit tarkistaa. Jos toimituksessa useamman ihmisen pitää muokata samaa litterointia suoran tapahtuman aikana, se on pilvityökalun tehtävä.
Use Cases
- •Lähdehaastattelujen litterointi
- •Kenttä-äänitysten dokumentointi
- •Tiedotustilaisuuksien muistiinpanot
- •Tutkimushaastattelujen arkistot
- •Podcast-tuotanto
Benefits
- ✓Äänitteestä tai litteroinnista ei lähetetä mitään minnekään
- ✓Toimii, vaikka laite on offline-tilassa, ja juuri niin väitteen voi myös tarkistaa
- ✓Ei tiliä, joten mikään kirjautumishistoria ei yhdistä haastattelua sinuun
- ✓Vienti tekstinä, SRT- tai VTT-tiedostona toimituksen jo käyttämiin työkaluihin
Kuinka nopea se on, ja missä se jää vajaaksi?
Mittaamamme luvut ja asiat, jotka rakenne sulkee pois
Mitä mittasimme ja millä
Nopeus riippuu koneesta ja valitusta moottorista, joten yksi kerroin koko ”sovellukselle” olisi harhaanjohtava. Nämä ovat omia ajojamme nimetyllä laitteistolla, todellinen kulunut aika aloituksesta valmiiseen tekstiin.
Parakeet V3 (oletusmoottorin pohja)
Macilla noin 74× reaaliaikainen: 17,5 minuutin kokousäänite valmistuu noin 15 sekunnissa
25 eurooppalaista kieltä; oma ajomme, yksi kone
Whisper Turbo -vaihtoehto
Whisper Large V3 Turbo on samalla Macilla noin 2,7 kertaa reaaliaikaa nopeampi. Se on hinta sen 101 kielivaihtoehdosta
Omat ajomme; Turbo valitaan kielten laajuuden, ei nopeuden vuoksi
Vanhemmat ja pienemmät laitteet
iPhone litteroi tiedoston hitaammin kuin Apple-sirullinen Mac, ja ero kasvaa sirun iän myötä. Pitkätkin tiedostot valmistuvat, ne vain vievät suhteessa enemmän aikaa
iPhone 12 tai uudempi tai Apple-sirullinen Mac
Tallennustila
Litteroinnit ovat pieniä, noin 0,1 MB äänitunnilta. Mallit vievät varsinaisen tilan: Macilla Qwen3-ASR 1.7B on noin 2,5 GB ja Whisper Large V3 Turbo noin 2 GB; muut ovat pienempiä
Parakeet on sisäänrakennettu sovellukseen; muut mallit ladataan sovelluksessa
Tunnetut rajoitukset
Mallien ajaminen laitteella asettaa tiukat rajat, ja ne on helpompi tarkistaa ennen ostoa kuin sen jälkeen. Juuri siksi Macin ilmainen käyttö kattaa 5 000 sanaa viikossa.
Laitevaatimukset
Vaatii iPhone 12:n tai uudemman tai Apple-sirullisen Macin. Vanhemmissa laitteissa Neural Engine ei ole tarpeeksi tehokas, jotta tämä olisi käytännöllistä.
Impact: iPhone 12 tai uudempi tai mikä tahansa Apple-sirullinen Mac
Käsittelyaika
Käsittelyaika kasvaa äänitteen pituuden mukana. Laitteella tehtävän laskennan fysiikkaa ei voi kiertää.
Impact: Yllä olevilla nopeuksilla tunnin tiedosto vie Macilla minuutteja ja iPhonella pidempään
Riippuvuus äänenlaadusta
Huono ääni tai kova taustamelu heikentää tarkkuutta, eikä malli voi palauttaa tietoa, jota signaalissa ei ole.
Impact: Mikrofonin sijainti ja päällekkäinen puhe vaikuttavat virheprosenttiin enemmän kuin mallin valinta
Ei reaaliaikaista tekstitystä
Äänitteet litteroidaan, kun lopetat nauhoituksen, eikä puhetta tekstitetä samalla kun puhut. Kun nauhoitat kokousta Macilla, reaaliaikainen litterointipaneeli näyttää tekstin jo kokouksen aikana ja päivittyy noin 30 sekunnin välein, mutta se ei ole sana sanalta etenevää tekstitystä. Sen tasoinen reaaliaikainen tekstitys vaatii malliluokan, joka ei mahdu puhelimeen, ja kun koko tiedosto käsitellään kerralla, mallilla on myös enemmän kontekstia.
Impact: Jos tarvitset tekstityksen ruudulle tapahtuman aikana, tämä on väärä työkalu
Yksi kieli äänitettä kohden
Nopea kielenvaihto saman äänitteen sisällä heikentää tarkkuutta. Malli toimii parhaiten, kun kieli pysyy samana koko ajan.
Impact: Parhaat tulokset, kun tiedostossa on yksi pääkieli
Kenelle tämä siis on?
Lataa Whisper Notes
Litterointi, joka toimii iPhonessa tai Macissa. Macilla 5 000 sanaa viikossa on ilmaista, joten voit tarkistaa väitteen ennen kuin maksat.
Lataa iOS:lleSaatavilla iOS:lle (iPhone 12+) ja macOS:lle (Apple-siru). iPhonella $7.99 kertaostona; Macilla 5 000 sanaa viikossa ilmaiseksi, sitten $14 kertaostona. Ei tilauksia.