SenseVoice vs Qwen3-ASR : lequel choisir en chinois, japonais et coréen ?

Les chiffres de précision viennent de nos propres mesures. Nous avons soumis les mêmes phrases lues de FLEURS à SenseVoice Small, Qwen3-ASR et Whisper Large V3 Turbo, environ 30 minutes par langue, avec les modèles fournis dans Whisper Notes. Les vitesses sont celles que l'app affiche sur la fiche de chaque modèle ; elles viennent d'un autre test, sur des extraits courts. Tout le reste décrit le fonctionnement actuel de l'app Mac.

De combien Qwen3-ASR est-il plus précis que SenseVoice ?

Taux d'erreur par caractère pour le chinois, le japonais et le coréen, taux d'erreur par mot pour l'anglais ; plus c'est bas, mieux c'est. Le vert indique la valeur la plus basse de chaque ligne. Mesures faites par nos soins sur le jeu de test FLEURS, sur un Mac : environ 30 minutes et 139 à 180 phrases lues par langue. SenseVoice avec la langue définie. Uniquement de la parole lue, enregistrée proprement : les pièces bruyantes, les réunions et les longs enregistrements ne sont pas couverts.

Qwen3-ASR fait moins d'erreurs que SenseVoice dans toutes les langues testées. En chinois et en japonais, l'écart est d'environ un point : 6,49 % (Qwen3-ASR) contre 7,69 % (SenseVoice) en chinois, et 5,74 % contre 6,78 % en japonais. C'est en coréen que l'écart est le plus grand : SenseVoice se trompe sur plus de deux fois plus de caractères, 7,85 % contre 3,54 %. En anglais, Qwen3-ASR se trompe sur environ un mot sur 22, SenseVoice sur environ un sur 12.

Whisper Large V3 Turbo est proche de Qwen3-ASR. C'est le plus précis des trois en japonais et le deuxième en coréen et en anglais, mais il fait un peu moins bien que SenseVoice en chinois.

De combien SenseVoice est-il plus rapide que Qwen3-ASR ?

Le vert indique le modèle le plus rapide. Ce sont les vitesses affichées sur les fiches des modèles dans l'app : temps de traitement du moteur seul, sans le chargement du modèle, mesuré sur des extraits courts lors d'un test séparé d'usage courant sur un Mac. SenseVoice a tourné à 115,2× avec la langue définie et à 131× en détection automatique ; Qwen3-ASR a atteint 7,65× avant arrondi. Les durées pour une heure sont calculées à partir de ces vitesses, puis arrondies.

SenseVoice est plus de 15 fois plus rapide. Pour un enregistrement d'une heure, cela fait environ une demi-minute contre environ huit minutes. Si vous transcrivez de longs enregistrements ou si vous voulez le texte tout de suite, cet écart compte plus qu'un point de précision. Si vous pouvez attendre quelques minutes et préférez avoir moins de corrections à faire, il compte moins.

Définissez la langue pour gagner un peu en précision

Avec la langue définie, SenseVoice a fait moins d'erreurs qu'en mode Automatique dans les quatre langues : 7,69 % contre 7,90 % en chinois, 6,78 % contre 6,87 % en japonais, 7,85 % contre 8,09 % en coréen et 8,46 % contre 8,51 % en anglais. Les écarts sont faibles, mais ils vont tous dans le même sens. Nous n'avons testé ni Qwen3-ASR ni Whisper en mode Automatique : nous n'avons donc pas de chiffres pour eux ; l'app indique elle-même que, sauf pour Parakeet, choisir une langue donne en général un résultat plus précis que le mode Automatique.

Parakeet fait exception : dans Whisper Notes, lui indiquer la langue le rendait moins précis, c'est pourquoi il détecte toujours la langue lui-même (voir Parakeet Ultra vs Parakeet V3). Sur Mac, le réglage s'appelle Langue, dans la section Transcription des Réglages.

Combien de temps faut-il pour un long enregistrement ?

Lors d'un test précédent sur un vrai enregistrement, sur un Apple M4 Pro, SenseVoice a transcrit en 13,83 secondes un épisode de 27 minutes d'un podcast d'entretiens en chinois. Whisper Large V3 Turbo a mis 2 minutes 4 secondes pour le même fichier. Qwen3-ASR ne faisait pas partie de ce test. Ce test a été fait avec une version antérieure de l'app ; la vitesse, environ 117× le temps réel, correspond aux 115–131× affichés aujourd'hui sur la fiche du modèle.

En extrapolant ce test, à titre d'estimation grossière, une réunion ou un cours d'une heure prendrait environ une demi-minute à SenseVoice et environ quatre minutes et demie à Whisper Large V3 Turbo sur ce Mac. D'après les vitesses ci-dessus, Qwen3-ASR aurait besoin d'environ huit minutes.

Aucun des deux modèles ne lit un long fichier d'un seul coup. Dans l'app Mac, SenseVoice découpe l'audio en segments de 30 secondes au plus, coupés aux pauses, et affiche le texte de chaque segment dès qu'il est prêt. Qwen3-ASR travaille lui aussi par segments de 30 secondes au plus, coupés au moment le plus silencieux près de chaque limite, et son texte apparaît au fur et à mesure qu'il est écrit. Dans les deux cas, la transcription se remplit segment par segment, et vous pouvez commencer à lire avant que tout le fichier soit traité.

Lequel puis-je utiliser sur mon appareil ?

Vert : disponible. Orange : non disponible.

Sur iPhone, SenseVoice est le choix rapide pour le chinois, le japonais et le coréen, avec Whisper Small comme alternative.

Pourquoi deux versions Mac ? La version Mac App Store fonctionne dans les limites qu'Apple fixe aux apps de l'App Store. Quelques fonctionnalités n'existent donc que dans l'app Mac de notre site : la saisie vocale via Fn, l'assistant IA local et l'outil en ligne de commande (le contexte). Les deux versions ont les mêmes modèles de reconnaissance vocale.

Ce dont chacun a besoin sur un Mac

Tailles de téléchargement et indications de mémoire telles qu'affichées dans la version actuelle de l'app Mac de notre site. L'orange signale une exigence à vérifier avant de télécharger. Le pic de mémoire vient du même test d'usage courant que les vitesses ci-dessus ; un GiB vaut environ 7 % de plus qu'un Go.

Aucun des deux modèles n'est intégré. Chacun se télécharge une fois, depuis sa fiche dans les Réglages, puis fonctionne hors ligne. SenseVoice est de loin le plus léger des deux : environ un cinquième du téléchargement de Qwen3-ASR et nettement moins de la moitié de sa mémoire. Sur un Mac doté de moins de 16 Go de mémoire, la fiche de Qwen3-ASR affiche sa mention de mémoire en orange, en guise d'avertissement. À titre de comparaison, Whisper Large V3 Turbo pèse environ 2 Go au téléchargement, et sa fiche indique environ 2,4 Go de mémoire.

Lequel choisir ?

• Le moins d'erreurs possible, sur Mac : Qwen3-ASR 1.7B, dans les deux versions Mac. Il a battu SenseVoice dans les quatre langues de notre test. En japonais, Whisper Large V3 Turbo a été encore un peu plus précis : 5,30 % contre 5,74 %.
• Vitesse, longs enregistrements, Mac avec peu de mémoire, ou iPhone : SenseVoice Small. Une heure d'audio prend environ une demi-minute au lieu d'environ huit, et il ne demande qu'une fraction du téléchargement et de la mémoire.
• Précision en japonais ou en coréen sans Qwen3-ASR 1.7B (il demande macOS 15) : Whisper Large V3 Turbo, avec 5,30 % contre 6,78 % pour SenseVoice en japonais et 4,25 % contre 7,85 % en coréen. Il est beaucoup plus lent que SenseVoice.
• Autres langues : Parakeet, le modèle intégré, pour l'anglais et 24 autres langues européennes (voir Parakeet Ultra vs Parakeet V3), et Whisper pour les autres. La comparaison entre Qwen3-ASR 1.7B et Whisper sur 30 langues se trouve dans notre comparatif Qwen3-ASR vs Whisper. Les taux d'erreur des six modèles dans 42 langues, côte à côte, sont dans notre comparatif des modèles de transcription.

Que faut-il savoir d'autre ?

• Les étiquettes de locuteurs, les horodatages et les sous-titres fonctionnent avec les deux. SenseVoice et Qwen3-ASR fournissent tous deux des horodatages : les étiquettes de locuteurs et l'export de sous-titres SRT fonctionnent donc de la même façon avec l'un ou l'autre.
• Le chinois simplifié ou traditionnel suit la langue du système. Après la transcription, Whisper Notes convertit le texte chinois en caractères simplifiés ou traditionnels sur votre Mac, selon la langue du système. Si vous définissez la langue sur 简体中文 (chinois simplifié) ou 繁體中文 (chinois traditionnel), c'est ce choix qui l'emporte.
• Les dialectes n'ont pas été testés. La fiche officielle du modèle de Qwen annonce 30 langues ainsi que 22 dialectes et accents chinois. Whisper Notes n'a pas de réglage distinct pour les dialectes : vous choisissez le chinois ou Automatique, et le modèle fait le reste. Nous n'avons pas testé les dialectes, nous ne pouvons donc pas dire comment chacun des deux modèles s'en sort.
• Qwen3-ASR est en Bêta. S'il s'arrête de façon inattendue, Whisper Notes le désactive au démarrage suivant et passe à un autre modèle, pour que l'app s'ouvre quand même. Vous pouvez sélectionner à nouveau Qwen3-ASR dans les Réglages pour réessayer.
• Nos chiffres portent sur de la parole lue, enregistrée proprement. Les phrases de FLEURS sont lues à voix haute dans un environnement calme. Les réunions, les pièces bruyantes, les micros éloignés et les accents prononcés peuvent modifier les écarts, dans un sens comme dans l'autre.
• Le mélange chinois-anglais n'a pas été testé. Nous n'avons pas mesuré comment chaque modèle gère les phrases qui passent du chinois à l'anglais : essayez donc un de vos enregistrements habituels avant d'en adopter un.

Comment changer de modèle ?

Sur Mac, ouvrez les Réglages et faites défiler jusqu'à Modèle de transcription. Chaque modèle a une fiche qui indique sa vitesse, l'usage pour lequel il est le plus adapté, le nombre de langues prises en charge, la mémoire nécessaire et la taille du téléchargement. Pour télécharger un modèle, cliquez sur sa fiche ou sur la flèche de téléchargement qu'elle comporte ; une fois le modèle installé, cliquez sur la fiche pour l'utiliser. Le lien vers les langues, sur chaque fiche (Langues prises en charge, ou 30 langues prises en charge sur la fiche Qwen3-ASR 1.7B) liste toutes les langues avec notre taux d'erreur pour chacune.

Réglages → Modèle de transcription dans l'app Mac de notre site

Ensuite, définissez la Langue dans la section Transcription au lieu de la laisser sur Automatique.

Qu'est-ce que SenseVoice ?

Source : article FunAudioLLM. SenseVoice-Small compte 234 millions de paramètres et traite 10 secondes d'audio en 70 ms ; Whisper-Large-V3 en compte 1 550 millions et met 1 281 ms. Dans les deux cas, sur un GPU de centre de données, pas sur un Mac.

Qwen3-ASR est développé par l'équipe Qwen d'Alibaba, sous licence Apache 2.0. Dans Whisper Notes, il tourne sur le GPU du Mac via MLX, en 8 bits. Ses résultats face à Whisper sur 30 langues se trouvent dans notre comparatif Qwen3-ASR.

Questions fréquentes

Essayez-le

SenseVoice est disponible dans Whisper Notes sur iPhone et sur Mac, et Qwen3-ASR (Bêta) uniquement sur Mac. Utilisez les boutons ci-dessous pour obtenir l'app iPhone sur l'App Store ou l'app Mac sur notre site. Des questions ? Écrivez à support@whispernotes.app.

Télécharger pour iOS Télécharger pour macOS