TL;DR
| Parakeet V3 | Whisper से तुलना | |
|---|---|---|
| गति | Turbo से 10×; V3 से ~23× | Turbo / Large V3 बेसलाइन |
| समर्थित भाषाएँ | 25 | 100+ |
| अंग्रेज़ी त्रुटि दर (WER) | 6.32% | Turbo 7.83%; V3 7.44% |
| 25 भाषाओं की औसत त्रुटि दर (WER) | 12.0% | 12.6% |
| हैलुसिनेशन | हमारे टेस्ट में मौन पर लगभग कोई नहीं | मौन पर दिख सकते हैं |
| सर्वोत्तम | अंग्रेज़ी और यूरोपीय | एशियाई, अरबी, 100+ |
* गति: वही 35 मिनट का ऑडियो, Apple Silicon पर। अंग्रेज़ी WER: Hugging Face Open ASR Leaderboard। 25-भाषा औसत: FLEURS बेंचमार्क। मौन पर व्यवहार हमारा प्रोडक्ट ऑब्ज़र्वेशन है, शून्य-त्रुटि की गारंटी नहीं।
वर्शन 1.3.2 (Direct Download / DMG) से, Whisper Notes for Mac में NVIDIA Parakeet TDT 0.6B डिफ़ॉल्ट स्पीच इंजन के रूप में आता है। यह अंग्रेज़ी के लिए Whisper Large V3 Turbo से 10 गुना तेज़ है, और ज़्यादा सटीक भी। अगर आपको दूसरी भाषाएँ चाहिए तो Whisper मॉडल अभी भी उपलब्ध हैं।
हमने डिफ़ॉल्ट क्यों बदला
Whisper बढ़िया है, लेकिन यह एक जनरल-परपज़ मॉडल की तरह बनाया गया था। यह 100+ भाषाएँ सँभालता है, ट्रांसलेट करता है, टाइमस्टैम्प बनाता है — एक स्विस आर्मी नाइफ़। इसकी कीमत है स्पीड। अंग्रेज़ी डिक्टेशन के लिए, जहाँ बस शब्द तेज़ी से स्क्रीन पर आने चाहिए, यह ज़रूरत से ज़्यादा है।
एक बात मुझे हमेशा खटकती थी: जब Fn-key सिस्टम-वाइड डिक्टेशन के साथ Whisper इस्तेमाल करता था, तो करीब 1 मिनट बोलने के बाद ट्रांसक्रिप्ट आने में 3-5 सेकंड लगते थे। वो रुकावट फ़्लो तोड़ देती है। बोलना बंद करो, इंतज़ार करो, कर्सर को घूरते रहो — वॉइस टाइपिंग का मज़ा ही ख़त्म हो जाता है।
Parakeet ने यह पूरी तरह बदल दिया। स्पीड इतनी तेज़ है कि बोलना बंद करते ही ट्रांसक्रिप्ट आ जाता है। बोलो, और शब्द बस वहाँ होते हैं। एक बार यह अनुभव हो जाए — बिना किसी इंतज़ार का यह सहज प्रवाह — तो Whisper पर वापस जाना बहुत मुश्किल लगता है।
Parakeet V3 कितना तेज़ है?
नंबर शब्दों से ज़्यादा बोलते हैं। यह रही एक असली तुलना — 35 मिनट की ऑडियो फ़ाइल, एक ही Mac पर:
| मॉडल | 35 मिनट ऑडियो |
|---|---|
| Whisper Large V3 Turbo | 3 मिनट |
| Parakeet TDT 0.6B v3 | 18 सेकंड |
10 गुना तेज़। और चूँकि मॉडल छोटा है (600M बनाम 800M पैरामीटर), इसलिए मेमोरी और बैटरी भी कम खर्च होती है।
Parakeet v3 इतना तेज़ कैसे है
Whisper ऑडियो को ऐसे सुनता है जैसे आप किताब ज़ोर से पढ़ रहे हों — शब्द दर शब्द, फ़्रेम दर फ़्रेम, बिना कुछ स्किप किए। ख़ामोशी के दौरान भी यह प्रोसेस करता रहता है, अगला शब्द अनुमान लगाता रहता है। यह गहराई से काम करता है, लेकिन धीमा है।
Parakeet का तरीक़ा बुनियादी तौर पर अलग है। यह प्रोसेसिंग से पहले ऑडियो सिग्नल को 8 गुना कंप्रेस करता है, ताकि मॉडल सिर्फ़ ज़रूरी चीज़ें देखे। फिर हर फ़्रेम पर मेहनत करने की बजाय, यह न सिर्फ़ अनुमान लगाता है कि आपने क्या कहा, बल्कि यह भी कि वो शब्द कितनी देर तक चला — और आगे कूद जाता है। ख़ामोशी? पूरी तरह स्किप। लंबा स्वर? दर्जनों की जगह एक प्रेडिक्शन।
नतीजा एक ऐसा मॉडल है जो स्पीच को वैसे ही प्रोसेस करता है जैसे आपका दिमाग़ करता है — शब्दों पर ध्यान देता है, गैप को नज़रअंदाज़ करता है। इसीलिए यह कम पैरामीटर और ज़्यादा एक्यूरेसी के साथ 10 गुना तेज़ है।
बेंचमार्क: Parakeet v3 बनाम Whisper
Parakeet v3 FLEURS, CoVoST, और MLS बेंचमार्क पर अपने से 2-4 गुना बड़े मॉडल से बराबरी या बेहतर प्रदर्शन करता है
Hugging Face Open ASR Leaderboard पर, Parakeet v3 सिर्फ़ 600M पैरामीटर के साथ टॉप पर है — Whisper Large V3 के 1.55B से आधे से भी कम:
| मॉडल | पैरामीटर | औसत WER | स्पीड (RTFx) |
|---|---|---|---|
| Parakeet TDT 0.6B v3 | 0.6B | 6.32% | 3,333x |
| Canary 1B v2 | 1.0B | 7.15% | 749x |
| Whisper Large V3 | 1.55B | 7.44% | 146x |
| Whisper Large V3 Turbo | 0.8B | 7.83% | 350x |
कम WER = कम ग़लतियाँ। ज़्यादा RTFx = ज़्यादा तेज़। Parakeet दोनों में जीतता है। 600M पैरामीटर के साथ, यह उस लिस्ट का सबसे छोटा मॉडल भी है — यानी यह Apple Silicon पर बेहतरीन चलता है, कम मेमोरी और कम बैटरी के साथ।
बहुभाषी WER: सभी 25 भाषाएँ
ऊपर की लीडरबोर्ड सिर्फ़ अंग्रेज़ी को कवर करती है। यह रही पूरी तस्वीर — Whisper Notes में उपलब्ध तीनों मॉडल Parakeet द्वारा सपोर्ट की जाने वाली सभी 25 भाषाओं में कैसा प्रदर्शन करते हैं, FLEURS बेंचमार्क पर मापा गया। कम WER = कम ट्रांसक्रिप्शन ग़लतियाँ। हर पंक्ति में Large V3 और Parakeet के बीच सर्वश्रेष्ठ मान हाइलाइट किया गया है:
| भाषा | Whisper Small | Whisper Large V3 | Parakeet V3 |
|---|---|---|---|
| बल्गेरियाई | 37.3 | 12.9 | 12.6 |
| क्रोएशियाई | 33.4 | 11.1 | 12.5 |
| चेक | 37.6 | 11.3 | 11.0 |
| डेनिश | 32.8 | 12.6 | 18.4 |
| डच | 16.4 | 5.6 | 7.5 |
| अंग्रेज़ी | 6.1 | 4.3 | 4.9 |
| एस्टोनियाई | 51.3 | 19.1 | 17.7 |
| फ़िनिश | 24.0 | 7.7 | 13.2 |
| फ़्रेंच | 15.0 | 6.3 | 5.2 |
| जर्मन | 10.2 | 4.3 | 5.0 |
| ग्रीक | 30.8 | 27.0 | 20.7 |
| हंगेरियाई | 38.9 | 14.1 | 15.7 |
| इतालवी | 9.8 | 2.3 | 3.0 |
| लातवियाई | 53.2 | 18.3 | 22.8 |
| लिथुआनियाई | 65.6 | 22.3 | 20.4 |
| माल्टीज़ | 92.2 | 68.9 | 20.5 |
| पोलिश | 14.7 | 4.7 | 7.3 |
| पुर्तगाली | 7.3 | 3.7 | 4.8 |
| रोमानियाई | 29.8 | 8.2 | 12.4 |
| रूसी | 11.4 | 4.2 | 5.5 |
| स्लोवाक | 33.3 | 8.4 | 8.8 |
| स्लोवेनियाई | 49.3 | 19.9 | 24.0 |
| स्पेनिश | 5.6 | 3.1 | 3.5 |
| स्वीडिश | 20.8 | 7.9 | 15.1 |
| यूक्रेनियाई | 19.3 | 6.5 | 6.8 |
| औसत | 29.8 | 12.6 | 12.0 |
WER (%) FLEURS पर। Whisper Small का डेटा Radford et al. से; Large V3 और Parakeet V3 का डेटा NVIDIA Canary-1B-v2 पेपर से।
Whisper Large V3 ज़्यादातर अलग-अलग भाषाओं में थोड़ा आगे रहता है, लेकिन Parakeet V3 औसत में उसके क़रीब है (12.0% बनाम 12.6%), ग्रीक, फ़्रेंच, एस्टोनियाई और माल्टीज़ में आगे है, और Whisper Small की औसत त्रुटि दर को लगभग 60% घटा देता है। असली फ़ायदा इस कॉम्बिनेशन में है: Large V3 स्तर की बहुभाषी सटीकता क़रीब 23× स्पीड पर, छोटा रनटाइम फ़ुटप्रिंट, और हमारे डिक्टेशन टेस्ट में मौन की कहीं ज़्यादा भरोसेमंद हैंडलिंग।
मौन पर यह कम हैलुसिनेट क्यों करता है
अगर आपने Whisper डिक्टेशन के लिए इस्तेमाल किया है, तो शायद देखा होगा कि ख़ामोशी में यह हैलुसिनेट करता है — फ़्रेज़ दोहराता है, शब्द गढ़ता है, या कहीं से "Subtitles by Amara.org" छाप देता है। ऐसा इसलिए होता है क्योंकि Whisper का ऑटोरिग्रेसिव डीकोडर हमेशा टेक्स्ट बनाने की उम्मीद रखता है, भले ही ट्रांसक्राइब करने को कुछ न हो।
Parakeet का ट्रांसड्यूसर आर्किटेक्चर टेक्स्ट टोकन ज़बरदस्ती निकालने की बजाय ब्लैंक आउटपुट दे सकता है। हमारे सिस्टम-वाइड डिक्टेशन टेस्ट में, इसी वजह से Whisper की तुलना में इसके किसी पॉज़ को दोहराए गए या असंबंधित टेक्स्ट से भरने की संभावना कहीं कम है। यह फिर भी एक स्पीच मॉडल है, इसलिए सही दावा “कम संभावना” है, “कभी नहीं” नहीं।
Parakeet किन भाषाओं को सपोर्ट करता है
Parakeet v3 25 भाषाओं को सपोर्ट करता है: बल्गेरियाई, क्रोएशियाई, चेक, डेनिश, डच, अंग्रेज़ी, एस्टोनियाई, फ़िनिश, फ़्रेंच, जर्मन, ग्रीक, हंगेरियाई, इतालवी, लातवियाई, लिथुआनियाई, माल्टीज़, पोलिश, पुर्तगाली, रोमानियाई, रूसी, स्लोवाक, स्लोवेनियाई, स्पेनिश, स्वीडिश, और यूक्रेनियाई।
यह ज़्यादातर यूरोप को कवर करता है, लेकिन चीनी, जापानी, कोरियाई, अरबी या हिंदी को नहीं। चीनी, जापानी, कोरियाई और कैंटोनीज़ के लिए SenseVoice चुनें; अरबी, हिंदी और Parakeet के सेट से बाहर की दूसरी भाषाओं के लिए Whisper Large V3 Turbo इस्तेमाल करें।
मॉडल पिकर: Parakeet V3 (डिफ़ॉल्ट), SenseVoice Small, Whisper Small, और Whisper Large V3 Turbo — सभी लोकली चलते हैं
Whisper Notes में मॉडल पिकर
मॉडल बदलने के लिए Settings खोलें:
- Parakeet V3 (डिफ़ॉल्ट) — सबसे तेज़, अंग्रेज़ी और यूरोपीय भाषाओं के लिए सबसे अच्छा
- SenseVoice Small — चीनी, जापानी, कोरियाई और कैंटोनीज़ के लिए सबसे तेज़
- Whisper Small — हल्का, 100+ भाषाएँ
- Whisper Large V3 Turbo — 100+ भाषाओं की व्यापक कवरेज
सभी मॉडल आपके Mac पर 100% लोकली चलते हैं। कोई इंटरनेट नहीं, कोई क्लाउड नहीं, कोई डेटा आपके डिवाइस से बाहर नहीं जाता।
Parakeet V2 का क्या?
अगर आपने V2 इस्तेमाल किया है, तो शायद आप तुलना जानना चाहें। V2 केवल अंग्रेज़ी का मॉडल था — और इसकी अंग्रेज़ी सटीकता दरअसल V3 से थोड़ी बेहतर है (6.05% बनाम 6.32% WER)। V3 ने यह छोटा अंतर 25 भाषाओं के सपोर्ट में बदल दिया। दोनों Whisper से काफ़ी ज़्यादा सटीक हैं।
| Parakeet V2 | Parakeet V3 | Whisper Large V3 | |
|---|---|---|---|
| अंग्रेज़ी WER | 6.05% | 6.32% | 7.44% |
| भाषाएँ | केवल अंग्रेज़ी | 25 | 100+ |
संक्षेप में: अगर आपको सिर्फ़ अंग्रेज़ी चाहिए, V2 और V3 दोनों बेहतरीन हैं। Whisper Notes में V3 डिफ़ॉल्ट है क्योंकि बहुभाषी सपोर्ट ज़्यादातर यूज़र्स के लिए ज़रूरी है — और अंग्रेज़ी सटीकता का अंतर नगण्य है।
WhisperKit का क्या?
WhisperKit Apple डिवाइस पर Whisper मॉडल चलाने के लिए Argmax का ओपन-सोर्स Swift फ़्रेमवर्क है। यह एक डेवलपर टूलकिट है, एंड-यूज़र ऐप नहीं — और यह Whisper चलाता है, Parakeet नहीं (जो NVIDIA की मॉडल फ़ैमिली है)। अगर आप ख़ुद Swift लिखे बिना WhisperKit-स्टाइल ऑन-डिवाइस ट्रांसक्रिप्शन चाहते हैं, तो Whisper Notes उसी आइडिया को एक रेडी-मेड ऐप के रूप में पेश करता है: Parakeet V3, Whisper Large V3 Turbo, और SenseVoice — सभी Mac और iPhone पर लोकली चलते हैं।
सारे लोकल विकल्पों की तुलना कर रहे हैं? हर ऑन-डिवाइस स्पीच-टु-टेक्स्ट मॉडल — Whisper वेरिएंट, Parakeet V3, SenseVoice, और Voxtral — की साथ-साथ तुलना हमारे Whisper मॉडल तुलना पेज पर मौजूद है। Whisper से पहली बार वास्ता? Whisper ट्रांसक्रिप्शन गाइड से शुरुआत करें — यह मॉडल क्या है, इसे चलाने के सारे तरीक़े, और इसकी लागत क्या है।
अक्सर पूछे जाने वाले सवाल
क्या Parakeet V3 Whisper से बेहतर है?
अंग्रेज़ी और यूरोपीय भाषाओं के लिए, अक्सर हाँ। हमारे 35-मिनट के टेस्ट में Parakeet, Whisper Turbo से 10× तेज़ था, और Open ASR Leaderboard पर Parakeet का अंग्रेज़ी WER 6.32% है जबकि Turbo का 7.83%। लेकिन Whisper अब भी कहीं ज़्यादा भाषाएँ कवर करता है: 100+ बनाम Parakeet की 25।
Parakeet V3 कौन-सी भाषाएँ सपोर्ट करता है?
Parakeet V3 25 भाषाएँ सपोर्ट करता है: बल्गेरियाई, क्रोएशियाई, चेक, डेनिश, डच, अंग्रेज़ी, एस्टोनियाई, फ़िनिश, फ़्रेंच, जर्मन, ग्रीक, हंगेरियाई, इतालवी, लातवियाई, लिथुआनियाई, माल्टीज़, पोलिश, पुर्तगाली, रोमानियाई, रूसी, स्लोवाक, स्लोवेनियाई, स्पेनिश, स्वीडिश, और यूक्रेनियाई।
क्या मैं Parakeet V3 को Mac पर चला सकता हूँ?
हाँ। Whisper Notes for Mac में Parakeet V3 डिफ़ॉल्ट इंजन के रूप में आता है। यह Apple Silicon पर 100% लोकली चलता है — कोई इंटरनेट नहीं, कोई क्लाउड नहीं, कोई डेटा आपके डिवाइस से बाहर नहीं जाता। आज़माने के लिए फ़्री ट्रायल DMG डाउनलोड करें।
क्या Parakeet V3 भी Whisper की तरह हैलुसिनेट करता है?
हमारे मौन वाले टेस्ट में बहुत कम बार, लेकिन कोई भी स्पीच मॉडल “कभी नहीं” के दावे का हक़दार नहीं है। Parakeet पॉज़ के दौरान ब्लैंक आउटपुट दे सकता है, जबकि Whisper का ऑटोरिग्रेसिव डीकोडर इनपुट मौन होने पर फ़्रेज़ दोहराने या असंबंधित टेक्स्ट निकालने की ओर ज़्यादा झुकता है।
Parakeet V2 बनाम V3 — कौन-सा इस्तेमाल करूँ?
Parakeet V2 केवल अंग्रेज़ी के लिए है और उसकी अंग्रेज़ी सटीकता थोड़ी बेहतर है (6.05% बनाम 6.32% WER)। V3 यह छोटा-सा अंतर 25 यूरोपीय भाषाओं के बदले देता है और Whisper Notes में डिफ़ॉल्ट है। जब तक आप सिर्फ़ अंग्रेज़ी ही ट्रांसक्राइब नहीं करते और सटीकता के आख़िरी अंश के पीछे नहीं हैं, V3 इस्तेमाल करें।
क्या Parakeet V3 जापानी, चीनी या कोरियाई सपोर्ट करता है?
नहीं — इसकी 25 भाषाएँ सभी यूरोपीय हैं। चीनी, जापानी, कोरियाई या कैंटोनीज़ के लिए Whisper Notes में SenseVoice (CJK के लिए Whisper से 52x तेज़) और Whisper मॉडल शामिल हैं। सभी Mac और iPhone दोनों पर ऑफ़लाइन चलते हैं।
Parakeet V3 कितना बड़ा है?
600 मिलियन पैरामीटर — 465 MB का डाउनलोड, जो हमारे Mac बिल्ड में ट्रांसक्राइब करते समय क़रीब 800 MB मेमोरी इस्तेमाल करता है। Whisper Large V3 Turbo क़रीब 1.6 GB का डाउनलोड है और उसी ऐप में क़रीब 1.6 GB मेमोरी इस्तेमाल करता है।
आज़माइए
Parakeet v3 अभी Mac वर्शन में उपलब्ध है — बस लेटेस्ट DMG डाउनलोड करें। अपडेट: Parakeet अब iOS के लेटेस्ट वर्शन में भी उपलब्ध है।
कोई सवाल या फ़ीडबैक? ईमेल करें support@whispernotes.app।
iOS के लिए डाउनलोड करें