Whisper Notes में सिर्फ़ Whisper ही नहीं, कुल छह स्पीच मॉडल हैं, और सभी ऑफ़लाइन चलते हैं:
- Parakeet (बिल्ट-इन)
- Whisper Large V3 Turbo
- Whisper Small
- Qwen3-ASR 1.7B (Mac)
- SenseVoice Small
- Apple Speech (Mac, macOS 26 या उसके बाद)
कौन-सा सबसे सटीक है, यह इस पर निर्भर करता है कि आप कौन-सी भाषा बोलते हैं।
कौन-सा मॉडल सबसे सटीक है?
हमने सभी मॉडल एक ही MacBook Air (M5) पर टेस्ट किए। ये रहे नतीजे (त्रुटि दर: जितनी कम, उतना बेहतर; हर पंक्ति में सबसे कम मान हरे रंग में है):
| भाषा | Parakeet | Whisper Large V3 Turbo | Whisper Small | Qwen3-ASR 1.7B1 | SenseVoice Small | Apple Speech1 |
|---|---|---|---|---|---|---|
| अंग्रेज़ी | 5.89% | 5.49% | 7.04% | 4.49% | 8.46% | 8.80% |
| जर्मन | 5.19% | 4.05% | 8.67% | 2.85% | — | 6.26% |
| डच | 7.89% | 5.69% | 16.75% | 7.36% | — | — |
| जापानी | — | 5.30% | 11.37% | 5.74% | 6.78% | 6.36% |
| पोलिश | 6.59% | 5.45% | 15.81% | 12.59% | — | — |
| रूसी | 6.17% | 5.13% | 11.37% | 5.65% | — | — |
| फ़्रेंच | 5.19% | 5.97% | 13.24% | 4.57% | — | 7.61% |
| स्पैनिश | 3.95% | 3.62% | 6.22% | 3.38% | — | 5.41% |
| कोरियाई | — | 4.25% | 7.30% | 3.54% | 7.85% | 4.31% |
| यूक्रेनियाई | 5.11% | 6.33% | 17.48% | — | — | — |
| चीनी | — | 7.97% | 20.50% | 6.49% | 7.69% | 7.97% |
| कैंटोनीज़ | — | —2 | —2 | 6.44% | —2 | 8.69% |
| इतालवी | 2.62% | 2.58% | 7.64% | 2.58% | — | 4.39% |
| पुर्तगाली | 5.81% | 5.44% | 8.61% | 5.17% | — | 9.35% |
| स्वीडिश | 13.30% | 8.78% | 21.66% | 19.80% | — | — |
| तुर्की | — | 5.95% | 14.24% | 8.81% | — | — |
| चेक | 11.03% | 11.94% | 38.71% | 24.59% | — | — |
| नॉर्वेजियाई | — | 8.99% | 24.50% | — | — | — |
| फ़िनिश | 10.44% | 7.11% | 25.91% | 27.71% | — | — |
| अरबी | — | 15.72% | 32.81% | 14.32% | — | — |
| स्लोवाक | 8.79% | 9.59% | 32.43% | — | — | — |
| डेनिश | 15.92% | 13.63% | 34.14% | 22.24% | — | — |
| हिंदी | — | 29.64% | 61.26% | 13.19% | — | —3 |
| थाई | — | 13.40% | 23.52% | 6.53% | — | — |
| इंडोनेशियाई | — | 6.31% | 16.31% | 4.91% | — | — |
| हंगेरियाई | 13.74% | 14.59% | 40.65% | 36.63% | — | — |
| वियतनामी | — | 8.10% | 18.12% | 4.91% | — | — |
| मलय | — | 9.22% | 19.72% | 10.62% | — | — |
| ग्रीक | 34.00% | 13.94% | 31.64% | 30.22% | — | — |
| रोमानियाई | 9.68% | 8.36% | 29.45% | 20.20% | — | — |
| फ़िलिपीनो | — | 9.72% | 25.60% | 23.31% | — | — |
| बुल्गारियाई | 12.44% | 14.54% | 39.68% | — | — | — |
| स्लोवेनियाई | 20.32% | 19.15% | 48.54% | — | — | — |
| एस्टोनियाई | 15.56% | 19.08% | 50.84% | — | — | — |
| क्रोएशियाई | 12.49% | 11.49% | 33.76% | — | — | — |
| लिथुआनियाई | 17.97% | 23.28% | 67.23% | — | — | — |
| माल्टीज़ | 19.38% | 74.35% | 95.68% | — | — | — |
| आइसलैंडिक | — | 19.75% | 73.96% | — | — | — |
| कातालान | — | 5.80% | 15.51% | — | — | — |
| गैलिशियन | — | 12.23% | 31.09% | — | — | — |
| मकदूनियाई | — | 17.46% | 37.11% | 18.57% | — | — |
| बोस्नियाई | — | 14.85% | 39.60% | — | — | — |
चीनी, जापानी, कोरियाई, कैंटोनीज़ और थाई के लिए अक्षर त्रुटि दर (CER), बाक़ी भाषाओं के लिए शब्द त्रुटि दर (WER)। जो भाषाएँ तालिका में नहीं हैं, उन्हें समर्थित भाषाएँ पेज पर देखें।
1 सिर्फ़ Mac पर। फ़िलहाल हमारी वेबसाइट वाले Mac ऐप में है; Mac App Store वर्शन में इसे लाने का काम चल रहा है। 2 SenseVoice Small और Whisper के कैंटोनीज़ स्कोर हम अभी नहीं दिखा रहे, क्योंकि हमने अभी तक पक्का नहीं किया है कि यह टेस्ट इन्हें सही ढंग से आँकता है। 3 Apple Speech ने सारी हिंदी अंग्रेज़ी अक्षरों (रोमन लिपि) में लिख दी, इसलिए इसका स्कोर नहीं निकाला जा सकता।
सबसे तेज़ कौन-सा है? एक घंटे की रिकॉर्डिंग में कितना समय लगता है?
| मॉडल | स्पीड (× रियल-टाइम) | 1 घंटे का ऑडियो | डाउनलोड | मेमोरी |
|---|---|---|---|---|
| SenseVoice Small | 115–131× | क़रीब 30 सेकंड | क़रीब 450 MB | क़रीब 700 MB |
| Parakeet | 75.8× | क़रीब 50 सेकंड | बिल्ट-इन (क़रीब 630 MB) | क़रीब 800 MB |
| Apple Speech | 19.7× | क़रीब 3 मिनट | macOS ख़ुद मैनेज करता है | — |
| Qwen3-ASR 1.7B | 7.6× | क़रीब 8 मिनट | क़रीब 2.5 GB | क़रीब 2.6 GB |
| Whisper Small | 6.5× | क़रीब 9 मिनट | क़रीब 400 MB | क़रीब 1 GB |
| Whisper Large V3 Turbo | 2.7× | क़रीब 22 मिनट | क़रीब 2 GB | क़रीब 2.4 GB |
स्पीड, डाउनलोड और मेमोरी वही हैं जो Mac ऐप में हर मॉडल के कार्ड पर दिखते हैं। स्पीड में सिर्फ़ मॉडल का प्रोसेसिंग टाइम गिना गया है; एक घंटे वाला समय इसी से निकाला गया है।
सबसे सटीक मॉडल अक्सर सबसे धीमे होते हैं, और रिकॉर्डिंग जितनी लंबी हो, यह फ़र्क़ उतना ज़्यादा मायने रखता है।
iPhone और Mac पर कौन-से मॉडल चलते हैं?
| मॉडल | iPhone | Mac |
|---|---|---|
| Parakeet | हाँ, बिल्ट-इन | हाँ, बिल्ट-इन |
| Whisper Large V3 Turbo | नहीं | हाँ |
| Whisper Small | हाँ | हाँ |
| Qwen3-ASR 1.7B | नहीं | हाँ (बीटा)1 |
| SenseVoice Small | हाँ | हाँ |
| Apple Speech | नहीं | हाँ (macOS 26 या उसके बाद)1 |
हरा मतलब उपलब्ध, पीला मतलब उपलब्ध नहीं। 1 फ़िलहाल हमारी वेबसाइट वाले Mac ऐप में है; Mac App Store वर्शन में इसे लाने का काम चल रहा है।
हम चाहते हैं कि iPhone पर भी ज़्यादा मॉडल मिलें। सबसे ज़्यादा माँग Whisper Large V3 की है, पर पूरा मॉडल हो या कंप्रेस्ड वर्शन, यह सिर्फ़ कुछ सबसे नए iPhone पर चलता है; ज़्यादातर फ़ोन इसे नहीं चला पाते। Qwen3-ASR 1.7B का भी यही हाल है। हम नए मॉडल और मौजूदा मॉडलों के छोटे वर्शन लगातार टेस्ट करते रहते हैं। हाल ही में हमने डिफ़ॉल्ट मॉडल Parakeet V3 से बदलकर Parakeet Ultra कर दिया, जो 25 भाषाओं में क़रीब 24% कम गलतियाँ करता है। पूरी तुलना: Parakeet Ultra vs Parakeet V3।
मॉडल कैसे बदलें?
Mac पर सेटिंग्स खोलें और ट्रांसक्रिप्शन मॉडल सेक्शन में किसी मॉडल के कार्ड पर क्लिक करके उसे डाउनलोड करें या उस पर स्विच करें; हर कार्ड के समर्थित भाषाएँ लिंक में उस मॉडल की हर भाषा की त्रुटि दर दी गई है।
Mac ऐप में सेटिंग्स → ट्रांसक्रिप्शन मॉडल
हमने टेस्ट कैसे किया?
हमने FLEURS डेटासेट से पढ़कर बोले गए वाक्य लिए (83 भाषा सेट, कुल 12,090 वाक्य) और हर मॉडल को एक ही MacBook Air (M5) पर चलाया। Whisper के हमारे नतीजे OpenAI के प्रकाशित आँकड़ों से काफ़ी हद तक मिलते हैं। ये वाक्य शांत माहौल में साफ़-साफ़ पढ़े गए हैं; मीटिंग और शोर वाली रिकॉर्डिंग में त्रुटि दर ज़्यादा होगी।
अक्सर पूछे जाने वाले सवाल
सबसे अच्छा Whisper मॉडल कौन-सा है?
Whisper Large V3 Turbo। तालिका की हर भाषा में यह Whisper Small से ज़्यादा सटीक है, जैसे अंग्रेज़ी में 5.49% बनाम 7.04%। लेकिन यह काफ़ी धीमा है, और iPhone ऐप में सिर्फ़ Whisper Small मिलता है।
जापानी के लिए सबसे अच्छा मॉडल कौन-सा है?
Whisper Large V3 Turbo, जिसकी अक्षर त्रुटि दर 5.30% है। दूसरे नंबर पर Qwen3-ASR 1.7B है (5.74%)। iPhone पर SenseVoice Small (6.78%) इस्तेमाल करें।
मैंडरिन चीनी के लिए सबसे अच्छा मॉडल कौन-सा है?
Mac पर Qwen3-ASR 1.7B, जिसकी अक्षर त्रुटि दर 6.49% है। दूसरे नंबर पर SenseVoice Small है (7.69%), जो iPhone पर भी चलता है।
कौन-सा Parakeet मॉडल सबसे अच्छा है?
Parakeet Ultra। 25 भाषाओं में यह Parakeet V3 से क़रीब 24% कम गलतियाँ करता है (10.63% बनाम 13.99%), और iPhone ऐप (1.8.9 और उसके बाद) व हमारी वेबसाइट वाले Mac ऐप (1.6.4 और उसके बाद) में बिल्ट-इन आता है।
iOS के लिए डाउनलोड करें
विस्तृत बेंचमार्क