Od sustava macOS 26 i iOS 26 Apple isporučuje novu generaciju prepoznavanja govora na uređaju — SpeechAnalyzer i SpeechTranscriber, u nastavku skraćeno Apple Speech. Primjetno je točniji od starog enginea za diktiranje. Htjeli smo doznati kako se u stvarnoj uporabi uspoređuje s otvorenim modelima koje ljudi preuzimaju na uređaj — Whisper, Parakeet, Qwen3-ASR i SenseVoice: je li ugrađeno prepoznavanje govora tvrtke Apple sada dovoljno dobro da u potpunosti preskočiš aplikaciju za transkripciju?
Koliko je bolji od diktiranja koje si već imao?
Dosad se prepoznavanje govora na Macu oslanjalo na engine iz doba SFSpeechRecognizer — isti onaj koji sustavno diktiranje upotrebljava i danas (DictationTranscriber). Sustavi macOS 26 i iOS 26 dodali su API SpeechAnalyzer i njegov modul SpeechTranscriber. Oba smo na istom Macu pokrenuli nad testnim dijelom skupa FLEURS — približno 150 rečenica i 30 minuta po jeziku.
| Jezik | Diktiranje Apple | Apple Speech |
|---|---|---|
| Korejski | 7,11 | 4,31 |
| Talijanski | 6,93 | 4,39 |
| Španjolski (Latinska Amerika) | 8,43 | 5,41 |
| Njemački | 12,69 | 6,26 |
| Japanski | 9,37 | 6,36 |
| Francuski | 17,10 | 7,61 |
| Kineski | 10,28 | 7,97 |
| Kantonski | 10,18 | 8,69 |
| Engleski | 13,83 | 8,80 |
| Portugalski (Brazil) | 10,85 | 9,35 |
Svi jezici koje su oba Appleova enginea izmjerila bez smetnji, poredani prema stopi pogreške Apple Speecha; zeleno označava bolju vrijednost u retku. Isto mjerenje, isti isječci, isti Mac. CER za japanski, korejski, kineski i kantonski, WER za ostale.
Apple Speech točniji je na svih deset jezika koje su oba enginea izmjerila bez smetnji. Na francuskom i njemačkom nestaje više od polovice pogrešaka, na medijanskom jeziku otprilike trećina, a na brazilskom portugalskom i kantonskom približno jedna pogreška od sedam.
Diktiranje i dalje pokriva više jezika. U ovom je mjerenju Apple Speech vratio rezultate za 21 od 83 jezične konfiguracije, a diktiranje za 33, uključujući tri jezika koja novi engine ovdje nema: nizozemski, poljski i ruski s rezultatima 17,34, 13,50 i 13,13. Ne postoji ni jedan stalan popis koji bi se mogao navesti. Jezični resursi pripadaju sustavu macOS, pa aplikacija tijekom rada pita sustav što je dostupno na određenom Macu.
Možeš li onda preskočiti modele koji se preuzimaju?
Šest enginea, iste snimke, jedan Mac. U nastavku je deset među najčešće korištenim jezicima stalnim redoslijedom koji nema nikakve veze s rezultatima.
| Jezik | Apple Speech | Qwen3-ASR | Whisper Large | Whisper Small | Parakeet | SenseVoice |
|---|---|---|---|---|---|---|
| Engleski | 8,80 | 4,49 | 5,49 | 7,04 | 6,89 | 8,46 |
| Njemački | 6,26 | 2,85 | 4,05 | 8,67 | 6,26 | — |
| Nizozemski | — | 7,36 | 5,69 | 16,75 | 8,58 | — |
| Ruski | — | 5,65 | 5,13 | 11,37 | 7,12 | — |
| Poljski | — | 12,59 | 5,45 | 15,81 | 8,30 | — |
| Japanski | 6,36 | 5,74 | 5,30 | 11,37 | — | 6,78 |
| Korejski | 4,31 | 3,54 | 4,25 | 7,30 | — | 7,85 |
| Francuski | 7,61 | 4,57 | 5,97 | 13,24 | 5,83 | — |
| Kineski | 7,97 | 6,49 | 7,97 | 20,50 | — | 7,69 |
| Španjolski (Latinska Amerika) | 5,41 | 3,38 | 3,62 | 6,22 | 4,86 | — |
Deset među najčešće korištenim jezicima, jedan engine po stupcu. Svaka ćelija prikazuje stopu pogreške tog enginea — niže je bolje; zeleno označava najnižu vrijednost u retku, bijelo drugu najnižu. CER za japanski, korejski i kineski, WER za ostale; nikad ih ne spajamo u jedan broj. Naše vlastito mjerenje na FLEURS-u, koje je proveo tim Whisper Notes, na jednom M5 MacBook Airu, čitani govor.
Skraćeni nazivi: Qwen3-ASR = Qwen3-ASR 1.7B, Whisper Large = Whisper Large V3 Turbo, Parakeet = Parakeet V3, SenseVoice = SenseVoice Small. Crtica znači da engine nema model za taj jezik.
Qwen3-ASR 1.7B ima najnižu stopu pogreške na šest od deset jezika, Whisper Large V3 Turbo na preostala četiri, a Apple Speech ni na jednom. Najbliži je vodećem na korejskom, gdje zaostaje 0,77 boda, zatim na japanskom 1,06 i kineskom 1,48; na kineskom dijeli rezultat 7,97 s modelom Whisper Large V3 Turbo. Najviše zaostaje na engleskom: 8,80 (Apple Speech) prema 4,49 (Qwen3-ASR 1.7B). Za nizozemski, poljski i ruski uopće nema rezultata Apple Speecha.
U usporedbi s modelom Whisper Small Apple Speech bio je točniji na osam od deset jezika koje su oba enginea izmjerila bez smetnji. Izgubio je na dva: engleskom — 8,80 (Apple Speech) prema 7,04 (Whisper Small) — i brazilskom portugalskom — 9,35 prema 8,61.
Benchmark objavljen u srpnju usporedio je Apple Speech s modelom Whisper Small na engleskom i pokazao prednost Applea. Važno je koja je verzija modela Whisper u usporedbi, kao i koje se snimke upotrebljavaju. Ondje je korišten LibriSpeech — naratori audioknjiga koji čitaju naglas; kod nas FLEURS — mnogo različitih ljudi koji čitaju rečenice iz Wikipedije. Naše mjerenje pokazuje razliku na engleskom, ali ne može utvrditi njezin uzrok.
U usporedbi s modelom Whisper Large V3 Turbo redoslijed se obrće. Apple Speech zaostaje na osam od tih deset jezika, na kineskom dijeli rezultat 7,97, a vodi samo na kantonskom: 8,69 (Apple Speech) prema 36,75 (Whisper Large V3 Turbo) — pogledaj kantonski redak u nastavku. OpenAI u bilješkama uz izdanje Turbo navodi kantonski među jezicima na kojima se model najviše pogoršao, pa je 36,75 poznata slabost Whispera, a ne neobičnost našeg mjerenja.
Na korejskom Apple Speech pogriješi približno jedan znak od 23. Najtočniji model u ovom mjerenju, Qwen3-ASR 1.7B, pogriješi približno jedan od 28: 4,31 (Apple Speech) prema 3,54 (Qwen3-ASR 1.7B).
Parakeet V3 zahtijeva preuzimanje 465 MB i točniji je na svakom europskom jeziku koji podržavaju oba enginea: na engleskom 6,89 (Parakeet V3) prema 8,80 (Apple Speech), na francuskom 5,83 prema 7,61, na španjolskom 4,86 prema 5,41, na talijanskom 3,43 prema 4,39 i na brazilskom portugalskom 6,49 prema 9,35. Na njemačkom oba imaju rezultat 6,26. Parakeet ne podržava japanski, korejski, kineski ni kantonski — od tog para ondje je dostupan samo Apple Speech.
Među šest redaka u kojima vodi Qwen3-ASR 1.7B nalaze se engleski, njemački, francuski i španjolski.
SenseVoice Small ovdje je najbrži — 162,3× brže od stvarnog vremena. Na kineskom i engleskom njegovi su rezultati blizu Apple Speechu: 7,69 (SenseVoice Small) prema 7,97 (Apple Speech) i 8,46 prema 8,80. Na korejskom znatno zaostaje: 7,85 (SenseVoice Small) prema 4,31 (Apple Speech).
Veličina i brzina
| Engine | Brzina | Vršno zauzeće memorije | Preuzimanje |
|---|---|---|---|
| SenseVoice Small | 162,3× brže od stvarnog vremena | 0,95 GiB | 827 MB |
| Parakeet V3 | 75,6× brže od stvarnog vremena | 0,09 GiB | 465 MB |
| Apple Speech | 30,8× brže od stvarnog vremena | nije navedeno | <5 MB |
| Qwen3-ASR 1.7B | 11,1× brže od stvarnog vremena | 2,43 GiB | oko 2,5 GB |
| Whisper Small | 7,9× brže od stvarnog vremena | 0,87 GiB | 600 MB |
| Whisper Large V3 Turbo | 3,0× brže od stvarnog vremena | 1,87 GiB | oko 1,6 GB |
Brzina je medijan svakog enginea kroz trinaest jezika koje ovaj tekst mjeri bez smetnji, računajući samo one koje je pokrenuo — propusnost obrade pojedinačnih stavki, dijagnostička mjera, a ne latencija proizvoda. Vršno zauzeće memorije vrh je grupe procesa u ovom mjerenju. Apple Speech dekodira unutar usluge macOS koja nije u vlasništvu aplikacije koja je poziva, pa ondje nijedna brojka ne bi značila isto što i za ostalih pet.
Apple Speech radio je 30,8× brže od stvarnog vremena, iza modela Parakeet V3 sa 75,6× i SenseVoice Small sa 162,3×. Njegov jezični paket macOS preuzima jednom i dijele ga sve aplikacije, pa se za njega ništa ne dodjeljuje u vlastitom procesu aplikacije. Usluga koja dekodira i dalje upotrebljava memoriju, ali tu potrošnju ne možemo precizno pripisati, pa umjesto nule ne navodimo nikakvu vrijednost.
Whisper Large V3 Turbo ovdje je najsporiji — 3,0× brže od stvarnog vremena — i ima najnižu stopu pogreške u četiri od deset redaka, uz približno 1,6 GB na disku. Qwen3-ASR 1.7B osvaja preostalih šest, zauzima približno 2,5 GB na disku, a vršna potrošnja memorije iznosi 2,43 GiB. Whisper Small sa 600 MB poštena je usporedba za ugrađeni engine.
Za koje je jezike Apple Speech dobar izbor?
Jezik po jezik:
- Engleski: nije dobar izbor. Apple Speech postigao je 8,80; Qwen3-ASR 1.7B (4,49) ili Whisper Large V3 Turbo (5,49) očito je točniji.
- Njemački: nije dobar izbor. Apple Speech postigao je 6,26; Qwen3-ASR 1.7B (2,85) ili Whisper Large V3 Turbo (4,05) očito je točniji.
- Nizozemski, ruski i poljski: Apple Speech nema model za ta tri jezika. Whisper Large V3 Turbo bio je najtočniji na svakom, s 5,69, 5,13 i 5,45.
- Japanski: upotrebljiv. Apple Speech postigao je 6,36, iza Whisper Large V3 Turbo s 5,30.
- Korejski: upotrebljiv. Apple Speech postigao je 4,31, iza Qwen3-ASR 1.7B s 3,54.
- Francuski: nije dobar izbor. Apple Speech postigao je 7,61; Qwen3-ASR 1.7B (4,57) ili Parakeet V3 (5,83) očito je točniji.
- Kineski: upotrebljiv. Apple Speech postigao je 7,97, izjednačen s Whisper Large V3 Turbo; najtočniji je bio Qwen3-ASR 1.7B s 6,49.
- Španjolski: nije dobar izbor. Apple Speech postigao je 5,41; Qwen3-ASR 1.7B (3,38) ili Whisper Large V3 Turbo (3,62) očito je točniji.
Modeli koji se preuzimaju i dalje pobjeđuju u točnosti: svaki redak glavne tablice vodi Qwen3-ASR 1.7B ili Whisper Large V3 Turbo. Apple Speech stvarna je mogućnost za korejski, japanski i kineski; za europske jezike bolje je posegnuti za modelom Parakeet V3.
U aplikaciji Whisper Notes za Mac Parakeet V3 i dalje je zadani. U aplikaciji za Mac preuzetoj s naše web-stranice Apple Speech dostupan je kao neobavezan model na sustavu macOS 26 ili novijem, a aplikacija nudi jezik samo kad macOS javi da ga tvoj Mac podržava.
Apple Speech skraćeni je naziv za SpeechTranscriber tvrtke Apple koji se koristi u ovom tekstu, API na uređaju koji svaka aplikacija za Mac može pozvati na sustavu macOS 26 ili novijem. To je sistemski engine, a ne model koji preuzimaš: Whisper Notes za Mac može ga koristiti u verziji preuzetoj s naše web-stranice, s jezičnim paketom koji daje macOS. Modeli koje aplikacija sama preuzima i dalje su Whisper, Parakeet V3, SenseVoice i Qwen3-ASR u toj verziji te Whisper, Parakeet V3 i SenseVoice na iPhoneu i u verziji iz Mac App Storea. Tablica po engineima je naš popis jezika koje podržavaju Whisper, Parakeet V3 i SenseVoice.
Izvan tih deset jezika
| Jezik | Apple Speech | Qwen3-ASR | Whisper Large | Whisper Small | Parakeet | SenseVoice |
|---|---|---|---|---|---|---|
| Talijanski | 4,39 | 2,58 | 2,58 | 7,64 | 3,43 | — |
| Kantonski | 8,69 | 6,44 | 36,75 | 119,01 | — | 37,23 |
| Portugalski (Brazil) | 9,35 | 5,17 | 5,44 | 8,61 | 6,49 | — |
| Hindi | 101,50 | 13,19 | 29,64 | 61,26 | — | — |
Još četiri jezika iz istog mjerenja. Isti stupci, boje i kratki nazivi kao iznad; CER za kantonski, WER za ostale.
Rezultat Apple Speecha za hindski ne ulazi u poredak tog retka iz razloga opisanog u nastavku. Stopa pogreške može premašiti 100 % jer se umetanja također računaju u brojnik.
Rezultat 4,39 (Apple Speech) stavlja talijanski iza izjednačenja 2,58 između modela Qwen3-ASR 1.7B i Whisper Large V3 Turbo. Kantonski je jedini jezik na kojem je Apple Speech završio ispred modela Whisper Large V3 Turbo: 8,69 (Apple Speech) prema 36,75 (Whisper Large V3 Turbo); prvi je bio Qwen3-ASR 1.7B sa 6,44. Na brazilskom portugalskom 9,35 (Apple Speech) — to je jedan od dva retka u kojima je ispred Whisper Small s 8,61.
Hindski je dao drukčiju vrstu rezultata. Apple Speech zapisao je hindski govor engleskim slovima umjesto da ga zapiše znakovima kojima se hindski obično piše, pa se gotovo svaka riječ računa kao pogrešna i vrijednost prelazi 100 %. Isto se dogodilo s teluškim, urdskim, pandžapskim, bengalskim, nepalskim, malajalamskim, marathskim, kannadskim, gudžaratskim i tamilskim — svi su iznad 100 % — pa ih nema u tablici.
Kako radi SpeechAnalyzer
SpeechAnalyzer zamjenjuje API za prepoznavanje govora koji Apple nudi od sustava iOS 10, na svim Appleovim platformama osim watchOS-a. Aplikacija stvara SpeechAnalyzer, dodaje mu module i šalje zvuk kao asinkroni slijed koji sama popunjava; SpeechTranscriber je modul koji govor pretvara u tekst. Rezultati se vraćaju kao drugi slijed, obično u drugom zadatku, a svaki međuspremnik i svaki rezultat ima vremensku oznaku u odnosu na vlastitu vremensku crtu zvuka.
Jedna sesija, tri zadatka: zvuk ulazi kao AsyncSequence, SpeechAnalyzer i SpeechTranscriber ga analiziraju, a rezultati se vraćaju kao druga AsyncSequence koju čita sučelje. Izvor: Apple, sesija WWDC25 277.
Rezultati stižu dvaput. Sve unutar raspona koji Apple naziva promjenjivim još se može zamijeniti boljim rezultatom; sve izvan njega konačno je. Tako aplikacija prikazuje grubu transkripciju dok još govoriš i poslije je ispravlja. Apple navodi pet projektnih ciljeva za model SpeechTranscriber: dug zvuk, razgovorni govor, udaljene govornike, malu latenciju i privatnost, što znači da radi na uređaju. Na njemu se temelje Bilješke, Diktafon, Dnevnik i sažeci poziva.
Pet projektnih ciljeva modela SpeechTranscriber koje navodi Apple. Izvor: Apple, sesija WWDC25 277.
Modeli nisu dio nijedne aplikacije. Sustav ih preuzima s Appleovih poslužitelja putem AssetInventoryja, pohranjuje, ažurira i dijeli među aplikacijama. Ne povećavaju veličinu preuzimanja aplikacije, a dekodiranje se odvija izvan procesa koji ih je pozvao. Kada SpeechTranscriber nema model za određeni jezik ili uređaj, posao preuzima DictationTranscriber s istim modelima kao sustavno diktiranje.
Metodologija i ograničenja
Pet od šest enginea u ovim tablicama modeli su koje preuzima Whisper Notes. Svaki je engine prepisivao iste snimke, istim redoslijedom, jednu po jednu, na jednom M5 MacBook Airu (32 GB, macOS 27.0). Zvuk dolazi iz testnog dijela Google FLEURS u reviziji 70bb2e84 — približno 150 rečenica i 30 minuta po jeziku. Stalni sažetak vlastitih identifikatora stavki skupa podataka određuje njihov redoslijed; uzimamo najkraći slijed cijelih stavki koji prelazi trideset minuta. Izlaz modela nije ni na koji način utjecao na taj odabir. Svaku smo ćeliju ponovno sastavili iz njezine vlastite potvrde i ponovno provjerili; svih 285 prošlo je provjeru. Rezultati su stopa pogreške riječi ondje gdje su riječi odvojene razmacima te stopa pogreške znakova za japanski, korejski, kineski i kantonski; nikada ih ne spajamo u jedan broj.
Stupce Whisper možeš usporediti s vlastitim brojkama OpenAI-ja. Za dvanaest jezika za koje OpenAI objavljuje rezultat FLEURS za Whisper Large V3 Turbo, naše se vrijednosti razlikuju u prosjeku za 0,7 boda, a deset od dvanaest ulazi u 95-postotni interval našeg mjerenja; za jedanaest jezika izvan indijskih redaka naši se rezultati Whisper Small razlikuju u prosjeku za 1,0 boda od tablice pojedinačnih jezika u radu o modelu Whisper. Stupac Apple Speech nastao je iz istih snimki, istog ocjenjivanja i iste normalizacije.
FLEURS je čist čitani govor. Ništa od ovoga ne govori kako se enginei ponašaju u bučnoj prostoriji ili tijekom dvosatnog sastanka; razlike u takvim uvjetima nismo mjerili. Sve je pokrenuto na jednom računalu. Uz približno 150 rečenica po jeziku enginee s razlikom manjom od otprilike jednog boda treba smatrati izjednačenima; točna izjednačenja već su označena u tablicama, primjerice na talijanskom, gdje su Qwen3-ASR 1.7B i Whisper Large V3 Turbo postigli 2,58.
Često postavljana pitanja
Apple Speech ili Whisper Small: što je točnije?
Apple Speech, na osam od deset jezika koje su oba enginea izmjerila bez smetnji. Gubi na engleskom, 8,80 (Apple Speech) prema 7,04 (Whisper Small), i na brazilskom portugalskom, 9,35 prema 8,61. Najveću prednost ima na kineskom, 7,97 (Apple Speech) prema 20,50 (Whisper Small); na francuskom 7,61 prema 13,24; na japanskom 6,36 prema 11,37; i na kantonskom 8,69 prema 119,01. Whisper Small preuzimanje je od 600 MB i radio je 7,9× brže od stvarnog vremena, prema 30,8× za Apple Speech.
Apple Speech ili Parakeet V3: što je točnije?
Parakeet V3, na svakom europskom jeziku koji podržavaju oba enginea: na engleskom 6,89 (Parakeet V3) prema 8,80 (Apple Speech), na francuskom 5,83 prema 7,61, na španjolskom 4,86 prema 5,41, na talijanskom 3,43 prema 4,39 i na brazilskom portugalskom 6,49 prema 9,35; na njemačkom oba imaju 6,26. Parakeet V3 ne podržava japanski, korejski, kineski ni kantonski — od tog para ondje je dostupan samo Apple Speech. Parakeet V3 preuzimanje je od 465 MB i radio je 75,6× brže od stvarnog vremena, a Apple Speech 30,8×.
Apple Speech ili Whisper Large V3 Turbo: što je točnije?
Whisper Large V3 Turbo, na osam od deset jezika koje su oba enginea izmjerila bez smetnji: engleski 5,49 (Whisper Large V3 Turbo) prema 8,80 (Apple Speech), njemački 4,05 prema 6,26, japanski 5,30 prema 6,36, korejski 4,25 prema 4,31, francuski 5,97 prema 7,61, španjolski 3,62 prema 5,41, talijanski 2,58 prema 4,39, brazilski portugalski 5,44 prema 9,35. Na kineskom su izjednačeni na 7,97; Apple Speech vodi samo na kantonskom, 8,69 (Apple Speech) prema 36,75 (Whisper Large V3 Turbo). Turbo pokriva i nizozemski, ruski i poljski, s 5,69, 5,13 i 5,45. Zauzima oko 1,6 GB i ovdje je najsporiji engine — 3,0× brže od stvarnog vremena.
Koje jezike podržava Apple Speech?
U našem je mjerenju Apple Speech vratio rezultate na 21 od 83 konfiguracije: engleski, njemački, francuski, španjolski, talijanski, portugalski (Brazil), japanski, korejski, kineski, kantonski i jedanaest južnoazijskih jezika — hindski, teluški, urdski, pandžapski, bengalski, nepalski, malajalamski, marathski, kannadski, gudžaratski i tamilski — na kojima je odgovarao engleskim slovima, a ne znakovima kojima se ti jezici obično pišu. Nizozemskog, poljskog i ruskog nema; popis određuje macOS za svako računalo. Vodećima je najbliži na korejskom, japanskom i kineskom, gdje zaostaje 0,77, 1,06 i 1,48, a najviše zaostaje na engleskom: 8,80 (Apple Speech) prema 4,49 (Qwen3-ASR 1.7B). Na svih deset jezika koje su oba izmjerila točniji je od starog diktiranja. Whisper u aplikaciji Whisper Notes pokriva cijeli popis jezika aplikacije na svakom kanalu.
Što je SpeechAnalyzer i je li to isto što i diktiranje Apple?
SpeechAnalyzer je API koji je Apple predstavio na WWDC-u 2025 i isporučio u sustavima macOS 26 i iOS 26. SpeechTranscriber je engine za transkripciju unutar njega, koji u ovom tekstu nazivamo Apple Speech; diktiranje je stariji kompatibilni engine. Pokrenuli smo oba i Apple Speech bio je točniji na svih deset jezika koje su oba izmjerila bez smetnji. Diktiranje pokriva više jezika — 33 konfiguracije prema 21, uključujući nizozemski, poljski i ruski sa 17,34 %, 13,50 % i 13,13 % WER (diktiranje) prema 5,69 %, 5,45 % i 5,13 % (Whisper Large V3 Turbo).
Napušta li zvuk moj Mac kad koristim Apple Speech?
Apple opisuje SpeechTranscriber kao prepoznavanje govora na uređaju: macOS jednom preuzima jezične resurse, nakon čega prepoznavanje radi lokalno. Mjerili smo točnost i brzinu, a ne ponašanje mreže, pa ovaj dio navodimo prema Appleovu opisu. Enginei koje preuzima sam Whisper Notes — Whisper, Parakeet V3, SenseVoice i Qwen3-ASR — rade na GPU-u ili Neural Engineu tvog Maca bez računa i API key, a transkripcija radi bez mreže na svakom kanalu. Apple Speech dostupan je u aplikaciji za Mac preuzetoj s naše web-stranice, na sustavu macOS 26 ili novijem: sistemski engine na tvom Macu, a njegov jezični paket preuzima macOS.
Zašto se ove brojke ne podudaraju s točnošću koju dobivam na svojim snimkama?
Zato što FLEURS sadrži kratak, čist, čitani govor, a tvoje su snimke obično drukčije. Naše je mjerenje kalibracija na javnom skupu podataka: približno 150 rečenica i 30 minuta po jeziku, jedan M5 MacBook Air i iste snimke za svaki engine. Pokazuje je li engine razuman izbor za tvoj jezik, a ne kakav ćeš rezultat dobiti na sastanku, na bučnoj snimci ili u dvosatnoj datoteci.
Isprobaj
Svih pet modela za preuzimanje — Whisper Small, Whisper Large V3 Turbo, Parakeet V3, SenseVoice Small i Qwen3-ASR 1.7B — nalazi se u Whisper Notes za Mac preuzetom s naše web-stranice, u Postavkama → Model transkripcije. Na sustavu macOS 26 ili novijem Apple Speech pojavljuje se na istom popisu; ako aplikaciju već imaš, ažuriraj je na najnoviju verziju.
Ako se naše brojke ne podudaraju s tvojim iskustvom na nekom jeziku, piši na mac@whispernotes.app. Potpune bilješke o izdanju: whispernotes.app/changelog.
Izvori: naše mjerenje na testnom dijelu skupa Google FLEURS u reviziji 70bb2e84, dokumentacija Apple za SpeechAnalyzer i prethodno mjerenje Qwen3-ASR na trideset jezika.
Preuzmi za macOS