TL;DR
| Parakeet V3 | Usporedba s Whisperom | |
|---|---|---|
| Brzina | 10× vs Turbo; ~23× vs V3 | Polazište: Turbo / Large V3 |
| Podržani jezici | 25 | 100+ |
| Stopa pogreške za engleski (WER) | 6.32% | Turbo 7.83%; V3 7.44% |
| Prosj. stopa pogreške, 25 jezika (WER) | 12.0% | 12.6% |
| Halucinacije | Gotovo nikakve na tišini u našim testovima | Mogu se pojaviti na tišini |
| Najbolje za | Engleski i europske jezike | Azijske, arapski, 100+ |
* Brzina: isti 35-minutni audio na Apple Siliconu. Engleski WER: Hugging Face Open ASR Leaderboard. Prosjek za 25 jezika: FLEURS benchmark. Ponašanje na tišini naše je zapažanje o proizvodu, a ne jamstvo nula pogrešaka.
Od verzije 1.3.2 (Direct Download / DMG), Whisper Notes za Mac koristi NVIDIA Parakeet TDT 0.6B kao zadani engine za prepoznavanje govora. 10x je brži od Whisper Large V3 Turbo za engleski i pritom precizniji. Whisper modeli su i dalje dostupni ako ti trebaju drugi jezici.
Zašto smo promijenili zadani model
Whisper je odličan, ali je dizajniran kao univerzalni alat. Podržava više od 100 jezika, prevodi, generira vremenske oznake — pravi švicarski nožić. Cijena za to je brzina. Za diktiranje na engleskom, kad jednostavno želiš riječi na ekranu što brže, to je previše.
Evo što me smetalo: kad koristiš sistemsko diktiranje preko Fn tipke s Whisperom, nakon otprilike minutnog govora trebaš čekati 3–5 sekundi da se pojavi transkript. Ta pauza lomi ritam. Prestaneš govoriti, čekaš, gledaš u kursor — i čarolija glasovnog tipkanja nestane.
Parakeet je to potpuno promijenio. Brzina je toliko velika da se transkript pojavi u trenutku kad prestaneš govoriti. Govoriš i riječi su jednostavno tu. Kad jednom osjetiš to — taj bešavni tok bez čekanja — jako se teško vratiti na Whisper.
Koliko je brz Parakeet V3?
Brojke govore sve. Evo stvarne usporedbe na 35-minutnoj audio datoteci na istom Macu:
| Model | 35 min audio |
|---|---|
| Whisper Large V3 Turbo | 3 minute |
| Parakeet TDT 0.6B v3 | 18 sekundi |
10x brže. A budući da je model manji (600M naspram 800M parametara), troši i manje memorije i baterije.
Što Parakeet v3 čini tako brzim
Whisper obrađuje audio kao da čitaš knjigu naglas — riječ po riječ, okvir po okvir, nikad ne preskače unaprijed. Čak i tijekom tišine nastavlja obrađivati i pogađati što dolazi sljedeće. To je temeljito, ali sporo.
Parakeet ima fundamentalno drugačiji pristup. Komprimira audio signal 8x prije obrade, tako da model vidi samo ono što je bitno. Zatim, umjesto da melje svaki pojedinačni okvir, predviđa ne samo koju si riječ rekao, nego i koliko dugo ta riječ traje — i preskače naprijed. Tišina? Potpuno preskočena. Dugi samoglasnik? Jedna predikcija umjesto desetaka.
Rezultat je model koji obrađuje govor onako kako to radi tvoj mozak — fokusira se na riječi, ignorira praznine. Zato je 10x brži s manje parametara i višom preciznošću.
Benchmarkovi: Parakeet v3 vs. Whisper
Parakeet v3 izjednačuje ili nadmašuje modele 2-4x veće na benchmarkovima FLEURS, CoVoST i MLS
Na Hugging Face Open ASR Leaderboard ljestvici, Parakeet v3 je na vrhu sa samo 600M parametara — to je manje od polovice 1.55B koliko ima Whisper Large V3:
| Model | Parametri | Prosječni WER | Brzina (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 |
Niži WER = manje grešaka. Viši RTFx = brže. Parakeet pobjeđuje u oboje. Sa 600M parametara, to je ujedno i najmanji model na cijelom popisu — što znači da prekrasno radi na Apple Siliconu s minimalnom potrošnjom memorije i baterije.
Višejezični WER: svih 25 jezika
Gornja ljestvica pokriva samo engleski. Evo cjelovite slike — kako se tri modela dostupna u Whisper Notes uspoređuju na svih 25 jezika koje Parakeet podržava, mjereno na benchmarku FLEURS. Niži WER = manje grešaka u transkripciji. Najbolja vrijednost između Large V3 i Parakeet istaknuta je u svakom retku:
| Jezik | Whisper Small | Whisper Large V3 | Parakeet V3 |
|---|---|---|---|
| Bugarski | 37.3 | 12.9 | 12.6 |
| Hrvatski | 33.4 | 11.1 | 12.5 |
| Češki | 37.6 | 11.3 | 11.0 |
| Danski | 32.8 | 12.6 | 18.4 |
| Nizozemski | 16.4 | 5.6 | 7.5 |
| Engleski | 6.1 | 4.3 | 4.9 |
| Estonski | 51.3 | 19.1 | 17.7 |
| Finski | 24.0 | 7.7 | 13.2 |
| Francuski | 15.0 | 6.3 | 5.2 |
| Njemački | 10.2 | 4.3 | 5.0 |
| Grčki | 30.8 | 27.0 | 20.7 |
| Mađarski | 38.9 | 14.1 | 15.7 |
| Talijanski | 9.8 | 2.3 | 3.0 |
| Latvijski | 53.2 | 18.3 | 22.8 |
| Litavski | 65.6 | 22.3 | 20.4 |
| Malteški | 92.2 | 68.9 | 20.5 |
| Poljski | 14.7 | 4.7 | 7.3 |
| Portugalski | 7.3 | 3.7 | 4.8 |
| Rumunjski | 29.8 | 8.2 | 12.4 |
| Ruski | 11.4 | 4.2 | 5.5 |
| Slovački | 33.3 | 8.4 | 8.8 |
| Slovenski | 49.3 | 19.9 | 24.0 |
| Španjolski | 5.6 | 3.1 | 3.5 |
| Švedski | 20.8 | 7.9 | 15.1 |
| Ukrajinski | 19.3 | 6.5 | 6.8 |
| Prosjek | 29.8 | 12.6 | 12.0 |
WER (%) na FLEURS. Podaci za Whisper Small iz Radford et al.; podaci za Large V3 i Parakeet V3 iz NVIDIA Canary-1B-v2 članka.
Whisper Large V3 vodi u većini pojedinačnih jezika, ali Parakeet V3 je u prosjeku vrlo blizu (12.0% naspram 12.6%), vodi na grčkom, francuskom, estonskom i malteškom, a prosječnu stopu pogreške Whisper Smalla smanjuje za oko 60%. Praktična prednost leži u kombinaciji: višejezična točnost na razini Large V3 uz otprilike 23× veću brzinu, manji memorijski otisak pri radu i znatno pouzdanije ponašanje na tišini u našim testovima diktiranja.
Zašto manje halucinira na tišini
Ako si koristio Whisper za diktiranje, vjerojatno si vidio kako halucinira tijekom tišine — ponavlja fraze, izmišlja riječi ili iz ničega izbaci „Subtitles by Amara.org“. To se događa jer autoregresivni dekoder Whispera uvijek očekuje da će generirati tekst, čak i kad nema ništa za transkribirati.
Parakeetova transducer arhitektura može emitirati prazne izlaze umjesto da forsira tekstualni token. U našim testovima sistemskog diktiranja to ga čini znatno manje sklonim od Whispera da pauzu popuni ponovljenim ili nepovezanim tekstom. I dalje je riječ o govornom modelu, pa je točna tvrdnja „znatno manje vjerojatno“, a ne „nikad“.
Koje jezike Parakeet podržava
Parakeet v3 podržava 25 jezika: bugarski, hrvatski, češki, danski, nizozemski, engleski, estonski, finski, francuski, njemački, grčki, mađarski, talijanski, latvijski, litavski, malteški, poljski, portugalski, rumunjski, ruski, slovački, slovenski, španjolski, švedski i ukrajinski.
To pokriva veći dio Europe, ali ne i kineski, japanski, korejski, arapski ili hindi. Za kineski, japanski, korejski i kantonski odaberi SenseVoice; za arapski, hindi i druge jezike izvan Parakeetova skupa koristi Whisper Large V3 Turbo.
Izbornik modela: Parakeet V3 (zadani), SenseVoice Small, Whisper Small i Whisper Large V3 Turbo — svi rade lokalno
Izbornik modela u Whisper Notes
Otvori Postavke za prebacivanje između modela:
- Parakeet V3 (zadani) — Najbrži, najbolji izbor za engleski i europske jezike
- SenseVoice Small — Najbrži za kineski, japanski, korejski i kantonski
- Whisper Small — Lagan, više od 100 jezika
- Whisper Large V3 Turbo — Široka pokrivenost, više od 100 jezika
Svi modeli rade 100% lokalno na tvom Macu. Bez interneta, bez clouda, podaci ne napuštaju tvoj uređaj.
A što s Parakeet V2?
Ako si koristio V2, možda se pitaš kako se uspoređuju. V2 je bio model samo za engleski — a njegova je točnost na engleskom zapravo nešto bolja od V3 (WER 6.05% naspram 6.32%). V3 tu sitnu razliku mijenja za podršku za 25 jezika. Oba su znatno točnija od Whispera.
| Parakeet V2 | Parakeet V3 | Whisper Large V3 | |
|---|---|---|---|
| WER (engleski) | 6.05% | 6.32% | 7.44% |
| Jezici | Samo engleski | 25 | 100+ |
Ukratko: ako ti treba samo engleski, i V2 i V3 su izvrsni. V3 je zadani model u Whisper Notes jer je višejezična podrška važna većini korisnika — a razlika u točnosti engleskog je zanemariva.
A što s WhisperKitom?
WhisperKit je Argmaxov open-source Swift framework za pokretanje Whisper modela na Apple uređajima. To je alat za developere, a ne aplikacija za krajnje korisnike — i pokreće Whisper, a ne Parakeet (koji je NVIDIA-ina obitelj modela). Ako želiš on-device transkripciju u stilu WhisperKita bez pisanja Swifta, Whisper Notes istu ideju pakira u gotovu aplikaciju: Parakeet V3, Whisper Large V3 Turbo i SenseVoice, svi rade lokalno na Macu i iPhoneu.
Uspoređuješ sve lokalne opcije? Svaki on-device model za pretvaranje govora u tekst — Whisper varijante, Parakeet V3, SenseVoice i Voxtral — uspoređen je jedan uz drugi na našoj stranici za usporedbu Whisper modela. Whisper ti je nov? Kreni od vodiča za transkripciju s Whisperom — što je taj model, svi načini da ga pokreneš i koliko košta.
Često postavljana pitanja
Je li Parakeet V3 bolji od Whispera?
Za engleski i europske jezike često jest. U našem 35-minutnom testu Parakeet je bio 10× brži od Whisper Turba, a Open ASR Leaderboard navodi engleski WER od 6.32% za Parakeet naspram 7.83% za Turbo. Whisper i dalje pokriva daleko više jezika: više od 100 naspram Parakeetovih 25.
Koje jezike podržava Parakeet V3?
Parakeet V3 podržava 25 jezika: bugarski, hrvatski, češki, danski, nizozemski, engleski, estonski, finski, francuski, njemački, grčki, mađarski, talijanski, latvijski, litavski, malteški, poljski, portugalski, rumunjski, ruski, slovački, slovenski, španjolski, švedski i ukrajinski.
Mogu li pokretati Parakeet V3 na Macu?
Da. Whisper Notes za Mac isporučuje Parakeet V3 kao zadani engine. Radi 100% lokalno na Apple Siliconu — bez interneta, bez clouda, podaci ne napuštaju tvoj uređaj. Preuzmi besplatni probni DMG i isprobaj ga.
Halucinira li Parakeet V3 kao Whisper?
U našim testovima s tišinom znatno rjeđe, ali nijedan govorni model ne zaslužuje tvrdnju „nikad“. Parakeet tijekom pauza može emitirati prazne izlaze, dok je Whisperov autoregresivni dekoder skloniji ponavljanju fraza ili nepovezanom tekstu kad je ulaz tišina.
Parakeet V2 ili V3 — koji koristiti?
Parakeet V2 podržava samo engleski, uz nešto bolju točnost engleskog (WER 6.05% naspram 6.32%). V3 tu sitnu razliku mijenja za 25 europskih jezika i zadani je model u Whisper Notes. Osim ako transkribiraš isključivo engleski i loviš zadnji djelić postotka, koristi V3.
Podržava li Parakeet V3 japanski, kineski ili korejski?
Ne — svih njegovih 25 jezika su europski. Za kineski, japanski, korejski ili kantonski, Whisper Notes uključuje SenseVoice (52x brži od Whispera za CJK jezike) i Whisper modele. Svi rade offline i na Macu i na iPhoneu.
Koliko je velik Parakeet V3?
600 milijuna parametara — preuzimanje od 465 MB koje tijekom transkripcije u našoj Mac verziji koristi otprilike 800 MB memorije. Whisper Large V3 Turbo je preuzimanje od oko 1.6 GB i u istoj aplikaciji koristi otprilike 1.6 GB memorije.
Isprobaj
Parakeet v3 je dostupan odmah u verziji za Mac — samo preuzmi najnoviji DMG. Ažuriranje: Parakeet je sada dostupan i u najnovijoj verziji za iOS.
Pitanja ili povratne informacije? Piši na support@whispernotes.app.
Preuzmi za iOS