Whisper modeli nisu jedina mogućnost za offline transkripciju. Whisper Notes ima šest modela za prepoznavanje govora koji rade bez interneta:
- Parakeet (ugrađen)
- Whisper Large V3 Turbo
- Whisper Small
- Qwen3-ASR 1.7B (Mac)
- SenseVoice Small
- Apple Speech (Mac, macOS 26 ili noviji)
Koji je najtočniji, ovisi o jeziku na kojem govoriš.
Koji je model najtočniji?
Sve smo modele testirali na istom MacBook Airu (M5). U tablici su stope pogreške (niže je bolje), a najniža u svakom retku označena je zeleno:
| Jezik | Parakeet | Whisper Large V3 Turbo | Whisper Small | Qwen3-ASR 1.7B1 | SenseVoice Small | Apple Speech1 |
|---|---|---|---|---|---|---|
| Engleski | 5,89 % | 5,49 % | 7,04 % | 4,49 % | 8,46 % | 8,80 % |
| Njemački | 5,19 % | 4,05 % | 8,67 % | 2,85 % | — | 6,26 % |
| Nizozemski | 7,89 % | 5,69 % | 16,75 % | 7,36 % | — | — |
| Japanski | — | 5,30 % | 11,37 % | 5,74 % | 6,78 % | 6,36 % |
| Poljski | 6,59 % | 5,45 % | 15,81 % | 12,59 % | — | — |
| Ruski | 6,17 % | 5,13 % | 11,37 % | 5,65 % | — | — |
| Francuski | 5,19 % | 5,97 % | 13,24 % | 4,57 % | — | 7,61 % |
| Španjolski | 3,95 % | 3,62 % | 6,22 % | 3,38 % | — | 5,41 % |
| Korejski | — | 4,25 % | 7,30 % | 3,54 % | 7,85 % | 4,31 % |
| Ukrajinski | 5,11 % | 6,33 % | 17,48 % | — | — | — |
| Kineski | — | 7,97 % | 20,50 % | 6,49 % | 7,69 % | 7,97 % |
| Kantonski | — | —2 | —2 | 6,44 % | —2 | 8,69 % |
| Talijanski | 2,62 % | 2,58 % | 7,64 % | 2,58 % | — | 4,39 % |
| Portugalski | 5,81 % | 5,44 % | 8,61 % | 5,17 % | — | 9,35 % |
| Švedski | 13,30 % | 8,78 % | 21,66 % | 19,80 % | — | — |
| Turski | — | 5,95 % | 14,24 % | 8,81 % | — | — |
| Češki | 11,03 % | 11,94 % | 38,71 % | 24,59 % | — | — |
| Norveški | — | 8,99 % | 24,50 % | — | — | — |
| Finski | 10,44 % | 7,11 % | 25,91 % | 27,71 % | — | — |
| Arapski | — | 15,72 % | 32,81 % | 14,32 % | — | — |
| Slovački | 8,79 % | 9,59 % | 32,43 % | — | — | — |
| Danski | 15,92 % | 13,63 % | 34,14 % | 22,24 % | — | — |
| Hindski | — | 29,64 % | 61,26 % | 13,19 % | — | —3 |
| Tajlandski | — | 13,40 % | 23,52 % | 6,53 % | — | — |
| Indonezijski | — | 6,31 % | 16,31 % | 4,91 % | — | — |
| Mađarski | 13,74 % | 14,59 % | 40,65 % | 36,63 % | — | — |
| Vijetnamski | — | 8,10 % | 18,12 % | 4,91 % | — | — |
| Malajski | — | 9,22 % | 19,72 % | 10,62 % | — | — |
| Grčki | 34,00 % | 13,94 % | 31,64 % | 30,22 % | — | — |
| Rumunjski | 9,68 % | 8,36 % | 29,45 % | 20,20 % | — | — |
| Filipinski | — | 9,72 % | 25,60 % | 23,31 % | — | — |
| Bugarski | 12,44 % | 14,54 % | 39,68 % | — | — | — |
| Slovenski | 20,32 % | 19,15 % | 48,54 % | — | — | — |
| Estonski | 15,56 % | 19,08 % | 50,84 % | — | — | — |
| Hrvatski | 12,49 % | 11,49 % | 33,76 % | — | — | — |
| Litavski | 17,97 % | 23,28 % | 67,23 % | — | — | — |
| Malteški | 19,38 % | 74,35 % | 95,68 % | — | — | — |
| Islandski | — | 19,75 % | 73,96 % | — | — | — |
| Katalonski | — | 5,80 % | 15,51 % | — | — | — |
| Galicijski | — | 12,23 % | 31,09 % | — | — | — |
| Makedonski | — | 17,46 % | 37,11 % | 18,57 % | — | — |
| Bosanski | — | 14,85 % | 39,60 % | — | — | — |
Za kineski, japanski, korejski, kantonski i tajlandski navodimo stopu pogreške znakova, za ostale jezike stopu pogreške riječi. Ako tvog jezika nema u tablici, pogledaj stranicu Podržani jezici.
1 Samo na Macu, i to zasad u Mac aplikaciji s naše web-stranice; na verziji iz Mac App Storea još radimo. 2 Rezultate modela SenseVoice Small i Whisper za kantonski zasad ne objavljujemo jer još nismo provjerili ocjenjuje li ih ovaj test pošteno. 3 Apple Speech cijeli je hindski tekst zapisao latinicom, pa ga nije moguće ocijeniti.
Koji je model najbrži? Koliko traje transkripcija jednosatne snimke?
| Model | Brzina (× stvarnog vremena) | Sat snimke | Preuzimanje | Memorija |
|---|---|---|---|---|
| SenseVoice Small | 115–131× | oko 30 s | oko 450 MB | oko 700 MB |
| Parakeet | 75,8× | oko 50 s | Ugrađen (oko 630 MB) | oko 800 MB |
| Apple Speech | 19,7× | oko 3 min | Njime upravlja macOS | — |
| Qwen3-ASR 1.7B | 7,6× | oko 8 min | oko 2,5 GB | oko 2,6 GB |
| Whisper Small | 6,5× | oko 9 min | oko 400 MB | oko 1 GB |
| Whisper Large V3 Turbo | 2,7× | oko 22 min | oko 2 GB | oko 2,4 GB |
Brzina, veličina preuzimanja i memorija navedene su prema kartici svakog modela u Mac aplikaciji. Brzina obuhvaća samo vrijeme obrade u modelu, a vrijeme za sat snimke izračunali smo iz nje.
Najtočniji modeli često su i najsporiji, a što je snimka dulja, to se više osjeti.
Koje modele mogu koristiti na iPhoneu, a koje na Macu?
| Model | iPhone | Mac |
|---|---|---|
| Parakeet | Da, ugrađen | Da, ugrađen |
| Whisper Large V3 Turbo | Ne | Da |
| Whisper Small | Da | Da |
| Qwen3-ASR 1.7B | Ne | Da (Beta)1 |
| SenseVoice Small | Da | Da |
| Apple Speech | Ne | Da (macOS 26 ili noviji)1 |
Zeleno znači da je model dostupan, jantarno da nije. 1 Zasad u Mac aplikaciji s naše web-stranice; na verziji iz Mac App Storea još radimo.
Htjeli bismo da i na iPhoneu bude više modela. Najtraženiji, Whisper Large V3, i u punoj i u komprimiranoj verziji radi samo na nekoliko najnovijih iPhonea; na većini telefona ne može se pokrenuti. Isto vrijedi za Qwen3-ASR 1.7B. Stalno isprobavamo nove modele i manje inačice onih koje već imamo. Nedavno smo zadani model Parakeet V3 zamijenili modelom Parakeet Ultra, koji na 25 jezika griješi otprilike 24 % manje. Detalji su u tekstu Parakeet Ultra vs Parakeet V3.
Kako promijeniti model?
Na Macu otvori Settings (postavke) i u odjeljku Transcription Model (model transkripcije) klikni karticu modela da ga preuzmeš ili se prebaciš na njega; poveznica Supported Languages (podržani jezici) na svakoj kartici prikazuje stopu pogreške tog modela za svaki jezik.
Settings → Transcription Model u Mac aplikaciji
Kako smo testirali?
Koristili smo čitani govor iz skupa podataka FLEURS (83 jezična podskupa, ukupno 12.090 rečenica), a svi su modeli radili na istom MacBook Airu (M5). Naši rezultati za Whisper vrlo su blizu brojkama koje objavljuje OpenAI. Riječ je o čistom, čitanom govoru; na sastancima i na bučnim snimkama stope pogreške bit će više.
Česta pitanja
Koji je Whisper model najbolji?
Whisper Large V3 Turbo. Točniji je od modela Whisper Small na svakom jeziku u tablici, na engleskom primjerice 5,49 % prema 7,04 %, ali je znatno sporiji, a aplikacija za iPhone ima samo Whisper Small.
Koji je model najbolji za japanski?
Whisper Large V3 Turbo, sa stopom pogreške znakova od 5,30 %, a za njim Qwen3-ASR 1.7B s 5,74 %. Na iPhoneu koristi SenseVoice Small (6,78 %).
Koji je model najbolji za mandarinski kineski?
Qwen3-ASR 1.7B na Macu, sa stopom pogreške znakova od 6,49 %. Slijedi SenseVoice Small sa 7,69 %, koji radi i na iPhoneu.
Koji je Parakeet model najbolji?
Parakeet Ultra. Na 25 jezika griješi otprilike 24 % manje od modela Parakeet V3 (10,63 % prema 13,99 %), a ugrađen je u aplikaciju za iPhone (od verzije 1.8.9) i u Mac aplikaciju s naše web-stranice (od verzije 1.6.4).
Preuzmi za iOS
Detaljni testovi