A macOS 26 és az iOS 26 óta az Apple a készüléken futó beszédfelismerés új generációját kínálja: a SpeechAnalyzer és a SpeechTranscriber technológiát, amelyre alább röviden az Apple Speech nevet használjuk. Ez lényegesen pontosabb a régi diktálási motornál. Azt akartuk megtudni, hogyan teljesít valós használatban az emberek által letöltött, készüléken futó nyílt modellekhez — a Whisper, a Parakeet, a Qwen3-ASR és a SenseVoice modellekhez — képest: elég jó-e már az Apple beépített beszédfelismerése ahhoz, hogy Ön teljesen elhagyhassa az átíróalkalmazást?
Mennyivel jobb az Ön eddigi diktálásánál?
Eddig a Mac beszédfelismerését az SFSpeechRecognizer korszakából származó motor végezte, amelyet a rendszerdiktálás ma is használ (DictationTranscriber). A macOS 26 és az iOS 26 a SpeechAnalyzer API-t és annak SpeechTranscriber modulját adta hozzá. Mindkettőt ugyanazon a Macen futtattuk a FLEURS teszthalmazán, nyelvenként körülbelül 150 mondattal és 30 perccel.
| Nyelv | Apple Diktálás | Apple Speech |
|---|---|---|
| Koreai | 7,11 | 4,31 |
| Olasz | 6,93 | 4,39 |
| Spanyol (Latin-Amerika) | 8,43 | 5,41 |
| Német | 12,69 | 6,26 |
| Japán | 9,37 | 6,36 |
| Francia | 17,10 | 7,61 |
| Kínai | 10,28 | 7,97 |
| Kantoni | 10,18 | 8,69 |
| Angol | 13,83 | 8,80 |
| Portugál (Brazília) | 10,85 | 9,35 |
Minden nyelv, amelyet mindkét Apple-motor tisztán mért, az Apple Speech hibaaránya szerint rendezve; a zöld a sor jobb értékét jelöli. Ugyanaz a futás, ugyanazok a klipek, ugyanaz a Mac. Japánnál, koreainál, kínainál és kantoninál CER, a többinél WER.
Az Apple Speech mind a tíz, mindkét motor által tisztán mért nyelvnél pontosabb volt. Franciánál és németnél a hibák több mint fele eltűnt, a medián nyelvnél körülbelül a harmada, brazil portugálnál és kantoninál pedig nagyjából minden hetedik hiba.
A Diktálás továbbra is több nyelvet fed le. Ebben a futásban az Apple Speech a 83 nyelvi konfigurációból 21-nél adott eredményt, a Diktálás pedig 33-nál, köztük annál a háromnál is, amely itt hiányzik az új motorból: hollandnál, lengyelnél és orosznál, 17,34, 13,50 és 13,13 értékkel. Továbbra sincs idézhető, rögzített lista. A nyelvi erőforrások a macOS-hez tartoznak, ezért az app futásidőben kérdezi le, hogy mi érhető el az adott gépen.
Elhagyhatja tehát a letölthető modelleket?
Hat motor, ugyanazok a klipek, egyetlen Mac. Az alábbi tíz nyelv tíz a leggyakrabban használtak közül, az eredményektől független, rögzített sorrendben.
| Nyelv | Apple Speech | Qwen3-ASR | Whisper Large | Whisper Small | Parakeet | SenseVoice |
|---|---|---|---|---|---|---|
| Angol | 8,80 | 4,49 | 5,49 | 7,04 | 6,89 | 8,46 |
| Német | 6,26 | 2,85 | 4,05 | 8,67 | 6,26 | — |
| Holland | — | 7,36 | 5,69 | 16,75 | 8,58 | — |
| Orosz | — | 5,65 | 5,13 | 11,37 | 7,12 | — |
| Lengyel | — | 12,59 | 5,45 | 15,81 | 8,30 | — |
| Japán | 6,36 | 5,74 | 5,30 | 11,37 | — | 6,78 |
| Koreai | 4,31 | 3,54 | 4,25 | 7,30 | — | 7,85 |
| Francia | 7,61 | 4,57 | 5,97 | 13,24 | 5,83 | — |
| Kínai | 7,97 | 6,49 | 7,97 | 20,50 | — | 7,69 |
| Spanyol (Latin-Amerika) | 5,41 | 3,38 | 3,62 | 6,22 | 4,86 | — |
Tíz a leggyakrabban használt nyelvek közül, oszloponként egy motorral. Minden cella az adott motor hibaarányát mutatja; az alacsonyabb a jobb. A zöld a sor legalacsonyabb, a fehér a második legalacsonyabb értékét jelöli. Japánnál, koreainál és kínainál CER, a többinél WER; a kettőt soha nem vontuk össze egyetlen számmá. Saját FLEURS futásunk, a Whisper Notes csapatától, egyetlen M5 MacBook Air gépen, felolvasott beszéd.
Rövid nevek: Qwen3-ASR = Qwen3-ASR 1.7B, Whisper Large = Whisper Large V3 Turbo, Parakeet = Parakeet V3, SenseVoice = SenseVoice Small. A gondolatjel azt jelenti, hogy a motornak nincs modellje az adott nyelvhez.
A Qwen3-ASR 1.7B hibaaránya a legalacsonyabb a tíz nyelvből hatnál, a másik négynél a Whisper Large V3 Turbo vezet, az Apple Speech pedig egyiknél sem. Koreainál kerül a legközelebb a sor legjobbjához, 0,77 ponttal lemaradva, ezt követi a japán 1,06 és a kínai 1,48 ponttal; kínainál 7,97-os értékkel holtversenyben áll a Whisper Large V3 Turbo eredményével. Angolnál a legnagyobb a lemaradása, 8,80 (Apple Speech) a 4,49-cel (Qwen3-ASR 1.7B) szemben, hollandnál, lengyelnél és orosznál pedig az Apple Speech egyáltalán nem adott eredményt.
A Whisper Small modellhez képest az Apple Speech a mindkettővel tisztán mért tíz nyelvből nyolcnál pontosabb volt. A két vesztes nyelv az angol, 8,80 (Apple Speech) a 7,04-gyel (Whisper Small) szemben, és a brazil portugál, 9,35 a 8,61-gyel szemben.
Egy júliusban közzétett mérés angolnál hasonlította össze az Apple Speech és a Whisper Small eredményét, és az Apple megoldását hozta ki jobbnak. Az számít, hogy melyik Whisper modell szerepel az összehasonlításban, és a klipek is számítanak. Az a mérés a LibriSpeech adatkészletet használta, hangoskönyvek narrátorainak felolvasásával; a miénk a FLEURS, amelyben sok különböző beszélő Wikipédia-mondatokat olvas fel. Futásunk megmutatja az angolnál mért különbséget, de az okát nem tudja megállapítani.
A Whisper Large V3 Turbo modellhez képest megfordul a sorrend. Az Apple Speech e tíz nyelvből nyolcnál lemarad, kínainál 7,97-tal holtversenyben végez, és csak kantoninál vezet, 8,69 (Apple Speech) a 36,75-tel (Whisper Large V3 Turbo) szemben — lásd lent a kantoni sort. Az OpenAI Turbo kiadási megjegyzései a kantonit azok közé a nyelvek közé sorolják, amelyeken a modell a legtöbbet romlik, ezért a 36,75 a Whisper ismert gyengesége, nem pedig futásunk sajátossága.
Koreainál az Apple Speech 23 karakterből körülbelül egyet eltéveszt. E futás legpontosabb modellje, a Qwen3-ASR 1.7B, 28 karakterből körülbelül egyet: 4,31 (Apple Speech) a 3,54-gyel (Qwen3-ASR 1.7B) szemben.
A Parakeet V3 modell letöltési mérete 465 MB, és minden közösen támogatott európai nyelvnél pontosabb: angolnál 6,89 (Parakeet V3) a 8,80-nal (Apple Speech) szemben, franciánál 5,83 a 7,61-gyel, spanyolnál 4,86 az 5,41-gyel, olasznál 3,43 a 4,39-cel, brazil portugálnál pedig 6,49 a 9,35-tel szemben; németnél mindkettő 6,26-on áll. Nem kínál japán, koreai, kínai vagy kantoni modellt, ezért ezeken az Apple Speech az egyetlen elérhető a kettő közül.
A Qwen3-ASR 1.7B által vezetett hat sor között szerepel az angol, a német, a francia és a spanyol.
A SenseVoice Small itt a leggyorsabb motor, 162,3× valós idő sebességgel; kínainál és angolnál az Apple Speech eredményével azonos szinten áll: 7,69 (SenseVoice Small) a 7,97-tal (Apple Speech), illetve 8,46 a 8,80-nal szemben. Koreainál jóval lemarad, 7,85 (SenseVoice Small) a 4,31-gyel (Apple Speech) szemben.
Méret és sebesség
| Motor | Sebesség | Csúcsmemória | Letöltés |
|---|---|---|---|
| SenseVoice Small | 162,3× valós idő | 0,95 GiB | 827 MB |
| Parakeet V3 | 75,6× valós idő | 0,09 GiB | 465 MB |
| Apple Speech | 30,8× valós idő | nincs közölve | <5 MB |
| Qwen3-ASR 1.7B | 11,1× valós idő | 2,43 GiB | körülbelül 2,5 GB |
| Whisper Small | 7,9× valós idő | 0,87 GiB | 600 MB |
| Whisper Large V3 Turbo | 3,0× valós idő | 1,87 GiB | körülbelül 1,6 GB |
A sebesség az egyes motorok mediánja a cikkben tisztán mért tizenhárom nyelven, csak azokat számítva, amelyeken futottak — elkülönített elemek feldolgozási sebessége, diagnosztikai adat, nem termékkésleltetés. A csúcsmemória a folyamatcsoport csúcsa ebben a futásban. Az Apple Speech egy olyan macOS-szolgáltatáson belül dekódol, amely nem a hívó app tulajdona, ezért ott egyetlen szám sem jelentené ugyanazt, mint a másik öt esetében.
Az Apple Speech 30,8× valós idő sebességgel futott, lemaradva a Parakeet V3 75,6×-os és a SenseVoice Small 162,3×-os eredményétől. A nyelvi csomagját a macOS egyszer tölti le, és minden app közösen használja, ezért az app saját folyamatában semmit sem foglal le. A dekódolást végző szolgáltatás ettől még használ memóriát, amelyet nem tudunk pontosan hozzárendelni; ezért nulla helyett nem közlünk számot.
A Whisper Large V3 Turbo itt a leglassabb motor, 3,0× valós idő sebességgel, és a tíz sorból négynél a legalacsonyabb hibaarányt adja, körülbelül 1,6 GB lemezterületért. A Qwen3-ASR 1.7B nyeri a másik hatot, körülbelül 2,5 GB lemezterülettel és 2,43 GiB-os csúccsal. A beépített motorral való méltányos összehasonlítási alap a 600 MB-os Whisper Small.
Mely nyelvekhez jó választás az Apple Speech?
Nyelvenként:
- Angol: nem jó választás. Az Apple Speech 8,80-at ért el; Qwen3-ASR 1.7B (4,49) vagy Whisper Large V3 Turbo (5,49) egyértelműen pontosabb.
- Német: nem jó választás. Az Apple Speech 6,26-ot ért el; Qwen3-ASR 1.7B (2,85) vagy Whisper Large V3 Turbo (4,05) egyértelműen pontosabb.
- Holland, orosz és lengyel: az Apple Speech e három nyelv egyikéhez sem kínál modellt. Whisper Large V3 Turbo mindegyiknél a legpontosabb volt, 5,69, 5,13 és 5,45 értékkel.
- Japán: használható. Az Apple Speech 6,36-ot ért el, lemaradva a Whisper Large V3 Turbo 5,30-os értékétől.
- Koreai: használható. Az Apple Speech 4,31-et ért el, lemaradva a Qwen3-ASR 1.7B 3,54-os értékétől.
- Francia: nem jó választás. Az Apple Speech 7,61-et ért el; Qwen3-ASR 1.7B (4,57) vagy Parakeet V3 (5,83) egyértelműen pontosabb.
- Kínai: használható. Az Apple Speech 7,97-ot ért el, ugyanannyit, mint a Whisper Large V3 Turbo; a legpontosabb a Qwen3-ASR 1.7B volt 6,49-cel.
- Spanyol: nem jó választás. Az Apple Speech 5,41-et ért el; Qwen3-ASR 1.7B (3,38) vagy Whisper Large V3 Turbo (3,62) egyértelműen pontosabb.
Pontosságban továbbra is a letölthető modellek nyernek: a főtábla minden sorát a Qwen3-ASR 1.7B vagy a Whisper Large V3 Turbo vezeti. Az Apple Speech valódi lehetőség koreainál, japánnál és kínainál; az európai nyelvekhez a Parakeet V3 a megfelelő választás.
A Whisper Notes for Mac alkalmazásban továbbra is a Parakeet V3 az alapértelmezett modell. A weboldalunkról letölthető Mac-alkalmazásban az Apple Speech választható modellként elérhető macOS 26 vagy újabb rendszeren, és az alkalmazás csak akkor kínál fel egy nyelvet, ha a macOS jelzi, hogy az Ön Mac gépe támogatja.
Az Apple Speech a cikk rövid neve az Apple által készített SpeechTranscriber technológiára, arra a készüléken futó API-ra, amelyet macOS 26 vagy újabb rendszeren bármely Mac-app meghívhat. Rendszerszintű motor, nem letöltendő modell: a Whisper Notes for Mac a weboldalunkról letölthető változatban tudja használni, a nyelvi csomagot pedig a macOS adja. Az alkalmazás által letöltött modellek továbbra is a Whisper, a Parakeet V3, a SenseVoice és a Qwen3-ASR ebben a változatban, iPhone-on és a Mac App Store-verzióban pedig a Whisper, a Parakeet V3 és a SenseVoice. A motoronkénti táblázatot a Whisper, a Parakeet V3 és a SenseVoice által támogatott nyelvek listájában találja.
A tíz nyelven túl
| Nyelv | Apple Speech | Qwen3-ASR | Whisper Large | Whisper Small | Parakeet | SenseVoice |
|---|---|---|---|---|---|---|
| Olasz | 4,39 | 2,58 | 2,58 | 7,64 | 3,43 | — |
| Kantoni | 8,69 | 6,44 | 36,75 | 119,01 | — | 37,23 |
| Portugál (Brazília) | 9,35 | 5,17 | 5,44 | 8,61 | 6,49 | — |
| Hindi nyelv | 101,50 | 13,19 | 29,64 | 61,26 | — | — |
További négy nyelv ugyanabból a futásból. Ugyanazok az oszlopok, színek és rövid nevek, mint fent; kantoninál CER, a többinél WER.
Az Apple Speech hindi eredménye az alább ismertetett okból kimarad az adott sor rangsorából. A hibaarány 100% fölé is kerülhet, mert a beszúrások is szerepelnek a számlálóban.
Az olasz 4,39-es (Apple Speech) eredménye a Qwen3-ASR 1.7B és a Whisper Large V3 Turbo 2,58-as holtversenye mögött áll. E négy nyelv közül a kantoni az egyetlen, amelynél az Apple Speech megelőzte a Whisper Large V3 Turbo modellt, 8,69 (Apple Speech) a 36,75-tel (Whisper Large V3 Turbo) szemben, míg a Qwen3-ASR 1.7B vezetett 6,44-gyel. A brazil portugál 9,35-ös (Apple Speech) eredménye egyike annak a két sornak, amelynél a Whisper Small 8,61-gyel az élen van.
A hindi másfajta eredmény. Az Apple Speech nem a hindi saját betűivel, hanem angol betűkkel írta ki a szavakat, ezért szinte minden szó hibának számított, és az arány 100% fölé került. A telugu nyelv, az urdu nyelv, a pandzsábi, a bengáli, a nepáli, a malajálam, a maráthi, a kannada nyelv, a gudzsaráti és a tamil nyelv ugyanilyen eredményt adott; mindegyik 100% fölött volt, ezért kimaradtak a táblázatból.
A SpeechAnalyzer működése
A SpeechAnalyzer minden Apple-platformon felváltja az Apple iOS 10 óta meglévő beszédfelismerési API-ját, a watchOS kivételével. Egy app létrehoz egy SpeechAnalyzer példányt, modulokat ad hozzá, és az általa feltöltött aszinkron sorozatként táplálja be a hangot; a beszédet a SpeechTranscriber modul alakítja szöveggé. Az eredmények egy második sorozatként térnek vissza, rendszerint másik feladaton, és minden puffer, illetve eredmény időbélyege a hang saját idővonalához igazodik.
Egy munkamenet, három feladat: a hang AsyncSequence formájában érkezik, a SpeechAnalyzer és a SpeechTranscriber elemzi, az eredmények pedig egy második AsyncSequence sorozatként térnek vissza, amelyet a felület olvashat. Forrás: Apple, WWDC25, 277. előadás.
Az eredmények kétszer érkeznek meg. Az Apple által változékony tartománynak nevezett részen belül bármi lecserélhető még egy jobb eredményre; az azon kívüli rész végleges. Így tud egy app hozzávetőleges átiratot mutatni, miközben Ön még beszél, majd később kijavítani. Az Apple öt tervezési célt ad meg a SpeechTranscriber modellhez: hosszú hanganyag, társalgási beszéd, távoli beszélők, alacsony késleltetés és adatvédelem, vagyis a készüléken történő futás. A Jegyzetek, a Hangjegyzetek, a Napló és a hívásösszefoglalás erre épül.
Az Apple által megadott öt tervezési cél a SpeechTranscriber modellhez. Forrás: Apple, WWDC25, 277. előadás.
A modellek nem részei egyetlen appnak sem. Az Apple szervereiről az AssetInventory tölti le őket, a rendszer tárolja és frissíti őket, az appok pedig megosztva használják. Nem növelik az app letöltési méretét, a dekódolás pedig a hívó folyamaton kívül történik. Ha a SpeechTranscriber nem rendelkezik modellel egy nyelvhez vagy készülékhez, a DictationTranscriber veszi át a feladatot a rendszerdiktálás modelljeivel.
Módszer és korlátok
A táblázatok hat motorjából öt olyan modell, amelyet a Whisper Notes tölt le. Minden motor ugyanazokat a klipeket írta át, ugyanabban a sorrendben, egyenként, egy M5 MacBook Air gépen (32 GB, macOS 27.0). A hanganyag a Google FLEURS teszthalmaza a 70bb2e84 revíziónál, nyelvenként körülbelül 150 mondattal és 30 perccel. Az adatkészlet saját elemazonosítóinak rögzített hash-e rendezi sorba az elemeket, és a harminc percet meghaladó legrövidebb, teljes elemekből álló sorozatot vesszük; a választásban egyetlen modellkimenet sem játszott szerepet. Minden cellát a saját bizonylatából építettünk újra és ismét ellenőriztünk; mind a 285 megfelelt. A pontszám WER, ha a szavakat szóköz választja el, japánnál, koreainál, kínainál és kantoninál pedig CER; a kettőt soha nem vontuk össze egyetlen számmá.
A Whisper oszlopai összevethetők az OpenAI saját számaival. Azon a tizenkét nyelven, amelyekhez az OpenAI közzétesz FLEURS-eredményt a Whisper Large V3 Turbo modellhez, számaink átlagosan 0,7 ponttal térnek el, és a tizenkettőből tíz a futásunk 95%-os intervallumába esik; a dél-ázsiai sorokon kívüli tizenegy nyelven a Whisper Small számaink átlagosan 1,0 ponttal térnek el a Whisper tanulmányának nyelvenkénti táblázatától. Az Apple Speech oszlopa ugyanazokból a klipekből, ugyanazzal a pontozóval és ugyanazzal a normalizálással készült.
A FLEURS tiszta, felolvasott beszéd. Semmi sem mutatja meg itt, hogyan viselkednek ezek a motorok zajos helyiségben vagy egy kétórás megbeszélés során, és az ottani különbségüket nem mértük. Minden mérés egyetlen gépen futott. Nyelvenként körülbelül 150 mondat mellett két motor döntetlennek számít, ha kevesebb mint körülbelül egy pont választja el őket; a táblázatok a pontos döntetleneket is így jelölik, például az olasznál, ahol a Qwen3-ASR 1.7B és a Whisper Large V3 Turbo egyaránt 2,58-at ért el.
Gyakori kérdések
Apple Speech vagy Whisper Small: melyik a pontosabb?
Az Apple Speech, a mindkettővel tisztán mért tíz nyelvből nyolcnál. Angolnál veszít, 8,80 (Apple Speech) a 7,04-gyel (Whisper Small) szemben, és brazil portugálnál, 9,35 a 8,61-gyel szemben. A legnagyobb előnye kínainál van, 7,97 (Apple Speech) a 20,50-nel (Whisper Small) szemben; franciánál 7,61 a 13,24-gyel, japánnál 6,36 a 11,37-tel, kantoninál pedig 8,69 a 119,01-gyel szemben. A Whisper Small letöltési mérete 600 MB, és 7,9× valós idő sebességgel futott, az Apple Speech 30,8×-os eredményével szemben.
Apple Speech vagy Parakeet V3: melyik a pontosabb?
A Parakeet V3, minden közösen támogatott európai nyelvnél: angolnál 6,89 (Parakeet V3) a 8,80-nal (Apple Speech) szemben, franciánál 5,83 a 7,61-gyel, spanyolnál 4,86 az 5,41-gyel, olasznál 3,43 a 4,39-cel, brazil portugálnál pedig 6,49 a 9,35-tel szemben; németnél mindkettő 6,26-on áll. A Parakeet V3 nem kínál japán, koreai, kínai vagy kantoni modellt, ezért ezeken az Apple Speech az egyetlen elérhető a kettő közül. A Parakeet V3 letöltési mérete 465 MB, és 75,6× valós idő sebességgel futott, az Apple Speech pedig 30,8×-os sebességgel.
Apple Speech vagy Whisper Large V3 Turbo: melyik a pontosabb?
A Whisper Large V3 Turbo, a mindkettővel tisztán mért tíz nyelvből nyolcnál: angolnál 5,49 (Whisper Large V3 Turbo) a 8,80-nal (Apple Speech) szemben, németnél 4,05 a 6,26-tal, japánnál 5,30 a 6,36-tal, koreainál 4,25 a 4,31-gyel, franciánál 5,97 a 7,61-gyel, spanyolnál 3,62 az 5,41-gyel, olasznál 2,58 a 4,39-cel, brazil portugálnál 5,44 a 9,35-tel szemben. Kínainál 7,97-tal holtversenyben állnak; az Apple Speech csak kantoninál vezet, 8,69 (Apple Speech) a 36,75-tel (Whisper Large V3 Turbo) szemben. A Turbo lefedi a hollandot, az oroszt és a lengyelt is, 5,69, 5,13 és 5,45 értékkel. Mérete körülbelül 1,6 GB, és itt ez a leglassúbb motor, 3,0× valós idő sebességgel.
Mely nyelveket támogatja az Apple Speech?
Futásunkban az Apple Speech a 83 konfigurációból 21-nél adott eredményt: angol, német, francia, spanyol, olasz, portugál (Brazília), japán, koreai, kínai, kantoni, valamint tizenegy dél-ázsiai nyelv — hindi, telugu, urdu, pandzsábi, bengáli, nepáli, malajálam, maráthi, kannada, gudzsaráti és tamil —, amelyeknél a saját írásmód helyett angol betűkkel válaszolt. Holland, lengyel és orosz nincs köztük; a listát gépenként a macOS határozza meg. A sor legjobbjaihoz koreainál, japánnál és kínainál kerül a legközelebb, 0,77, 1,06 és 1,48 lemaradással, angolnál pedig a legtávolabb: 8,80 (Apple Speech) a 4,49-cel (Qwen3-ASR 1.7B) szemben. Mind a tíz, mindkettővel mért nyelvnél pontosabb a régi Diktálásnál. A Whisper Notes alkalmazás Whisper modellje minden csatornán lefedi az app teljes nyelvlistáját.
Mi a SpeechAnalyzer, és ugyanaz-e, mint az Apple Diktálás?
A SpeechAnalyzer az az API, amelyet az Apple a WWDC 2025 rendezvényen mutatott be, majd a macOS 26 és az iOS 26 részeként adott ki. A SpeechTranscriber a benne lévő átírási motor, amelyre a cikk az Apple Speech nevet használja; a Diktálás a régebbi kompatibilitási motor. Mindkettőt futtattuk, és az Apple Speech mind a tíz, mindkét motor által tisztán mért nyelvnél pontosabb volt. A Diktálás több nyelvet fed le, 33 konfigurációt a 21-gyel szemben, köztük a hollandot, a lengyelt és az oroszt 17,34%, 13,50% és 13,13% WER-rel (Diktálás), szemben az 5,69%, 5,45% és 5,13% értékkel (Whisper Large V3 Turbo).
Elhagyja a hanganyag a Macemet az Apple Speech használatakor?
Az Apple a SpeechTranscriber technológiát készüléken futó beszédfelismerésként dokumentálja: a macOS egyszer tölti le a nyelvi erőforrásokat, a felismerés pedig helyben fut. Mi a pontosságot és a sebességet mértük, nem a hálózati működést, ezért ezt a részt az Apple leírása szerint közöljük. A Whisper Notes által letöltött motorok — a Whisper, a Parakeet V3, a SenseVoice és a Qwen3-ASR — az Ön Mac gépének GPU vagy Neural Engine egységén futnak fiók és API key nélkül, és az átírás kikapcsolt hálózattal is működik, minden csatornán. Az Apple Speech a weboldalunkról letölthető Mac-alkalmazásban érhető el macOS 26 vagy újabb rendszeren: rendszerszintű motor az Ön Mac gépén, a nyelvi csomagját a macOS tölti le.
Miért nem egyeznek ezek a számok a saját felvételeimen tapasztalt pontossággal?
Mert a FLEURS rövid, tiszta, felolvasott beszéd, az Ön felvételei pedig nem azok. Futásunk egy nyilvános adatkészleten végzett kalibráció: nyelvenként körülbelül 150 mondat és 30 perc, egyetlen M5 MacBook Air, minden motornak ugyanazok a klipek. Azt mutatja meg, hogy egy motor szóba jöhet-e az Ön nyelvéhez, nem azt, hogy milyen eredményt kap egy megbeszélésen, zajos hanganyaggal vagy egy kétórás fájlon.
Próbálja ki
Az itt szereplő öt letölthető modell — Whisper Small, Whisper Large V3 Turbo, Parakeet V3, SenseVoice Small és Qwen3-ASR 1.7B — mind megtalálható a weboldalunkról letölthető Whisper Notes Mac-alkalmazásban, a Beállítások, majd Átírási modell alatt. A macOS 26 vagy újabb rendszereken az Apple Speech ugyanebben a listában jelenik meg; ha már megvan az alkalmazás, frissítse a legújabb verzióra.
Ha számaink nem egyeznek az Ön tapasztalataival egy nyelven, írjon a mac@whispernotes.app. A teljes kiadási megjegyzések: whispernotes.app/changelog.
Források: saját futásunk a Google FLEURS teszthalmazán a 70bb2e84 revíziónál, az Apple SpeechAnalyzer-dokumentációja, valamint az ezt megelőző harmincnyelvű Qwen3-ASR futás.
Letöltés macOS-re