2026. szeptember 22-én a Moondream kiadta a Parakeet Ultra modellt, az NVIDIA Parakeet TDT 0.6B v3 utótanított változatát, ugyanazzal az architektúrával és ugyanazzal a 0,6 milliárd paraméterrel. A Moondream modellkártyája szerint a 25 nyelvre vett átlagos FLEURS-szóhibaarány 11,62%-ról 9,55%-ra csökken, ami nagyjából 17,8%-kal kevesebb hiba. Mi arra voltunk kíváncsiak: valós használatban mennyivel pontosabb a Parakeet Ultra a Parakeet V3-nál, nyelvenként?
A Parakeet V3, a Whisper, a Qwen3-ASR és a SenseVoice modellt korábban már lemértük egy rögzített FLEURS-mondatkészleten, az Apple SpeechAnalyzer és Whisper összehasonlító mérésünkben; a Qwen3-ASR és Whisper összehasonlító mérésünk ugyanezt a készletet használta 30 nyelven. Ezúttal a Parakeet Ultra futott rajta. A számok a sajátjaink, a Whisper Notesban mértük őket egyetlen Macen, és a lehető legtárgyilagosabban közöljük őket.
Mennyivel pontosabb a Parakeet Ultra?
Mindkét modellt lefuttattuk a FLEURS teszthalmazán: a Parakeet által támogatott 25 nyelven, 3 976 felolvasott mondaton, 12,55 órányi hanganyagon. Minden mondatot úgy írtunk át, ahogyan a Whisper Notes ténylegesen futtatja a modellt.
| Nyelv | Parakeet V3 | Parakeet Ultra |
|---|---|---|
| Angol | 6,89% | 5,89% |
| Német | 4,69% | 3,72% |
| Holland | 7,59% | 6,91% |
| Spanyol (Latin-Amerika) | 4,73% | 3,77% |
| Francia | 5,66% | 4,95% |
| Lengyel | 8,02% | 6,34% |
| Orosz | 6,99% | 5,72% |
| Ukrán | 6,59% | 5,11% |
| Finn | 13,72% | 10,03% |
| Olasz | 3,33% | 2,48% |
| Portugál (Brazília) | 6,37% | 5,69% |
| Svéd | 16,18% | 13,12% |
| Cseh | 13,70% | 10,85% |
| Litván | 24,50% | 18,00% |
| Lett | 30,25% | 20,70% |
| Görög | 36,10% | 20,96% |
| Észt | 20,12% | 15,40% |
| Szlovák | 11,84% | 8,58% |
| Román | 13,74% | 9,54% |
| Dán | 19,22% | 15,68% |
| Magyar | 18,78% | 13,63% |
| Bolgár | 14,05% | 12,28% |
| Horvát | 13,37% | 12,49% |
| Szlovén | 23,82% | 18,49% |
| Máltai | 24,46% | 19,19% |
| Mind a 25 nyelv | 13,99% | 10,63% |
Szóhibaarány, az alacsonyabb a jobb. Zöld: a Parakeet Ultra pontosabb, a 95%-os intervallumon túl. Horvát: nincs egyértelmű különbség. Saját mérésünk a Whisper Notesban, egy Apple M5 chipes Macen.
A 25 nyelvet együtt számolva a szóhibaarány 13,99%-ról 10,63%-ra csökkent, ami nagyjából 24%-kal kevesebb hiba: körülbelül minden hetedik helyett most körülbelül minden kilencedik szó hibás. A Parakeet Ultra 24 nyelven volt pontosabb, és egyiken sem kevésbé pontos.
Mely nyelvek javultak a legtöbbet?
Szóhibaarány nyelvenként, a Parakeet V3 szürkével, a Parakeet Ultra zölddel, a százalékpontban mért csökkenés szerint rendezve. Forrás: saját mérésünk a Whisper Notesban, FLEURS teszthalmaz.
A legnagyobb javulás ott jött, ahol a Parakeet V3 a leggyengébb volt: a lett 30,25%-ról 20,70%-ra, a litván 24,50%-ról 18,00%-ra, a szlovén 23,82%-ról 18,49%-ra, a máltai pedig 24,46%-ról 19,19%-ra csökkent. A Whisper Notesban a görög csökkent a legtöbbet, 36,10%-ról 20,96%-ra, és még így is ez a legmagasabb a 25 közül. A széles körben beszélt nyelvek alacsonyabbról indultak és kevesebbet javultak: az angol, a német, a spanyol, a francia, az olasz, a portugál, a holland és az orosz 0,68 és 1,27 százalékpont között, mindegyik továbbra is a hibasávokon kívül.
Lassabb a Parakeet Ultra?
| Parakeet V3 | Parakeet Ultra | |
|---|---|---|
| Feldolgozási sebesség | 74,5× valós idő | 74,0× valós idő |
| Modellbetöltés, medián | 0,10 s | 0,10 s |
200 FLEURS-klip, nyelvenként az első nyolc, 37,2 percnyi hanganyag. Minden klip közvetlenül egymás után futott mindkét modellen, felváltva, hogy melyik indul elsőként. Csak a motor feldolgozási ideje, a folyamat indítása és a modell betöltése nélkül; ez nem az alkalmazásban tapasztalt teljes késleltetés. Apple M5 chipes Mac, macOS 27.0.
Mérhető különbséget nem találtunk. A Parakeet Ultra 74,0× valós idő sebességgel futott, a Parakeet V3 pedig 74,5×-es sebességgel; a sebességarány 0,99, 0,94 és 1,06 közötti 95%-os intervallummal. Ilyen tempóban egy óra hanganyag ezen a Macen mindkét modellel körülbelül 49 másodperc alatt készül el.
A két modell architektúrája és paraméterszáma azonos, csak a súlyaik különböznek, így az azonos sebesség várható. A Parakeet Ultra ugyanakkora sebesség mellett pontosabb.
Háttérzajban is megállja a helyét?
A FLEURS tiszta beszéd, ezért a zajt külön teszttel vizsgáltuk. A MUSAN korpusz háttérzajait kevertük a LibriSpeech, valamint a FLEURS német és spanyol felolvasott mondataiba, 10, 5 és 0 dB jel-zaj viszony mellett: kilenc feltétel, 1 320 mondat, egy Macen, ugyanazzal a Core ML modellel, amelyet a Whisper Notes használ.
| Feltétel | Parakeet V3 | Parakeet Ultra | Változás |
|---|---|---|---|
| LibriSpeech test-other, 10 dB | 4,72% | 3,87% | −18% |
| LibriSpeech test-other, 5 dB | 5,71% | 4,86% | −15% |
| LibriSpeech test-other, 0 dB | 9,91% | 8,75% | −12% |
| FLEURS német, 10 dB | 9,80% | 8,04% | −18% |
| FLEURS német, 5 dB | 13,86% | 10,55% | −24% |
| FLEURS német, 0 dB | 24,21% | 17,88% | −26% |
| FLEURS spanyol, 10 dB | 11,17% | 5,46% | −51% |
| FLEURS spanyol, 5 dB | 11,90% | 5,77% | −51% |
| FLEURS spanyol, 0 dB | 13,43% | 6,96% | −48% |
| A kilenc átlaga | 11,63% | 8,02% | −31% |
Külön zajteszt, nem a fenti FLEURS-futás: szóhibaarány százalékban, feltételenként 200 LibriSpeech- vagy 120 FLEURS-mondat. Hibaarányai nem vethetők össze a FLEURS-táblázattal; csak a relatív változás vihető át.
A kilenc feltétel átlagában a Parakeet Ultra nagyjából 31%-kal kevesebbet hibázott, mint a Parakeet V3, és mind a kilencben a hibasávoknál nagyobb különbséggel volt pontosabb. Németnél a javulás a zajjal együtt nő, spanyolnál pedig minden szinten nagyjából felére csökkent a hibák száma.
A nyelv megadása rontja a Parakeet pontosságát
Sok Whisper Notes-felhasználó kérdezte már, miért nincs nyelvi beállítás a Parakeethez. A Parakeetnek meg lehet adni, milyen nyelvre számítson, de a Whisper Notesban ettől mindkét verzió kevésbé lett pontos. Ezt úgy mértük, hogy minden mondatot kétszer futtattunk le: egyszer automatikus nyelvfelismeréssel, egyszer megadott nyelvvel.
| Nyelv | Ultra, megadott | Ultra, felismert | V3, megadott | V3, felismert |
|---|---|---|---|---|
| Német | 5,19 | 3,72 | 6,26 | 4,69 |
| Holland | 7,89 | 6,91 | 8,58 | 7,59 |
| Szlovén | 20,32 | 18,49 | 25,51 | 23,82 |
| Görög | 34,00 | 20,96 | 36,49 | 36,10 |
| Mind a 25 nyelv | 11,59 | 10,63 | 14,30 | 13,99 |
Szóhibaarány százalékban. A zöld az egyes modellek értékpárjának alacsonyabb tagját jelöli. A Parakeet Ultra esetében minden látható különbség a 95%-os intervallumon kívül esik, és a 25 nyelvből 18 automatikus felismeréssel volt pontosabb, egy sem kevésbé pontos; a Parakeet V3 esetében nem számoltunk intervallumot.
Azt feltételezzük, hogy a nyelv megadása nem segít a Parakeetnek jobban hallani. Csak kiveszi az átiratból azokat a szavakat, amelyek nem tűnnek az adott nyelvhez tartozónak, a neveket és a jövevényszavakat pedig gyakran tévedésből távolítja el. Ezért a Whisper Notesban a Parakeet mindig maga ismeri fel a nyelvet. A Whisper, a SenseVoice és a Qwen3-ASR esetében Ön választhat nyelvet, és a SenseVoice-nál a választott nyelv kissé alacsonyabb hibaarányt ad.
Mely nyelvekhez jó a Parakeet Ultra?
- A lett, a litván, a szlovén, a máltai, a magyar, az észt és a görög javul a legtöbbet, 4,72 és 15,14 százalékpont között.
- Az angol, a német, a spanyol, a francia, az olasz, a portugál és a holland hibaaránya eddig is alacsony volt, ezek 0,68 és 1,01 százalékpont között javulnak. A horvátnál nem volt egyértelmű különbség.
- Ukrán, cseh, észt, magyar, litván és szlovák: a Parakeet Ultra hibaaránya FLEURS-futásainkban már alacsonyabb, mint a Whisper Large V3 Turbo modellé.
- A 25-ön kívüli nyelvek, például a kínai, a japán, a koreai, az arab és a hindi: kínaihoz, kantonihoz, japánhoz és koreaihoz a SenseVoice Small modellt, a nyelvlistánk többi nyelvéhez a Whisper modellt érdemes használni, Macen a Whisper Large V3 Turbo, iPhone-on a Whisper Small változatot.
Mi a Parakeet Ultra?
| Készítő | Moondream |
| Alapmodell | NVIDIA Parakeet TDT 0.6B v3 |
| Megjelenés | 2026. szeptember 22. |
| Méret | 0,6 milliárd paraméter, az alapmodellel azonos architektúra és tokenizáló; a Mac-alkalmazásban körülbelül 600 MB |
| Nyelvek | Ugyanaz a 25 európai nyelv, mint a Parakeet V3 esetében |
| Tanítóadatok | Nem nyilvános |
| Licenc | CC BY 4.0; modelloldal: moondream/parakeet-ultra |
| Futtatás | Az Ön készülékén, offline, az Apple Neural Engine egységén, a Fluid Inference Core ML konverziójaként |
| A Whisper Notesban | Beépített, külön letöltés nélkül: a weboldalunkról letölthető Mac-alkalmazásban az 1.6.4-es verziótól, az iPhone-alkalmazásban az 1.8.9-es verziótól. A Beállításokban Macen „Parakeet”, iPhone-on „Parakeet V3” néven szerepel. |
Az átkonvertált súlyokat tenzorról tenzorra összevetettük a Moondream kiadásával; a konverzió pontosságán belül megegyeznek. A Moondream, az NVIDIA és a Fluid Inference nem ajánlja hivatalosan a Whisper Notes alkalmazást.
Így mértünk
Minden számot a Whisper Notesban mértünk, a teljes folyamatot végigfuttatva, így a nyers modell máshol futtatva eltérő eredményt adhat. A Google FLEURS teszthalmazát használtuk: 25 nyelv, 3 976 mondat, ugyanazokkal a mondatokkal és ugyanazzal a pontozással, mint korábbi méréseinkben. A szóhibaarányt egy nyelv összes szavára összesítve számoljuk, a 95%-os intervallumok a mondatok újramintavételezéséből származnak, és minden egy Apple M5 chipes Macen futott. Megadott nyelvvel ugyanez a következtetés (14,30%-ról 11,59%-ra), egy külön FLEURS-mintán pedig ugyanazt a 17,8%-os csökkenést mértük, amelyet a Moondream modellkártyája közöl.
A FLEURS tiszta, felolvasott beszéd 30 másodpercnél rövidebb klipekben, így a megbeszélések, a távolról rögzített hang, az erős akcentus és a hosszú felvételek nincsenek lefedve. Az iPhone ugyanazt a modellt használja, külön nem teszteltük.
Gyakori kérdések
Parakeet Ultra vs Parakeet V3: melyik a pontosabb?
A Parakeet Ultra. A Whisper Notesban 25 FLEURS-nyelven a szóhibaarány 10,63% volt (Parakeet Ultra) a 13,99%-kal (Parakeet V3) szemben, ami nagyjából 24%-kal kevesebb hiba; 24 nyelven pontosabb, és egyiken sem kevésbé pontos. A legnagyobb javulás a görögnél volt, 36,10%-ról 20,96%-ra, és a lettnél, 30,25%-ról 20,70%-ra.
Lassabb a Parakeet Ultra, mint a Parakeet V3?
Nem. Egy Apple M5 chipes Macen 74,0× valós idő sebességgel futott, a Parakeet V3 pedig 74,5×-es sebességgel; a sebességarány 0,99, 0,94 és 1,06 közötti 95%-os intervallummal. Ez mindkét modellel körülbelül 49 másodperc egy óra hanganyagra.
Milyen nyelveket támogat a Parakeet Ultra?
Ugyanazt a 25 európai nyelvet, mint a Parakeet V3: bolgár, horvát, cseh, dán, holland, angol, észt, finn, francia, német, görög, magyar, olasz, lett, litván, máltai, lengyel, portugál, román, orosz, szlovák, szlovén, spanyol, svéd és ukrán. Kínaihoz, kantonihoz, japánhoz és koreaihoz a Whisper Notes a SenseVoice Small modellt kínálja, más nyelvekhez a Whispert.
Hogyan használhatom a Parakeet Ultra modellt?
Ez a Whisper Notes beépített Parakeet modellje: a weboldalunkról letölthető Mac-alkalmazásban az 1.6.4-es verziótól, az iPhone-alkalmazásban az 1.8.9-es verziótól. Nem kell külön letölteni, és offline, az Ön készülékén ír át.
Próbálja ki
A Parakeet Ultra már be van építve a Whisper Notesba. Az alábbi gombokkal letöltheti az iPhone-alkalmazást az App Store-ból, vagy a Mac-alkalmazást a weboldalunkról. Kérdése van? Írjon nekünk: support@whispernotes.app.
Letöltés iOS-re