Egyetlen kérdésre kerestük a választ: van olyan helyben futó modell, amely az Ön nyelvét pontosabban írja le, mint a Whisper Large V3? Ezért ezeket a modelleket a FLEURS adatkészleten teszteltük.
A FLEURS a Google adatkészlete: felolvasott beszéd 102 nyelven. Minden nyelvből körülbelül 75 mondatot vettünk, és ugyanazokat a klipeket, ugyanabban a sorrendben futtattuk le öt modellen:
- Parakeet V3
- Whisper Large V3 Turbo
- SenseVoice Small
- Whisper Small
- Qwen3-ASR 1.7B
Az eredmények így néznek ki.
Qwen3-ASR 1.7B a Whisper Large V3 Turbóval szemben — saját FLEURS futásunk, egyetlen M5 MacBook Air, felolvasott beszéd, rövid klipek.
| Qwen3-ASR 1.7B | Whisper Large V3 Turbo | |
|---|---|---|
| Támogatott nyelvek | 30 | 101 |
| Egyértelmű előnyök | kantoni, hindi, thai, vietnami, francia (5) | finn, magyar, görög és további 8 nyelv (11) |
| Sebesség | 8,7× valós idő | 2,4× valós idő |
| Csúcsmemória | 2,43 GiB | 1,87 GiB |
| Letöltés | körülbelül 2,5 GB | körülbelül 1,6 GB |
A két modell erős nyelvein kívül a pontosságbeli különbség kicsi.
Whisper Large V3 kontra Qwen3-ASR: a részletes összehasonlítás
Mind a 30 nyelv, a Qwen legnagyobb győzelmétől a legnagyobb vereségéig rendezve. Mindkét oszlopban az alacsonyabb a jobb.
Saját FLEURS futásunk, egyetlen M5 MacBook Air, felolvasott beszéd. Kínaira, kantonira, japánra, koreaira és thaira CER, a többire WER; a zöld ott jelöl előnyt, ahol az túlnyúlik a párosított 95%-os hibahatárokon.
| Nyelv | Qwen3-ASR 1.7B | Whisper Large V3 Turbo |
|---|---|---|
| Kantoni | 6,00 | 37,97 |
| Hindi | 13,67 | 30,42 |
| Thai | 5,92 | 12,95 |
| Vietnami | 5,07 | 9,79 |
| Perzsa | 26,98 | 30,03 |
| Arab | 14,14 | 15,75 |
| Indonéz | 4,97 | 6,50 |
| Francia | 3,98 | 5,39 |
| Kínai | 5,69 | 6,88 |
| Angol | 5,07 | 5,92 |
| Német | 3,51 | 4,10 |
| Japán | 5,39 | 5,71 |
| Koreai | 3,51 | 3,70 |
| Spanyol | 3,60 | 3,76 |
| Olasz | 2,98 | 3,05 |
| Orosz | 5,98 | 5,51 |
| Portugál | 5,64 | 4,91 |
| Macedón | 17,81 | 16,64 |
| Maláj | 11,60 | 10,18 |
| Holland | 7,65 | 5,63 |
| Török | 8,34 | 5,53 |
| Dán | 20,12 | 14,92 |
| Lengyel | 12,78 | 5,32 |
| Román | 18,97 | 8,22 |
| Filippínó | 20,44 | 9,37 |
| Svéd | 20,04 | 8,72 |
| Cseh | 23,92 | 11,15 |
| Görög | 30,20 | 12,97 |
| Finn | 26,08 | 6,54 |
| Magyar | 36,35 | 13,66 |
Saját párosított futásunk a FLEURS teszthalmazán, 70bb2e84 revízió, nyelvenként körülbelül 75 mondat, egyetlen M5 MacBook Air.
Az az öt nyelv, amelyet a Qwen3-ASR 1.7B egyértelműen visz. Hibaarány százalékban, Qwen a Turbóval szemben: kantoni (6,0 vs. 38,0), hindi (13,7 vs. 30,4), thai (5,9 vs. 13,0), vietnami (5,1 vs. 9,8), francia (4,0 vs. 5,4). A kantonit és a thait karakterenként pontozzuk, a többit szavanként. Az előnye a karakter szerint pontozott nyelveknél van: kínai, kantoni, japán, koreai és thai átlagában 5,3%-ot ért el a Turbo 13,4%-ával szemben, a másik huszonöt, szavanként pontozott nyelv átlagában viszont 14,0%-ot a Turbo 10,2%-ával szemben.
Az a tizenegy nyelv, amelyet a Whisper Large V3 Turbo egyértelműen visz. Hibaarány százalékban, Qwen a Turbóval szemben, mind szavanként pontozva: magyar (36,4 vs. 13,7), görög (30,2 vs. 13,0), finn (26,1 vs. 6,5), cseh (23,9 vs. 11,2), filippínó (20,4 vs. 9,4), dán (20,1 vs. 14,9), svéd (20,0 vs. 8,7), román (19,0 vs. 8,2), lengyel (12,8 vs. 5,3), török (8,3 vs. 5,5), holland (7,7 vs. 5,6).
Az a tizennégy, amely szoros vagy döntetlen. Angol (5,1 vs. 5,9), német (3,5 vs. 4,1), spanyol (3,6 vs. 3,8), olasz (3,0 vs. 3,1), orosz (6,0 vs. 5,5), portugál (5,6 vs. 4,9); a kínai (5,7 vs. 6,9), a japán (5,4 vs. 5,7) és a koreai (3,5 vs. 3,7) karakter szerint van pontozva. Aztán az arab, az indonéz, a perzsa, a maláj és a macedón. Itt minden különbség kicsi, és a 95%-os sávon belül marad, tehát ez a futás nem tudja szétválasztani a két modellt.
A kantoni az egyetlen sor, amely döntést változtat: 6,00% a 37,97%-kal szemben, a SenseVoice Small pedig — amelyet a kantoni válaszaként publikáltunk — 36,71% CER-t ért el ugyanazokon a klipeken. Ezen a felolvasott beszédből álló halmazon egyik sem üti meg a mércét, így a korábbi ajánlás mostantól ezzel a kikötéssel érvényes.
Milyen gyors a Qwen3-ASR 1.7B?
Mind az öt motort ugyanabban a mérőkörnyezetben, ugyanazon a gépen (M5 MacBook Air) mértük, így legalább egymással összevethetők.
Az egyes motorok medián valósidő-szorzója a saját nyelveiken, ugyanabban a FLEURS futásban, egyetlen M5 MacBook Air, felolvasott beszéd.
| Motor | Nyelvek | Medián sebesség ebben a futásban (rövid klipek) |
|---|---|---|
| SenseVoice Small | 6 választás | 161,0× |
| Parakeet TDT 0.6B v3 | 25 | 82,9× |
| Qwen3-ASR 1.7B | 30 megnevezett | 8,7× |
| Whisper Small | 101 | 6,4× |
| Whisper Large V3 Turbo | 101 | 2,4× |
Ezek rövid klipes mérőkörnyezeti számok, és alacsonyabbak annál, amit ugyanezek a motorok egy hosszú felvételen produkálnak. Ezt az oszlopot kizárólag arra használja, hogy ezen az egy futáson belül vesse össze a motorokat egymással, semmi másra.
Ugyanabban a mérőkörnyezetben a Parakeet V3 és a SenseVoice Small nagyjából egy nagyságrenddel gyorsabb volt a Qwen3-ASR-nél. Rövid klipek helyett hosszú fájlokon a Parakeet egy M4 Pro-n 103× valós időt ért el, a SenseVoice pedig 52×-et vagy annál többet — más hanganyagon végzett más mérés, de ugyanabba az irányba mutat.
A Qwen3-ASR középen helyezkedik el. Ebben a rövid klipes futásban nem ő volt a leglassabb motor, hanem a Whisper Large V3 Turbo; nyelvenként viszont jobban ingadozik a többinél: a görögön mért 2,7× és a japánon mért 12,4× között.
Mennyi memóriát és lemezhelyet igényel a Qwen3-ASR?
A csúcsmemória az ugyanazon FLEURS futás elemein megfigyelt legnagyobb folyamatméret; egyetlen M5 MacBook Air, felolvasott beszéd, rövid klipek.
| Motor | Letöltés | Csúcsmemória ebben a futásban |
|---|---|---|
| Parakeet TDT 0.6B v3 | 465 MB | 0,09 GiB |
| Whisper Small | 600 MB | 0,87 GiB |
| SenseVoice Small | 827 MB | 0,95 GiB |
| Whisper Large V3 Turbo | körülbelül 1,6 GB | 1,87 GiB |
| Qwen3-ASR 1.7B | körülbelül 2,5 GB | 2,43 GiB |
Mindkét tengelyen a Qwen3-ASR a legnehezebb az öt közül: körülbelül 2,5 GB letöltés és 2,43 GiB csúcs folyamatmemória ebben a futásban, szemben a Whisper Large V3 Turbo körülbelül 1,6 GB-jával és 1,87 GiB-jával.
Egy 8 GB-os gépen van könnyebb út is. A Parakeet V3 465 MB-ban és 0,09 GiB-ban fed le 25 nyelvet, a Whisper Small pedig 600 MB-ban és 0,87 GiB-ban 101-et.
Hogyan mértünk: FLEURS, 30 nyelv, egyetlen Mac
A Qwen3-ASR 1.7B MLX 8-bit buildként futott, a Whisper Large V3 Turbo pedig a whisper.cpp ggml buildjeként Metalon. Az adat a Google FLEURS teszthalmaza a 70bb2e84 revíziónál (CC-BY-4.0): a 102 nyelvéből 83, nyelvenként körülbelül 75 mondat és 15 perc, minden modellnek ugyanazok a klipek ugyanabban a sorrendben; a párosított összehasonlítás a Qwen 30 nyelvén történt. Szóközzel tagolt nyelveknél WER, kínainál, kantoninál, japánnál, koreainál és thainál CER, és a kettőt soha nem vontuk össze egyetlen számba; a hibahatárok 10 000 újramintavételes, elemszintű bootstrapból származnak. Egyetlen M5 MacBook Air, 32 GB, macOS 26.5, egyik modellnél sem volt üres kimenet vagy hiba.
A FLEURS felolvasott beszéd, nem megbeszélés és nem diktálás. Már kétszer is előfordult saját tesztjeinkben, hogy a felolvasott beszéden felállított sorrendek nem élték túl a valódi hanganyagot, ezért nem vetítjük ki őket hosszú felvételekre: ezek a táblázatok azt mondják meg, hogy egy modell szóba jöhet-e az Ön nyelvén, nem azt, hogy milyen pontosságot fog kapni. A Qwen3-ASR 1.7B valódi megbeszéléseken végzett kiértékelése külön bejegyzés lesz.
A Whisper Large V3 helyett a Qwen3-ASR-t érdemes használni?
Nyelvenként haladva a Whisper Notes for Macen belül így válaszolnánk erre.
- Ha kantonit, hindit, thait, vietnamit vagy franciát ír át: válassza a Qwen3-ASR 1.7B-t.
- Ha kínait, japánt, koreait, angolt, németet, spanyolt vagy olaszt ír át: hajszállal vezetett, és mi is csak ennyit állítunk. Bármelyik modell megfelel, ahogy a perzsa, az arab, az indonéz, az orosz, a portugál, a macedón és a maláj esetében is.
- Ha finnt, magyart, görögöt, csehet, svédet, dánt, lengyelt, románt, filippínót, törököt vagy hollandot ír át: maradjon a Whisper Large V3 Turbo-nál. Mind a tizenegyet egyértelműen megnyerte.
- Ha a sebesség vagy a lemezhely számít: nem ez a motor. A Parakeet V3 és a SenseVoice Small egy nagyságrenddel gyorsabb volt, a letöltés töredékéért, a Whisper Small pedig 600 MB-ban fed le 101 nyelvet 6,4× sebességgel.
- Ha iPhone-t vagy a Mac App Store-os változatot használja: a motor oda még nem érkezett meg. Azokon a csatornákon a kantonira a SenseVoice a választás.
Ez az Alibaba nyílt Qwen3-ASR modelljének eszközön futó változata a Whisper Notes for Mac alkalmazásban: a nyílt súlyok 8-bit pontossággal Apple MLX-re konvertálva futnak a saját Mac GPU-ján, és semmilyen hang nem kerül az Alibaba szervereire. Nem ugyanaz a modell, mint az a 0.6B, amelyet a SenseVoice váltott a közvetlenül letölthető (DMG) 1.5.0-ben.
Így használható (Mac közvetlen letöltés, DMG 1.6.0 és újabb): Beállítások, majd Átírási modell, majd Qwen3-ASR 1.7B. A modell az első használatkor az alkalmazáson belül töltődik le, és körülbelül 2,5 GB. Apple siliconon macOS 15 vagy újabb kell hozzá, 16 GB memória ajánlott; az alkalmazás többi része macOS 14-en is fut. A motoronkénti nyelvlista a nyelvi támogatás oldalunkon található. A helyi CLI és MCP-kiszolgáló a qwen, a qwen3 és a qwen3-asr nevet is elfogadja.
Ha inkább nem váltana, semmit sem kell megváltoztatnia: a Parakeet V3 továbbra is az alapértelmezett.
Gyakran ismételt kérdések
Pontosabb a Qwen3-ASR, mint a Whisper Large V3 Turbo?
Nyelvfüggő, és az arány nagyjából fele-fele. A Whisper Notes for Macen belül végzett saját FLEURS futásunkban, azon a 30 nyelven, amelyet mindkét modell lefed, a Qwen3-ASR 1.7B 15-ben vezetett, a Whisper Large V3 Turbo szintén 15-ben. A Qwen egyértelműen vezetett kantoniban (6,00% vs. 37,97% CER), hindiben (13,67% vs. 30,42% WER), thaiban, vietnamiban és franciában. A Turbo egyértelműen vezetett finnben (6,54% vs. 26,08% WER), magyarban, görögben, csehben, svédben, dánban, lengyelben, románban, filippínóban, törökben és hollandban. A harminc különbségből tizennégy a hibahatárokon belülre esik, és döntetlennek olvasandó. Válassza a Qwen3-ASR-t, ha a nyelve a nyerő oszlopában van, és a Whisper Notes Mac közvetlen letöltésű (DMG) változatát használja; minden más esetben, valamint a Qwen 30 nyelvén kívüli összes nyelvhez válassza a Whisper Large V3 Turbót, mert a Whisper mind a 101 lehetőséget eléri.
Használható a Qwen3-ASR iPhone-on vagy a Mac App Store-ból?
Ma a Whisper Notes Mac közvetlen letöltésű (DMG) változatában érhető el, az 1.6.0-s verziótól kezdve. A Mac App Store-os változat a tervek szerint későbbi kiadásokban kapja meg az újabb motorokat, dátumunk erre nincs. Addig az iPhone-alkalmazásban és a Mac App Store-os változatban három motorcsalád van — Whisper, Parakeet V3 és SenseVoice —, és minden nyelvet, amelyet a Qwen felismer, ott a Whisper is lefed. Modellként számolva a Mac App Store-os változat ma négyet kínál, a közvetlen letöltésű pedig ötöt, mert a Whisper Small és Large V3 Turbo formában is érkezik. Ha iPhone-on van szüksége kantonira, ott a SenseVoice a használandó motor.
Qwen3-ASR vagy SenseVoice kínaihoz, japánhoz és koreaihoz?
Pontosságban közel vannak egymáshoz, sebességben nagyon messze. A FLEURS futásunkban a Qwen3-ASR kínaiban 5,69% CER-t, japánban 5,39%-ot, koreaiban 3,51%-ot ért el; a SenseVoice Small ugyanazokon a klipeken 7,06%-ot, 6,85%-ot és 7,82%-ot. Abban a futásban a SenseVoice medián 161× valós idővel futott a Qwen 8,7×-ével szemben, a letöltése 827 MB a körülbelül 2,5 GB-tal szemben, és elérhető iPhone-on és mindkét Mac-változatban. Válassza a SenseVoice-ot, hacsak nem kantonit ír át: ott a Qwen3-ASR 6,00% CER-t ért el a SenseVoice 36,71%-ával szemben, és a különbség elég nagy ahhoz, hogy megérje kivárni.
Mik a Qwen3-ASR 1.7B rendszerkövetelményei?
Apple siliconos Mac macOS 15 vagy újabb rendszerrel, 16 GB memória ajánlásával, plusz körülbelül 2,5 GB lemezhely a modellnek. Ez magasabb, mint a Whisper Notes for Mac többi része, amely macOS 14 és újabb rendszeren fut. A mérési futásunkban a modell 2,43 GiB folyamatmemóriáig kúszott fel, ami a legmagasabb az öt motor közül. Egy 8 GB-os Macen a Whisper Small ugyanazt a 101 nyelvből álló listát 600 MB-ban fedi le, a Parakeet V3 pedig 25 európai nyelvet 465 MB-ban.
Elhagyja a hang a Macemet, ha a Qwen3-ASR-t használom?
Nem. Az Alibaba felhőszolgáltatásként is kínálja a Qwen3-ASR-t a DashScope Real-time és FileTrans API-jain keresztül, ahol a hang az ő szervereikre kerül fel. A Whisper Notes ezeket nem használja. A nyílt súlyokat helyben, MLX 8-bit modellként futtatja a Mac GPU-ján, fiók és API-kulcs nélkül, és az átírás kikapcsolt hálózattal is működik. Ez az alkalmazás minden motorcsaládjára igaz, minden csatornán.
Miért nem egyeznek ezek a számok azzal a pontossággal, amit a saját felvételeimen kapok?
Mert a FLEURS rövid, tiszta, felolvasott beszéd, az Ön felvételei pedig nem azok. A futásunk egy nyilvános adatkészleten végzett kalibráció: nyelvenként körülbelül 75 mondat, egyetlen M5 MacBook Air, minden modellnek ugyanazok a klipek. Arra jó, hogy megkérdezzük, szóba jöhet-e egy modell egy adott nyelvhez; arra nem, hogy megjósolja a pontosságát egy megbeszélésen, zajos hanganyagon, akcentussal ejtett beszéden vagy egy kétórás fájlon.
Próbálja ki
A Qwen3-ASR 1.7B a Whisper Notes for Mac 1.6.0-s és újabb verzióiban érhető el, kizárólag a közvetlen letöltésű (DMG) változatban. Beállítások, majd Átírási modell. Az ingyenes próba 10 000 szót fed le, ami elég ahhoz, hogy végigfuttassa rajta a saját nyelvét, és vitába szálljon a fenti táblázatokkal.
Ha talál olyan nyelvet, ahol a számaink nem egyeznek a tapasztalatával, írjon a mac@whispernotes.app címre. Teljes kiadási jegyzék: whispernotes.app/changelog.
A fentiek forrásai: saját futásunk a Google FLEURS teszthalmazán a 70bb2e84 revíziónál, a Qwen3-ASR 1.7B modellkártyája, valamint a motoronkénti nyelvtáblázat a nyelvi támogatás oldalunkon, amely az alkalmazás saját forráskódjából készül.
Letöltés macOS-re