Offline átírásra nem csak a Whisper-modellek alkalmasak. A Whisper Notesban hat beszédfelismerő modell fut offline:
- Parakeet (beépített)
- Whisper Large V3 Turbo
- Whisper Small
- Qwen3-ASR 1.7B (Mac)
- SenseVoice Small
- Apple Speech (Mac, macOS 26 vagy újabb)
Hogy melyik a legpontosabb, az a nyelvtől függ.
Melyik modell a legpontosabb?
Minden modellt ugyanazon a MacBook Air (M5) gépen teszteltünk. A számok hibaarányok (minél alacsonyabb, annál jobb); soronként a legalacsonyabb érték zöld.
| Nyelv | Parakeet | Whisper Large V3 Turbo | Whisper Small | Qwen3-ASR 1.7B1 | SenseVoice Small | Apple Speech1 |
|---|---|---|---|---|---|---|
| Angol | 5,89% | 5,49% | 7,04% | 4,49% | 8,46% | 8,80% |
| Német | 5,19% | 4,05% | 8,67% | 2,85% | — | 6,26% |
| Holland | 7,89% | 5,69% | 16,75% | 7,36% | — | — |
| Japán | — | 5,30% | 11,37% | 5,74% | 6,78% | 6,36% |
| Lengyel | 6,59% | 5,45% | 15,81% | 12,59% | — | — |
| Orosz | 6,17% | 5,13% | 11,37% | 5,65% | — | — |
| Francia | 5,19% | 5,97% | 13,24% | 4,57% | — | 7,61% |
| Spanyol | 3,95% | 3,62% | 6,22% | 3,38% | — | 5,41% |
| Koreai | — | 4,25% | 7,30% | 3,54% | 7,85% | 4,31% |
| Ukrán | 5,11% | 6,33% | 17,48% | — | — | — |
| Kínai | — | 7,97% | 20,50% | 6,49% | 7,69% | 7,97% |
| Kantoni | — | —2 | —2 | 6,44% | —2 | 8,69% |
| Olasz | 2,62% | 2,58% | 7,64% | 2,58% | — | 4,39% |
| Portugál | 5,81% | 5,44% | 8,61% | 5,17% | — | 9,35% |
| Svéd | 13,30% | 8,78% | 21,66% | 19,80% | — | — |
| Török | — | 5,95% | 14,24% | 8,81% | — | — |
| Cseh | 11,03% | 11,94% | 38,71% | 24,59% | — | — |
| Norvég | — | 8,99% | 24,50% | — | — | — |
| Finn | 10,44% | 7,11% | 25,91% | 27,71% | — | — |
| Arab | — | 15,72% | 32,81% | 14,32% | — | — |
| Szlovák | 8,79% | 9,59% | 32,43% | — | — | — |
| Dán | 15,92% | 13,63% | 34,14% | 22,24% | — | — |
| Hindi | — | 29,64% | 61,26% | 13,19% | — | —3 |
| Thai | — | 13,40% | 23,52% | 6,53% | — | — |
| Indonéz | — | 6,31% | 16,31% | 4,91% | — | — |
| Magyar | 13,74% | 14,59% | 40,65% | 36,63% | — | — |
| Vietnámi | — | 8,10% | 18,12% | 4,91% | — | — |
| Maláj | — | 9,22% | 19,72% | 10,62% | — | — |
| Görög | 34,00% | 13,94% | 31,64% | 30,22% | — | — |
| Román | 9,68% | 8,36% | 29,45% | 20,20% | — | — |
| Filippínó | — | 9,72% | 25,60% | 23,31% | — | — |
| Bolgár | 12,44% | 14,54% | 39,68% | — | — | — |
| Szlovén | 20,32% | 19,15% | 48,54% | — | — | — |
| Észt | 15,56% | 19,08% | 50,84% | — | — | — |
| Horvát | 12,49% | 11,49% | 33,76% | — | — | — |
| Litván | 17,97% | 23,28% | 67,23% | — | — | — |
| Máltai | 19,38% | 74,35% | 95,68% | — | — | — |
| Izlandi | — | 19,75% | 73,96% | — | — | — |
| Katalán | — | 5,80% | 15,51% | — | — | — |
| Galiciai | — | 12,23% | 31,09% | — | — | — |
| Macedón | — | 17,46% | 37,11% | 18,57% | — | — |
| Bosnyák | — | 14,85% | 39,60% | — | — | — |
A kínai, a japán, a koreai, a kantoni és a thai nyelvnél karakterhibaarányt, a többinél szóhibaarányt mutatunk. A táblázatból hiányzó nyelvekről a Támogatott nyelvek oldalon olvashat.
1 Csak Macen. Egyelőre a weboldalunkról letölthető Mac-alkalmazásban érhető el, a Mac App Store-verzió még felzárkózóban van. 2 A SenseVoice Small és a Whisper kantoni eredményét egyelőre nem közöljük, mert még nem győződtünk meg róla, hogy ez a teszt igazságosan pontozza őket. 3 Az Apple Speech a hindi szöveget végig latin betűkkel írta le, ezért nem lehetett pontozni.
Melyik a leggyorsabb? Mennyi ideig tart egy egyórás felvétel átírása?
| Modell | Sebesség (× valós idő) | Egyórás felvétel | Letöltés | Memória |
|---|---|---|---|---|
| SenseVoice Small | 115–131× | kb. 30 másodperc | kb. 450 MB | kb. 700 MB |
| Parakeet | 75,8× | kb. 50 másodperc | Beépített (kb. 630 MB) | kb. 800 MB |
| Apple Speech | 19,7× | kb. 3 perc | A macOS kezeli | — |
| Qwen3-ASR 1.7B | 7,6× | kb. 8 perc | kb. 2,5 GB | kb. 2,6 GB |
| Whisper Small | 6,5× | kb. 9 perc | kb. 400 MB | kb. 1 GB |
| Whisper Large V3 Turbo | 2,7× | kb. 22 perc | kb. 2 GB | kb. 2,4 GB |
A sebesség, a letöltési méret és a memóriaigény a Mac-alkalmazás modellkártyáiról származik. A sebességbe csak a modell feldolgozási ideje számít bele; az egyórás felvételre vonatkozó időket ebből számoltuk ki.
A legpontosabb modellek gyakran a leglassabbak is, és minél hosszabb a felvétel, annál többet számít a különbség.
Mely modellek érhetők el iPhone-on és Macen?
| Modell | iPhone | Mac |
|---|---|---|
| Parakeet | Igen, beépített | Igen, beépített |
| Whisper Large V3 Turbo | Nem | Igen |
| Whisper Small | Igen | Igen |
| Qwen3-ASR 1.7B | Nem | Igen (Béta)1 |
| SenseVoice Small | Igen | Igen |
| Apple Speech | Nem | Igen (macOS 26 vagy újabb)1 |
Zöld: elérhető, borostyánsárga: nem érhető el. 1 Egyelőre a weboldalunkról letölthető Mac-alkalmazásban érhető el, a Mac App Store-verzió még felzárkózóban van.
Szeretnénk iPhone-on is több modellt elérhetővé tenni. A legtöbben a Whisper Large V3-at kérik, de ez teljes és tömörített változatban is csak a néhány legújabb iPhone-on fut, a legtöbb telefonon nem. A Qwen3-ASR 1.7B-vel ugyanez a helyzet. Folyamatosan teszteljük az új modelleket és a meglévők kisebb változatait. Legutóbb a Parakeet V3 helyett a Parakeet Ultra lett az alapértelmezett modell, amely 25 nyelven nagyjából 24%-kal kevesebbet hibázik. Részletek: Parakeet Ultra vs Parakeet V3.
Hogyan válthatok modellt?
Macen nyissa meg a Beállításokat, és az Átírási modell részben egy modellkártyára kattintva letöltheti a modellt, vagy átválthat rá; a kártyákon lévő Támogatott nyelvek link nyelvenként megmutatja az adott modell hibaarányát.
Beállítások → Átírási modell a Mac-alkalmazásban
Hogyan mértünk?
A FLEURS felolvasott beszédanyagán mértünk (83 nyelvi részhalmaz, 12 090 mondat), és minden modell ugyanazon a MacBook Air (M5) gépen futott. A Whisper-eredményeink nagyon közel vannak az OpenAI által közzétett számokhoz. Ez tiszta, felolvasott beszéd; megbeszélések és zajos felvételek esetén magasabb a hibaarány.
Gyakori kérdések
Melyik a legjobb Whisper-modell?
A Whisper Large V3 Turbo. A táblázat minden nyelvén pontosabb a Whisper Smallnál, angolul például 5,49% a 7,04%-kal szemben, viszont jóval lassabb, és az iPhone-alkalmazásban csak a Whisper Small érhető el.
Melyik modell a legjobb japánhoz?
A Whisper Large V3 Turbo 5,30%-os karakterhibaaránnyal, utána a Qwen3-ASR 1.7B következik 5,74%-kal. iPhone-on a SenseVoice Smallt érdemes használni (6,78%).
Melyik modell a legjobb mandarin kínaihoz?
Macen a Qwen3-ASR 1.7B, 6,49%-os karakterhibaaránnyal. Utána a SenseVoice Small következik 7,69%-kal, és ez iPhone-on is működik.
Melyik a legjobb Parakeet-modell?
A Parakeet Ultra. 25 nyelven nagyjából 24%-kal kevesebbet hibázik, mint a Parakeet V3 (10,63% a 13,99%-kal szemben), és be van építve az iPhone-alkalmazásba (az 1.8.9-es verziótól) és a weboldalunkról letölthető Mac-alkalmazásba (az 1.6.4-es verziótól).
Letöltés iOS-re
Részletes mérések