TL;DR
| Parakeet V3 | Perbandingan Whisper | |
|---|---|---|
| Kecepatan | ~60× realtime di Apple Silicon | Turbo ~14× realtime di M4 Pro yang sama |
| Bahasa yang didukung | 25 | 100+ |
| Tingkat kesalahan Inggris (WER) | 6.32% | Turbo 7.83% |
| Rata-rata kesalahan 25 bahasa (WER) | 12.0% | 12.6% |
| Halusinasi | Nyaris tidak ada saat hening dalam pengujian kami | Bisa muncul saat hening |
| Terbaik untuk | Inggris & Eropa | Asia, Arab, 100+ |
* Kecepatan: pengukuran kami sendiri di Apple Silicon (58× pada sebuah podcast, 63× pada sebuah rapat). WER Inggris: Hugging Face Open ASR Leaderboard. Rata-rata 25 bahasa: benchmark FLEURS. Perilaku saat hening adalah observasi produk kami, bukan jaminan bebas kesalahan sepenuhnya.
Whisper Notes untuk Mac menggunakan NVIDIA Parakeet TDT 0.6B sebagai engine pengenalan suara default. Di Apple Silicon ia berjalan sekitar 60× realtime, dan di Open ASR Leaderboard ia lebih akurat dari Whisper Large V3 Turbo untuk bahasa Inggris — 6,32% berbanding 7,83%. Model Whisper tetap tersedia kalau Anda butuh bahasa lain.
Kenapa Kami Ganti Default-nya
Whisper memang bagus, tapi ia didesain sebagai model serba guna. Bisa menangani lebih dari 100 bahasa, menerjemahkan, membuat timestamp — seperti pisau Swiss Army. Konsekuensinya adalah kecepatan. Untuk dikte bahasa Inggris, di mana Anda hanya ingin teks muncul di layar secepat mungkin, itu berlebihan.
Dengan Whisper di balik dikte seluruh sistem via tombol Fn, ucapan satu menit baru muncul 3–5 detik setelah tombol dilepas.
Dengan Parakeet, ucapan yang sama muncul dalam sekitar satu detik atau kurang, cukup singkat sampai Anda tidak lagi merasa menunggu.
Seberapa Cepat Parakeet V3?
Ini dua kali pengukuran kami sendiri — kedua engine pada audio yang sama, di Mac yang sama:
| Model | Podcast bahasa Inggris 5 menit (M4 Pro) |
|---|---|
| Whisper Large V3 Turbo | 20.92 dtk — 14.3× realtime |
| Parakeet TDT 0.6B v3 | 2.91 dtk — 103× realtime |
Di mesin yang lebih kecil pun selisihnya bertahan. Di M5 Air kami, Parakeet menuntaskan rapat berdurasi 17,5 menit dalam 16,7 detik, sekitar 60× realtime.
Apa yang Membuat Parakeet v3 Secepat Ini
Encoder Whisper membaca jendela audio 30 detik sekaligus. Decoder-nya lalu menulis transkrip satu token demi satu token, dan selalu berharap menulis sesuatu, bahkan saat hening.
Parakeet adalah transducer. Ia mengompresi audio 8× terlebih dahulu, lalu memprediksi setiap token sekaligus berapa lama token itu berlangsung, sehingga bisa melompat ke depan alih-alih menyusuri setiap frame. Saat hening, ia mengeluarkan "blank" lalu lanjut.
Dari situlah kecepatan dan jeda yang lebih bersih itu berasal. Di M4 Pro, ia menuntaskan satu jam audio dalam waktu kurang dari satu menit, dengan parameter lebih sedikit daripada Whisper Large V3 Turbo dan tingkat kesalahan bahasa Inggris yang lebih rendah.
Benchmark: Parakeet v3 vs Whisper
Makin rendah makin baik: Parakeet V3, yang ukurannya kurang dari separuh Whisper Large V3, selisihnya tak lebih dari satu poin di ketiga benchmark, sementara Seamless M4T v2 yang lebih besar mencatat nilai terendah.
Di Hugging Face Open ASR Leaderboard, Parakeet v3 mencatat rata-rata WER bahasa Inggris 6,32% dengan 600M parameter — kurang dari setengah 1.55B milik Whisper Large V3:
| Model | Parameter | WER Rata-rata | Kecepatan (RTFx) |
|---|---|---|---|
| Parakeet TDT 0.6B v3 | 0.6B | 6.32% | 3333x |
| Canary 1B v2 | 1.0B | 7.15% | 749x |
| Whisper Large V3 Turbo | 0.8B | 7.83% | 350x |
WER lebih rendah = lebih sedikit error. RTFx lebih tinggi = lebih cepat. Parakeet unggul di keduanya, dan dengan 600M parameter ia yang terkecil dari ketiganya, jadi berjalan baik di Apple Silicon tanpa butuh banyak memori.
WER Multibahasa: Semua 25 Bahasa
Leaderboard di atas hanya mencakup bahasa Inggris. Ini gambaran lengkapnya — bagaimana tiga model yang tersedia di Whisper Notes dibandingkan di semua 25 bahasa yang didukung Parakeet, diukur pada benchmark FLEURS. WER lebih rendah = lebih sedikit error transkripsi. Nilai terbaik antara Large V3 dan Parakeet di-highlight per baris:
| Bahasa | Whisper Small | Whisper Large V3 | Parakeet V3 |
|---|---|---|---|
| Bulgaria | 37.3 | 12.9 | 12.6 |
| Kroasia | 33.4 | 11.1 | 12.5 |
| Ceko | 37.6 | 11.3 | 11.0 |
| Denmark | 32.8 | 12.6 | 18.4 |
| Belanda | 16.4 | 5.6 | 7.5 |
| Inggris | 6.1 | 4.3 | 4.9 |
| Estonia | 51.3 | 19.1 | 17.7 |
| Finlandia | 24.0 | 7.7 | 13.2 |
| Prancis | 15.0 | 6.3 | 5.2 |
| Jerman | 10.2 | 4.3 | 5.0 |
| Yunani | 30.8 | 27.0 | 20.7 |
| Hungaria | 38.9 | 14.1 | 15.7 |
| Italia | 9.8 | 2.3 | 3.0 |
| Latvia | 53.2 | 18.3 | 22.8 |
| Lituania | 65.6 | 22.3 | 20.4 |
| Malta | 92.2 | 68.9 | 20.5 |
| Polandia | 14.7 | 4.7 | 7.3 |
| Portugis | 7.3 | 3.7 | 4.8 |
| Rumania | 29.8 | 8.2 | 12.4 |
| Rusia | 11.4 | 4.2 | 5.5 |
| Slovakia | 33.3 | 8.4 | 8.8 |
| Slovenia | 49.3 | 19.9 | 24.0 |
| Spanyol | 5.6 | 3.1 | 3.5 |
| Swedia | 20.8 | 7.9 | 15.1 |
| Ukraina | 19.3 | 6.5 | 6.8 |
| Rata-rata | 29.8 | 12.6 | 12.0 |
WER (%) pada FLEURS. Data Whisper Small dari Radford et al.; data Large V3 dan Parakeet V3 dari paper NVIDIA Canary-1B-v2.
Whisper Large V3 unggul tipis di sebagian besar bahasa secara individual, tapi Parakeet V3 hampir setara secara rata-rata (12,0% vs 12,6%), memimpin di tujuh di antaranya, paling jelas di bahasa Malta dan Yunani, serta memangkas rata-rata tingkat kesalahan Whisper Small sekitar 60%. Keunggulan praktisnya ada pada kombinasinya: akurasi multibahasa setara Large V3 pada sekitar 60× realtime di Apple Silicon, jejak memori yang lebih kecil saat berjalan, dan penanganan keheningan yang jauh lebih andal dalam pengujian dikte kami.
Kenapa Halusinasinya Lebih Jarang Saat Hening
Kalau Anda pernah memakai Whisper untuk dikte, Anda mungkin pernah melihatnya berhalusinasi saat hening — mengulang frasa, mengarang kata, atau tiba-tiba memunculkan "Subtitles by Amara.org" entah dari mana. Ini terjadi karena decoder autoregressive Whisper selalu berekspektasi menghasilkan teks, meskipun tidak ada yang perlu ditranskripsi.
Arsitektur transducer Parakeet bisa mengeluarkan output kosong alih-alih memaksakan token teks. Dalam pengujian dikte seluruh sistem kami, itu membuatnya jauh lebih kecil kemungkinannya dibanding Whisper untuk mengisi jeda dengan teks berulang atau tidak relevan. Ia tetaplah model suara, jadi klaim yang akurat adalah “lebih jarang”, bukan “tidak pernah”.
Bahasa yang Didukung Parakeet
Parakeet v3 mendukung 25 bahasa: Bulgaria, Kroasia, Ceko, Denmark, Belanda, Inggris, Estonia, Finlandia, Prancis, Jerman, Yunani, Hungaria, Italia, Latvia, Lituania, Malta, Polandia, Portugis, Rumania, Rusia, Slovakia, Slovenia, Spanyol, Swedia, dan Ukraina.
Itu mencakup hampir seluruh Eropa, tapi tidak termasuk bahasa Mandarin, Jepang, Korea, Arab, atau Hindi. Untuk bahasa Mandarin, Jepang, Korea, dan Kanton, pilih SenseVoice; untuk bahasa Arab, Hindi, Indonesia, dan bahasa lain di luar cakupan Parakeet, gunakan Whisper Large V3 Turbo. Untuk memeriksa bahasa tertentu per engine, lihat halaman bahasa yang didukung Whisper, Parakeet V3, dan SenseVoice.
Parakeet V3 sudah bawaan dan terpilih; Whisper Small dan Whisper Large V3 Turbo adalah unduhan opsional yang juga berjalan secara lokal.
Pemilih Model di Whisper Notes
Buka Pengaturan untuk beralih antar model:
- Parakeet V3 (default) — Tercepat, terbaik untuk bahasa Inggris & bahasa Eropa
- SenseVoice Small — Tercepat untuk bahasa Mandarin, Jepang, Korea, dan Kanton
- Whisper Small — Ringan, 100+ bahasa
- Whisper Large V3 Turbo — Cakupan luas 100+ bahasa
Semua model berjalan 100% lokal di Mac Anda. Tanpa internet, tanpa cloud, tidak ada data yang keluar dari perangkat.
Bagaimana dengan Parakeet V2?
Kalau Anda pernah memakai V2, mungkin penasaran bagaimana perbandingannya. V2 adalah model khusus Bahasa Inggris — dan akurasi Bahasa Inggrisnya sebenarnya sedikit lebih baik dari V3 (WER 6,05% vs 6,32%). V3 menukar selisih kecil itu dengan dukungan 25 bahasa. Keduanya jauh lebih akurat dari Whisper.
| Parakeet V2 | Parakeet V3 | Whisper Large V3 Turbo | |
|---|---|---|---|
| WER Inggris | 6.05% | 6.32% | 7.83% |
| Bahasa | Hanya Inggris | 25 | 100+ |
Singkatnya: kalau Anda hanya butuh bahasa Inggris, V2 dan V3 sama-sama bagus. V3 jadi default di Whisper Notes karena dukungan multibahasa penting bagi kebanyakan pengguna — dan perbedaan akurasi bahasa Inggrisnya bisa diabaikan.
Bagaimana dengan WhisperKit?
WhisperKit adalah framework Swift open-source dari Argmax untuk menjalankan model Whisper di perangkat Apple. Ia adalah toolkit untuk developer, bukan aplikasi untuk pengguna akhir — dan ia menjalankan Whisper, bukan Parakeet (yang merupakan keluarga model NVIDIA). Kalau Anda ingin transkripsi on-device ala WhisperKit tanpa menulis Swift sendiri, Whisper Notes mengemas ide yang sama sebagai aplikasi siap pakai: Parakeet V3, Whisper (Large V3 Turbo di Mac, Small di iPhone), dan SenseVoice, semuanya berjalan lokal di Mac dan iPhone.
Sedang membandingkan semua opsi lokal? Setiap model speech-to-text on-device — varian Whisper, Parakeet V3, SenseVoice, dan Voxtral — dibandingkan berdampingan di halaman perbandingan model Whisper kami. Baru mengenal Whisper? Mulailah dari Panduan Transkripsi Whisper — apa itu modelnya, semua cara menjalankannya, dan berapa biayanya.
Pertanyaan yang Sering Diajukan
Apakah Parakeet V3 lebih baik dari Whisper?
Untuk bahasa Inggris dan bahasa-bahasa Eropa, sering kali ya. Open ASR Leaderboard melaporkan WER bahasa Inggris 6,32% untuk Parakeet versus 7,83% untuk Turbo, dan dalam pengujian kami sendiri di M4 Pro, Parakeet berjalan pada 103× realtime berbanding 14,3× milik Turbo. Whisper tetap mencakup jauh lebih banyak bahasa, jadi kalau bahasa Anda di luar 25 milik Parakeet, Turbo-lah yang dipilih.
Bahasa apa saja yang didukung Parakeet V3?
Parakeet V3 mendukung 25 bahasa: Bulgaria, Kroasia, Ceko, Denmark, Belanda, Inggris, Estonia, Finlandia, Prancis, Jerman, Yunani, Hungaria, Italia, Latvia, Lituania, Malta, Polandia, Portugis, Rumania, Rusia, Slovakia, Slovenia, Spanyol, Swedia, dan Ukraina.
Bisakah saya menjalankan Parakeet V3 di Mac?
Bisa. Whisper Notes untuk Mac menyertakan Parakeet V3 sebagai engine default. Ia berjalan 100% lokal di Apple Silicon — tanpa internet, tanpa cloud, tidak ada data yang keluar dari perangkat Anda. Unduh Whisper Notes untuk Mac dan cobalah — 5.000 kata per minggu gratis.
Apakah Parakeet V3 berhalusinasi seperti Whisper?
Jauh lebih jarang dalam pengujian hening kami, tapi tidak ada model suara yang pantas diberi klaim “tidak pernah”. Parakeet bisa mengeluarkan output kosong selama jeda, sementara decoder autoregressive Whisper lebih rentan menghasilkan frasa berulang atau teks yang tidak relevan saat inputnya hening.
Parakeet V2 vs V3 — mana yang sebaiknya saya pakai?
Parakeet V2 hanya mendukung bahasa Inggris dengan akurasi bahasa Inggris yang sedikit lebih baik (WER 6,05% vs 6,32%). V3 menukar selisih kecil itu dengan 25 bahasa Eropa dan menjadi default di Whisper Notes. Kecuali Anda hanya mentranskripsi bahasa Inggris dan mengejar pecahan persen terakhir, gunakan V3.
Apakah Parakeet V3 mendukung bahasa Jepang, Mandarin, atau Korea?
Tidak — 25 bahasanya semuanya bahasa Eropa. Untuk bahasa Mandarin, Jepang, Korea, atau Kanton, Whisper Notes menyertakan SenseVoice — yang Anda pilih untuk bahasa-bahasa itu dan berjalan pada 52× realtime atau lebih — beserta model Whisper. Semuanya berjalan offline baik di Mac maupun iPhone.
Seberapa besar Parakeet V3?
600 juta parameter — unduhan 465 MB, model terkecil di kedua build Mac. Whisper Large V3 Turbo berukuran unduhan sekitar 1,6 GB di aplikasi yang sama, dan Qwen3-ASR 1.7B (Beta), yang hanya ada di unduhan langsung untuk Mac, sekitar 2,5 GB.
Coba Sekarang
Parakeet V3 adalah engine default di Whisper Notes untuk iPhone dan Mac.
Ada pertanyaan atau feedback? Email ke support@whispernotes.app.
Download untuk iOS