SenseVoice vs Qwen3-ASR: mana lebih baik untuk Mandarin, Jepang, dan Korea?

Angka akurasi di sini berasal dari pengujian kami sendiri. Kami menjalankan SenseVoice Small, Qwen3-ASR, dan Whisper Large V3 Turbo pada kalimat bacaan FLEURS yang sama, sekitar 30 menit per bahasa, dengan model yang disertakan di Whisper Notes. Angka kecepatan diambil dari kartu setiap model di aplikasi, yang berasal dari pengujian terpisah dengan klip pendek. Informasi lainnya menggambarkan cara kerja aplikasi Mac saat ini.

Seberapa jauh Qwen3-ASR lebih akurat daripada SenseVoice?

Tingkat kesalahan karakter (CER) untuk bahasa Mandarin, Jepang, dan Korea, tingkat kesalahan kata (WER) untuk bahasa Inggris; makin rendah makin baik. Hijau menandai nilai terendah di setiap baris. Pengujian kami sendiri pada set uji FLEURS, sekitar 30 menit dan 139 hingga 180 kalimat bacaan per bahasa, di Mac. SenseVoice dijalankan dengan bahasa yang diatur. Hanya ucapan bacaan yang bersih: ruangan bising, rapat, dan rekaman panjang tidak tercakup.

Qwen3-ASR membuat lebih sedikit kesalahan daripada SenseVoice di semua bahasa yang kami uji. Untuk bahasa Mandarin dan Jepang, selisihnya sekitar satu poin: 6,49% (Qwen3-ASR) berbanding 7,69% (SenseVoice) untuk Mandarin, dan 5,74% berbanding 6,78% untuk Jepang. Selisih terbesar ada di bahasa Korea: jumlah karakter yang salah pada SenseVoice lebih dari dua kali lipat, 7,85% berbanding 3,54%. Dalam bahasa Inggris, Qwen3-ASR salah pada sekitar satu dari 22 kata, sedangkan SenseVoice sekitar satu dari 12.

Whisper Large V3 Turbo tidak tertinggal jauh dari Qwen3-ASR. Model ini paling akurat di antara ketiganya untuk bahasa Jepang dan berada di urutan kedua untuk Korea dan Inggris, tetapi sedikit di bawah SenseVoice untuk Mandarin.

Seberapa jauh SenseVoice lebih cepat daripada Qwen3-ASR?

Hijau menandai model yang lebih cepat. Ini adalah kecepatan yang ditampilkan pada kartu model di aplikasi: hanya waktu pemrosesan mesin, tanpa waktu memuat model, diukur dengan klip pendek dalam pengujian pemakaian sehari-hari yang terpisah di Mac. SenseVoice berjalan pada 115,2× dengan bahasa yang diatur dan 131× dengan deteksi otomatis; Qwen3-ASR terukur 7,65× sebelum dibulatkan. Waktu untuk satu jam audio dihitung dari kecepatan ini, lalu dibulatkan.

SenseVoice lebih dari 15 kali lebih cepat. Untuk rekaman satu jam, artinya sekitar setengah menit berbanding sekitar delapan menit. Jika Anda sering mentranskripsi rekaman panjang, atau ingin teksnya langsung tersedia, selisih ini lebih penting daripada satu poin akurasi. Jika Anda bisa menunggu beberapa menit dan ingin lebih sedikit koreksi, selisih ini tidak terlalu berarti.

Atur bahasanya untuk akurasi yang sedikit lebih baik

Dengan bahasa yang diatur, SenseVoice membuat lebih sedikit kesalahan daripada saat diatur ke Otomatis di keempat bahasa: 7,69% berbanding 7,90% untuk Mandarin, 6,78% berbanding 6,87% untuk Jepang, 7,85% berbanding 8,09% untuk Korea, dan 8,46% berbanding 8,51% untuk Inggris. Selisihnya kecil, tetapi semuanya searah. Kami tidak menjalankan Qwen3-ASR atau Whisper dengan Otomatis, jadi kami tidak punya angka untuk keduanya. Saran aplikasi sendiri: kecuali untuk Parakeet, memilih bahasa biasanya lebih akurat daripada Otomatis.

Parakeet adalah pengecualiannya: di Whisper Notes, memberi tahu bahasanya justru membuat Parakeet kurang akurat, karena itu model ini selalu mendeteksi bahasa sendiri (lihat Parakeet Ultra vs Parakeet V3). Di Mac, opsi ini adalah Bahasa di bagian Transkripsi pada Pengaturan.

Berapa lama waktu transkripsi untuk rekaman panjang?

Dalam pengujian sebelumnya dengan rekaman sungguhan di Apple M4 Pro, SenseVoice mentranskripsi satu episode podcast wawancara berbahasa Mandarin berdurasi 27 menit dalam 13,83 detik. Whisper Large V3 Turbo butuh 2 menit 4 detik untuk file yang sama. Qwen3-ASR tidak ikut dalam pengujian itu. Pengujian itu memakai versi aplikasi yang lebih lama; kecepatannya, sekitar 117× waktu nyata, sesuai dengan 115–131× di kartu model saat ini.

Jika dihitung dari pengujian itu, sebagai perkiraan kasar, rapat atau kuliah berdurasi satu jam akan selesai dalam sekitar setengah menit dengan SenseVoice dan sekitar empat setengah menit dengan Whisper Large V3 Turbo di Mac tersebut. Berdasarkan kecepatan di atas, Qwen3-ASR akan butuh kira-kira delapan menit.

Kedua model tidak memproses file panjang sekaligus. Di aplikasi Mac, SenseVoice membagi audio menjadi bagian-bagian hingga 30 detik yang dipotong pada jeda, lalu menampilkan teks setiap bagian begitu selesai. Qwen3-ASR juga bekerja per bagian hingga 30 detik, yang dipotong pada saat paling hening di dekat setiap batas, dan teksnya muncul selagi ditulis. Dengan model mana pun, transkrip terisi bagian demi bagian, dan Anda bisa mulai membaca sebelum seluruh file selesai.

Model mana yang bisa saya pakai di perangkat saya?

Hijau berarti tersedia, kuning berarti tidak tersedia.

Di iPhone, SenseVoice adalah pilihan cepat untuk bahasa Mandarin, Jepang, dan Korea, dengan Whisper Small sebagai alternatifnya.

Mengapa ada dua versi Mac? Versi Mac App Store bekerja dalam batasan yang ditetapkan Apple untuk aplikasi App Store, jadi beberapa fitur hanya ada di aplikasi Mac dari situs web kami: pengetikan suara dengan Fn, asisten AI di perangkat, dan alat baris perintah (latar belakangnya). Model suaranya sama di keduanya.

Kebutuhan masing-masing model di Mac

Ukuran unduhan dan label memori sesuai yang ditampilkan di aplikasi Mac dari situs web kami saat ini. Kuning menandai persyaratan yang perlu dicek sebelum mengunduh. Memori puncak berasal dari pengujian pemakaian sehari-hari yang sama dengan angka kecepatan di atas; GiB sekitar 7% lebih besar daripada GB.

Kedua model ini bukan model bawaan. Masing-masing diunduh sekali dari kartunya di Pengaturan, lalu bekerja offline. SenseVoice jauh lebih ringan: ukuran unduhannya sekitar seperlima dari Qwen3-ASR, dan kebutuhan memorinya jauh di bawah separuhnya. Di Mac dengan memori kurang dari 16 GB, kartu Qwen3-ASR menampilkan catatan memorinya dengan warna oranye sebagai peringatan. Sebagai perbandingan, unduhan Whisper Large V3 Turbo sekitar 2 GB, dan kartunya menyebut memori sekitar 2,4 GB.

Mana yang sebaiknya Anda pakai?

• Kesalahan paling sedikit, di Mac: Qwen3-ASR 1.7B, di kedua versi Mac. Model ini mengungguli SenseVoice di keempat bahasa dalam pengujian kami. Untuk bahasa Jepang, Whisper Large V3 Turbo masih sedikit lebih akurat, 5,30% berbanding 5,74%.
• Kecepatan, rekaman panjang, Mac dengan memori lebih kecil, atau iPhone: SenseVoice Small. Audio satu jam selesai dalam sekitar setengah menit, bukan sekitar delapan menit, dan ukuran unduhan serta kebutuhan memorinya hanya sebagian kecil.
• Akurasi bahasa Jepang atau Korea tanpa Qwen3-ASR 1.7B (yang membutuhkan macOS 15): Whisper Large V3 Turbo, 5,30% berbanding 6,78% untuk SenseVoice dalam bahasa Jepang dan 4,25% berbanding 7,85% dalam bahasa Korea. Model ini jauh lebih lambat daripada SenseVoice.
• Bahasa lain: Parakeet, model bawaan, untuk bahasa Inggris dan 24 bahasa Eropa lainnya (lihat Parakeet Ultra vs Parakeet V3), dan Whisper untuk bahasa selebihnya. Perbandingan Qwen3-ASR 1.7B dengan Whisper di 30 bahasa ada di benchmark Qwen3-ASR vs Whisper kami. Tingkat kesalahan semua model, berdampingan untuk 42 bahasa, ada di perbandingan model per bahasa kami.

Apa lagi yang perlu Anda ketahui?

• Label pembicara, stempel waktu, dan subtitle berfungsi dengan keduanya. SenseVoice dan Qwen3-ASR sama-sama memberikan stempel waktu, jadi label pembicara dan ekspor subtitle SRT bekerja dengan cara yang sama di kedua model.
• Aksara Mandarin Sederhana atau Tradisional mengikuti bahasa sistem Anda. Setelah transkripsi, Whisper Notes mengonversi teks Mandarin ke aksara Sederhana atau Tradisional di Mac Anda, sesuai bahasa sistem Anda. Jika Anda mengatur bahasa ke 简体中文 (Mandarin Sederhana) atau 繁體中文 (Mandarin Tradisional), pilihan itulah yang menentukan.
• Dialek belum diuji. Kartu model Qwen sendiri mencantumkan 30 bahasa ditambah 22 dialek dan aksen bahasa Tionghoa. Whisper Notes tidak punya pengaturan dialek tersendiri: Anda memilih Mandarin atau Otomatis, dan model menangani sisanya. Kami belum menguji dialek, jadi kami tidak bisa mengatakan seberapa baik kedua model menanganinya.
• Qwen3-ASR masih Beta. Jika model ini mogok, Whisper Notes menonaktifkannya saat aplikasi dibuka berikutnya dan beralih ke model lain, sehingga aplikasi tetap bisa dibuka. Anda bisa memilih Qwen3-ASR lagi di Pengaturan untuk mencoba kembali.
• Angka kami berlaku untuk ucapan bacaan yang bersih. Kalimat FLEURS dibacakan dalam kondisi tenang. Rapat, ruangan bising, mikrofon yang jauh, dan aksen yang kental bisa mengubah selisihnya, entah memperlebar atau mempersempit.
• Campuran Mandarin dan Inggris belum diuji. Kami belum mengukur bagaimana kedua model menangani kalimat yang berganti-ganti antara Mandarin dan Inggris, jadi cobalah dengan rekaman Anda yang biasa sebelum memilih salah satunya.

Bagaimana cara mengganti model?

Di Mac, buka Pengaturan dan gulir ke Model Transkripsi. Setiap model punya kartu yang menampilkan kecepatannya, penggunaan yang paling cocok, jumlah bahasa yang didukung, kebutuhan memori, dan ukuran unduhannya. Untuk mengunduh model, klik kartunya atau panah unduh di kartu itu; setelah terpasang, klik kartunya untuk beralih ke model tersebut. Tautan bahasa di setiap kartu (Bahasa yang Didukung, atau 30 bahasa yang didukung pada kartu Qwen3-ASR 1.7B) mencantumkan setiap bahasa beserta tingkat kesalahan hasil pengujian kami.

Pengaturan → Model Transkripsi di aplikasi Mac dari situs web kami

Setelah itu, atur Bahasa di bagian Transkripsi, jangan biarkan tetap Otomatis.

Apa itu SenseVoice?

Dari makalah FunAudioLLM: SenseVoice-Small memiliki 234 juta parameter dan memproses 10 detik audio dalam 70 ms; Whisper-Large-V3 memiliki 1.550 juta parameter dan butuh 1.281 ms. Keduanya diukur pada GPU pusat data, bukan di Mac.

Qwen3-ASR berasal dari tim Qwen di Alibaba dan dirilis dengan lisensi Apache 2.0. Di Whisper Notes, model ini berjalan pada GPU Mac melalui MLX, dalam 8-bit. Perbandingannya dengan Whisper di 30 bahasa ada di benchmark Qwen3-ASR kami.

Pertanyaan yang sering diajukan

Coba sekarang

SenseVoice ada di Whisper Notes untuk iPhone dan Mac, sedangkan Qwen3-ASR (Beta) ada di Mac. Gunakan tombol di bawah untuk mendapatkan aplikasi iPhone dari App Store atau aplikasi Mac dari situs web kami. Ada pertanyaan? Kirim email ke support@whispernotes.app.

Unduh untuk iOS Unduh untuk macOS