Di Whisper Notes ada enam model pengenalan suara yang berjalan offline, dan tidak semuanya Whisper:
- Parakeet (bawaan)
- Whisper Large V3 Turbo
- Whisper Small
- Qwen3-ASR 1.7B (Mac)
- SenseVoice Small
- Apple Speech (Mac, macOS 26 atau yang lebih baru)
Mana yang paling akurat tergantung pada bahasa yang Anda gunakan.
Model mana yang paling akurat?
Kami menguji semua model di MacBook Air (M5) yang sama. Berikut tingkat kesalahannya (makin rendah makin baik, nilai terendah di setiap baris berwarna hijau):
| Bahasa | Parakeet | Whisper Large V3 Turbo | Whisper Small | Qwen3-ASR 1.7B1 | SenseVoice Small | Apple Speech1 |
|---|---|---|---|---|---|---|
| Inggris | 5,89% | 5,49% | 7,04% | 4,49% | 8,46% | 8,80% |
| Jerman | 5,19% | 4,05% | 8,67% | 2,85% | — | 6,26% |
| Belanda | 7,89% | 5,69% | 16,75% | 7,36% | — | — |
| Jepang | — | 5,30% | 11,37% | 5,74% | 6,78% | 6,36% |
| Polandia | 6,59% | 5,45% | 15,81% | 12,59% | — | — |
| Rusia | 6,17% | 5,13% | 11,37% | 5,65% | — | — |
| Prancis | 5,19% | 5,97% | 13,24% | 4,57% | — | 7,61% |
| Spanyol | 3,95% | 3,62% | 6,22% | 3,38% | — | 5,41% |
| Korea | — | 4,25% | 7,30% | 3,54% | 7,85% | 4,31% |
| Ukraina | 5,11% | 6,33% | 17,48% | — | — | — |
| Mandarin | — | 7,97% | 20,50% | 6,49% | 7,69% | 7,97% |
| Kanton | — | —2 | —2 | 6,44% | —2 | 8,69% |
| Italia | 2,62% | 2,58% | 7,64% | 2,58% | — | 4,39% |
| Portugis | 5,81% | 5,44% | 8,61% | 5,17% | — | 9,35% |
| Swedia | 13,30% | 8,78% | 21,66% | 19,80% | — | — |
| Turki | — | 5,95% | 14,24% | 8,81% | — | — |
| Ceko | 11,03% | 11,94% | 38,71% | 24,59% | — | — |
| Norwegia | — | 8,99% | 24,50% | — | — | — |
| Finlandia | 10,44% | 7,11% | 25,91% | 27,71% | — | — |
| Arab | — | 15,72% | 32,81% | 14,32% | — | — |
| Slovakia | 8,79% | 9,59% | 32,43% | — | — | — |
| Denmark | 15,92% | 13,63% | 34,14% | 22,24% | — | — |
| Hindi | — | 29,64% | 61,26% | 13,19% | — | —3 |
| Thai | — | 13,40% | 23,52% | 6,53% | — | — |
| Indonesia | — | 6,31% | 16,31% | 4,91% | — | — |
| Hungaria | 13,74% | 14,59% | 40,65% | 36,63% | — | — |
| Vietnam | — | 8,10% | 18,12% | 4,91% | — | — |
| Melayu | — | 9,22% | 19,72% | 10,62% | — | — |
| Yunani | 34,00% | 13,94% | 31,64% | 30,22% | — | — |
| Rumania | 9,68% | 8,36% | 29,45% | 20,20% | — | — |
| Filipino | — | 9,72% | 25,60% | 23,31% | — | — |
| Bulgaria | 12,44% | 14,54% | 39,68% | — | — | — |
| Slovenia | 20,32% | 19,15% | 48,54% | — | — | — |
| Estonia | 15,56% | 19,08% | 50,84% | — | — | — |
| Kroasia | 12,49% | 11,49% | 33,76% | — | — | — |
| Lituania | 17,97% | 23,28% | 67,23% | — | — | — |
| Malta | 19,38% | 74,35% | 95,68% | — | — | — |
| Islandia | — | 19,75% | 73,96% | — | — | — |
| Katalan | — | 5,80% | 15,51% | — | — | — |
| Galisia | — | 12,23% | 31,09% | — | — | — |
| Makedonia | — | 17,46% | 37,11% | 18,57% | — | — |
| Bosnia | — | 14,85% | 39,60% | — | — | — |
Tingkat kesalahan karakter untuk bahasa Mandarin, Jepang, Korea, Kanton, dan Thai; tingkat kesalahan kata untuk bahasa lainnya. Untuk bahasa yang tidak ada di tabel, lihat Bahasa yang didukung.
1 Hanya di Mac. Saat ini tersedia di aplikasi Mac dari situs web kami; versi Mac App Store masih kami kerjakan. 2 Skor bahasa Kanton untuk SenseVoice Small dan Whisper belum kami cantumkan karena kami belum yakin pengujian ini menilai keduanya secara adil. 3 Apple Speech menuliskan semua teks bahasa Hindi dengan huruf Latin, jadi hasilnya tidak bisa dinilai.
Mana yang paling cepat? Berapa lama mentranskripsi audio satu jam?
| Model | Kecepatan (× waktu nyata) | Audio 1 jam | Unduhan | Memori |
|---|---|---|---|---|
| SenseVoice Small | 115–131× | sekitar 30 detik | sekitar 450 MB | sekitar 700 MB |
| Parakeet | 75,8× | sekitar 50 detik | Bawaan (sekitar 630 MB) | sekitar 800 MB |
| Apple Speech | 19,7× | sekitar 3 menit | Dikelola macOS | — |
| Qwen3-ASR 1.7B | 7,6× | sekitar 8 menit | sekitar 2,5 GB | sekitar 2,6 GB |
| Whisper Small | 6,5× | sekitar 9 menit | sekitar 400 MB | sekitar 1 GB |
| Whisper Large V3 Turbo | 2,7× | sekitar 22 menit | sekitar 2 GB | sekitar 2,4 GB |
Kecepatan, ukuran unduhan, dan memori sesuai dengan yang tertera di kartu setiap model di aplikasi Mac. Kecepatan hanya menghitung waktu pemrosesan model; waktu untuk audio satu jam dihitung dari angka itu.
Model yang paling akurat sering kali justru yang paling lambat, dan makin panjang rekamannya, makin terasa bedanya.
Model mana yang bisa dipakai di iPhone dan Mac?
| Model | iPhone | Mac |
|---|---|---|
| Parakeet | Ya, bawaan | Ya, bawaan |
| Whisper Large V3 Turbo | Tidak | Ya |
| Whisper Small | Ya | Ya |
| Qwen3-ASR 1.7B | Tidak | Ya (Beta)1 |
| SenseVoice Small | Ya | Ya |
| Apple Speech | Tidak | Ya (macOS 26 atau yang lebih baru)1 |
Hijau berarti tersedia, kuning berarti tidak tersedia. 1 Saat ini tersedia di aplikasi Mac dari situs web kami; versi Mac App Store masih kami kerjakan.
Kami juga ingin menghadirkan lebih banyak model di iPhone. Yang paling banyak diminta adalah Whisper Large V3, tetapi versi penuh maupun versi terkompresinya hanya bisa berjalan di beberapa iPhone terbaru; kebanyakan ponsel tidak sanggup menjalankannya. Begitu juga dengan Qwen3-ASR 1.7B. Kami terus menguji model baru, serta versi yang lebih kecil dari model yang sudah ada. Baru-baru ini, kami mengganti model bawaan Parakeet V3 dengan Parakeet Ultra, yang kesalahannya sekitar 24% lebih sedikit pada 25 bahasa. Selengkapnya di Parakeet Ultra vs Parakeet V3.
Bagaimana cara mengganti model?
Di Mac, buka Pengaturan lalu klik kartu model di bagian Model Transkripsi untuk mengunduh atau beralih ke model itu; tautan Bahasa yang didukung di setiap kartu menampilkan tingkat kesalahannya untuk tiap bahasa.
Pengaturan → Model Transkripsi di aplikasi Mac
Bagaimana kami mengujinya?
Kami memakai rekaman kalimat yang dibacakan dari FLEURS, yaitu 83 set bahasa dengan total 12.090 kalimat, dan semua model dijalankan di MacBook Air (M5) yang sama. Hasil Whisper kami sangat mendekati angka yang dipublikasikan OpenAI. Rekaman ini berupa bacaan yang bersih; rekaman rapat dan rekaman yang bising akan menghasilkan tingkat kesalahan yang lebih tinggi.
Pertanyaan yang Sering Diajukan
Model Whisper mana yang terbaik?
Whisper Large V3 Turbo. Model ini lebih akurat daripada Whisper Small di semua bahasa dalam tabel (misalnya 5,49% berbanding 7,04% untuk bahasa Inggris), tetapi jauh lebih lambat; di aplikasi iPhone hanya tersedia Whisper Small.
Model apa yang terbaik untuk bahasa Jepang?
Whisper Large V3 Turbo, dengan tingkat kesalahan karakter 5,30%, disusul Qwen3-ASR 1.7B dengan 5,74%. Di iPhone, pakai SenseVoice Small (6,78%).
Model apa yang terbaik untuk bahasa Mandarin?
Qwen3-ASR 1.7B di Mac, dengan tingkat kesalahan karakter 6,49%. Berikutnya SenseVoice Small dengan 7,69%, yang juga bisa dipakai di iPhone.
Model Parakeet mana yang terbaik?
Parakeet Ultra. Pada 25 bahasa, model ini membuat sekitar 24% lebih sedikit kesalahan daripada Parakeet V3 (10,63% berbanding 13,99%), dan sudah menjadi model bawaan di aplikasi iPhone (versi 1.8.9 dan yang lebih baru) serta di aplikasi Mac dari situs web kami (versi 1.6.4 dan yang lebih baru).
Unduh untuk iOS
Benchmark lengkap