SenseVoice vs Qwen3-ASR: quale scegliere per cinese, giapponese e coreano?

I dati di precisione sono nostri. Abbiamo fatto trascrivere a SenseVoice Small, Qwen3-ASR e Whisper Large V3 Turbo le stesse frasi lette di FLEURS, circa 30 minuti per lingua, con i modelli che Whisper Notes usa davvero. Le velocità sono quelle che l’app mostra nella scheda di ogni modello e vengono da un test separato su clip brevi. Tutto il resto descrive come funziona oggi l’app per Mac.

Quanto è più preciso Qwen3-ASR rispetto a SenseVoice?

Tasso di errore sui caratteri (CER) per cinese, giapponese e coreano, sulle parole (WER) per l’inglese: più basso è, meglio è. In verde il valore più basso di ogni riga. Test nostro sul set di test FLEURS, circa 30 minuti e da 139 a 180 frasi lette per lingua, su un Mac. SenseVoice con la lingua impostata. Solo parlato letto e pulito: ambienti rumorosi, riunioni e registrazioni lunghe non sono coperti.

In tutte le lingue che abbiamo provato, Qwen3-ASR sbaglia meno di SenseVoice. In cinese e in giapponese la differenza è di circa un punto: 6,49% (Qwen3-ASR) contro 7,69% (SenseVoice) in cinese, 5,74% contro 6,78% in giapponese. Il distacco più grande è in coreano, dove SenseVoice sbaglia più del doppio dei caratteri: 7,85% contro 3,54%. In inglese Qwen3-ASR sbaglia circa una parola su 22, SenseVoice circa una su 12.

Whisper Large V3 Turbo è vicino a Qwen3-ASR. È stato il più preciso dei tre in giapponese e il secondo in coreano e in inglese, mentre in cinese è rimasto di poco dietro a SenseVoice.

Quanto è più veloce SenseVoice rispetto a Qwen3-ASR?

In verde il modello più veloce. Sono le velocità indicate nelle schede dei modelli nell’app: solo il tempo di elaborazione del motore, senza il caricamento del modello, misurato su clip brevi in un test separato di uso quotidiano su un Mac. SenseVoice ha raggiunto 115,2× con la lingua impostata e 131× con il rilevamento automatico; per Qwen3-ASR il valore prima dell’arrotondamento è 7,65×. I tempi per un’ora sono calcolati da queste velocità e arrotondati.

SenseVoice è più di 15 volte più veloce. Per una registrazione di un’ora vuol dire circa mezzo minuto contro circa otto minuti. Se trascrivi registrazioni lunghe, o vuoi il testo subito, questa differenza conta più di un punto di precisione. Se invece puoi aspettare qualche minuto e preferisci avere meno da correggere, conta meno.

Imposta la lingua per guadagnare un po’ di precisione

Con la lingua impostata, SenseVoice ha sbagliato meno che con Automatico in tutte e quattro le lingue: 7,69% contro 7,90% in cinese, 6,78% contro 6,87% in giapponese, 7,85% contro 8,09% in coreano e 8,46% contro 8,51% in inglese. Le differenze sono piccole, ma vanno tutte nella stessa direzione. Non abbiamo provato Qwen3-ASR né Whisper con Automatico, quindi per loro non abbiamo numeri; secondo l’app stessa, tranne che con Parakeet, scegliere la lingua di solito dà risultati più precisi di Automatico.

Parakeet fa eccezione: in Whisper Notes, indicargli la lingua lo rendeva meno preciso, ed è per questo che riconosce sempre la lingua da solo (vedi Parakeet Ultra vs Parakeet V3). Su Mac l’opzione è Lingua, sotto Trascrizione nelle Impostazioni.

Quanto tempo richiedono le registrazioni lunghe?

In un test precedente con una registrazione reale, su un Apple M4 Pro, SenseVoice ha trascritto in 13,83 secondi una puntata di 27 minuti di un podcast cinese di interviste. Whisper Large V3 Turbo ha impiegato 2 minuti e 4 secondi per lo stesso file. Qwen3-ASR non faceva parte di quel test. Quel test è stato fatto con una versione precedente dell’app; la velocità, circa 117× il tempo reale, è in linea con i 115–131× indicati oggi nella scheda del modello.

Estrapolando quel risultato, a grandi linee, una riunione o una lezione di un’ora richiederebbe su quel Mac circa mezzo minuto con SenseVoice e circa quattro minuti e mezzo con Whisper Large V3 Turbo. In base alle velocità viste sopra, con Qwen3-ASR servirebbero circa otto minuti.

Nessuno dei due modelli elabora un file lungo in un colpo solo. Nell’app per Mac, SenseVoice divide l’audio in parti di massimo 30 secondi, tagliate nelle pause, e mostra il testo di ogni parte appena è pronta. Anche Qwen3-ASR lavora in parti di massimo 30 secondi, tagliate nel punto più silenzioso vicino a ogni limite, e il suo testo compare mentre viene scritto. In entrambi i casi la trascrizione si riempie una parte alla volta, e puoi iniziare a leggere prima che l’intero file sia finito.

Quale posso usare sul mio dispositivo?

Verde significa disponibile, ambra significa non disponibile.

Su iPhone SenseVoice è la scelta veloce per cinese, giapponese e coreano, con Whisper Small come alternativa.

Perché due versioni per Mac? La versione Mac App Store funziona entro i limiti che Apple impone alle app dell’App Store, quindi alcune funzioni ci sono solo nell’app per Mac del nostro sito: la dettatura con il tasto Fn, l’assistente AI locale e lo strumento da riga di comando (ecco perché). I modelli di riconoscimento vocale sono gli stessi in entrambe.

Requisiti di ciascuno su Mac

Dimensioni del download e indicazioni di memoria come appaiono nell’attuale app per Mac del nostro sito. In ambra un requisito da verificare prima di scaricare. Il picco di memoria viene dallo stesso test di uso quotidiano delle velocità viste sopra; un GiB è circa il 7% in più di un GB.

Nessuno dei due modelli è integrato. Ognuno si scarica una sola volta, dalla sua scheda nelle Impostazioni, e poi funziona offline. SenseVoice è di gran lunga il più leggero dei due: circa un quinto del download e molto meno della metà della memoria di Qwen3-ASR. Su un Mac con meno di 16 GB di memoria, la scheda di Qwen3-ASR mostra in arancione l’indicazione di memoria, come avviso. Per confronto, Whisper Large V3 Turbo è un download di circa 2 GB e la sua scheda indica circa 2,4 GB di memoria.

Quale conviene usare?

• Il minor numero di errori, su Mac: Qwen3-ASR 1.7B, in entrambe le versioni per Mac. Ha battuto SenseVoice in tutte e quattro le lingue del test. In giapponese Whisper Large V3 Turbo è stato ancora un po’ più preciso, 5,30% contro 5,74%.
• Velocità, registrazioni lunghe, un Mac con meno memoria, oppure iPhone: SenseVoice Small. Un’ora di audio richiede circa mezzo minuto invece di circa otto, con solo una frazione del download e della memoria.
• Precisione in giapponese o coreano senza Qwen3-ASR 1.7B (richiede macOS 15): Whisper Large V3 Turbo, 5,30% contro 6,78% di SenseVoice in giapponese e 4,25% contro 7,85% in coreano. È molto più lento di SenseVoice.
• Altre lingue: Parakeet, il modello integrato, per l’inglese e altre 24 lingue europee (vedi Parakeet Ultra vs Parakeet V3), e Whisper per le altre. Il confronto tra Qwen3-ASR 1.7B e Whisper su 30 lingue è nel nostro benchmark Qwen3-ASR vs Whisper. Il tasso di errore di ogni modello nella tua lingua, su 42 lingue, è nel nostro confronto dei modelli lingua per lingua.

Cos’altro c’è da sapere?

• Etichette dei parlanti, timestamp e sottotitoli funzionano con entrambi. SenseVoice e Qwen3-ASR forniscono entrambi i timestamp, quindi le etichette dei parlanti e l’esportazione dei sottotitoli SRT funzionano allo stesso modo con l’uno o con l’altro.
• Il cinese semplificato o tradizionale dipende dalla lingua del sistema. Dopo la trascrizione, Whisper Notes converte il testo cinese in caratteri semplificati o tradizionali sul tuo Mac, in base alla lingua del sistema. Se imposti la lingua su 简体中文 (cinese semplificato) o 繁體中文 (cinese tradizionale), vale invece questa scelta.
• I dialetti non sono stati provati. La scheda del modello pubblicata da Qwen elenca 30 lingue più 22 dialetti e accenti cinesi. Whisper Notes non ha un’impostazione separata per i dialetti: scegli il cinese o Automatico, e al resto pensa il modello. Non abbiamo provato i dialetti, quindi non sappiamo dire quanto bene li gestisca ciascun modello.
• Qwen3-ASR è in Beta. Se dovesse interrompersi all’improvviso, Whisper Notes lo disattiva all’avvio successivo e passa a un altro modello, così l’app si apre comunque. Per riprovare, puoi selezionare di nuovo Qwen3-ASR nelle Impostazioni.
• I nostri numeri valgono per il parlato letto e pulito. Le frasi di FLEURS sono lette ad alta voce in ambienti silenziosi. Riunioni, stanze rumorose, microfoni lontani e accenti marcati possono cambiare le differenze in un senso o nell’altro.
• Il parlato misto cinese e inglese non è stato provato. Non abbiamo misurato come i due modelli gestiscono frasi che passano dal cinese all’inglese, quindi prova una tua registrazione tipica prima di sceglierne uno.

Come si cambia modello?

Su Mac, apri le Impostazioni e scorri fino a Modello di trascrizione. Ogni modello ha una scheda con la velocità, l’uso per cui è più adatto, quante lingue copre, quanta memoria richiede e la dimensione del download. Per scaricare un modello, fai clic sulla sua scheda o sulla freccia di download; una volta installato, fai clic sulla scheda per passare a quel modello. Il link alle lingue su ogni scheda (Lingue supportate, oppure 30 lingue supportate sulla scheda di Qwen3-ASR 1.7B) elenca tutte le lingue con il nostro tasso di errore per ciascuna.

Impostazioni → Modello di trascrizione nell’app per Mac del nostro sito

Poi imposta la Lingua sotto Trascrizione, invece di lasciarla su Automatico.

Che cos’è SenseVoice?

Dal paper FunAudioLLM: SenseVoice-Small ha 234 milioni di parametri ed elabora 10 secondi di audio in 70 ms; Whisper-Large-V3 ne ha 1.550 milioni e impiega 1.281 ms. Entrambi i valori sono misurati su una GPU da data center, non su un Mac.

Qwen3-ASR è del team Qwen di Alibaba ed è distribuito con licenza Apache 2.0. In Whisper Notes funziona sulla GPU del Mac tramite MLX, a 8 bit. I suoi risultati contro Whisper in 30 lingue sono nel nostro benchmark di Qwen3-ASR.

Domande frequenti

Provalo

SenseVoice è in Whisper Notes per iPhone e per Mac, e Qwen3-ASR (Beta) solo su Mac. Con i pulsanti qui sotto puoi scaricare l’app per iPhone dall’App Store o l’app per Mac dal nostro sito. Domande? Scrivi a support@whispernotes.app.

Scarica per iOS Scarica per macOS