TL;DR
| Parakeet V3 | Whisper Large V3 | |
|---|---|---|
| 速度 | 10× | 1× |
| 対応言語 | 25 | 100+ |
| 英語エラー率 (WER) | 6.32% | 7.44% |
| 25言語の平均エラー率 (WER) | 12.0% | 12.6% |
| ハルシネーション | なし | 無音時に発生 |
| 最適 | 英語・ヨーロッパ言語 | アジア・アラビア語等 |
* 速度：35分の音声、Apple Silicon で計測。英語 WER：Open ASR Leaderboard。25言語平均：FLEURS ベンチマーク。
バージョン 1.3.2 (Direct Download / DMG) から、Mac 版 Whisper Notes はデフォルトの音声エンジンとして NVIDIA Parakeet TDT 0.6B を搭載しています。英語の文字起こしにおいて Whisper Large V3 Turbo の 10 倍速く、精度も上です。他の言語が必要な場合は、Whisper モデルも引き続き利用できます。
デフォルトを切り替えた理由
Whisper は優秀なモデルですが、あくまで汎用モデルです。100 以上の言語に対応し、翻訳もタイムスタンプ生成もできる、まさにスイスアーミーナイフ。その代償がスピードです。英語のディクテーションのように「とにかく速く文字を出したい」用途には、オーバースペックなんですよね。
一番ストレスだったのは、Fn キーでシステム全体の音声入力を使うとき。約 1 分間話してから、文字起こし結果が表示されるまで 3〜5 秒待たされる。この間が流れを完全に壊すんです。話し終わって、カーソルを見つめて、何も出てこない——音声入力の快感が一瞬で消えます。
Parakeet はこれを根本から変えました。話し終わった瞬間に文字が表示される。言葉にした途端、もうそこにある。この感覚——シームレスで待ち時間ゼロの流れ——を一度体験すると、Whisper には本当に戻れなくなります。
Parakeet V3 はどのくらい速いのか
数字で見るのが一番わかりやすいです。同じ Mac で同じ 35 分の音声ファイルを処理した結果がこちら：
| モデル | 35 分の音声 |
|---|---|
| Whisper Large V3 Turbo | 3 分 |
| Parakeet TDT 0.6B v3 | 18 秒 |
10 倍速い。しかもモデルサイズが小さい（6 億 vs 8 億パラメータ）ので、メモリもバッテリーも消費が少ないです。
Parakeet v3 がこんなに速い理由
Whisper は音声を本の朗読のように処理します——一フレームずつ、一語ずつ、先に進むことなく。無音区間でも処理を続け、次の単語を推測し続けます。丁寧ではありますが、遅い。
Parakeet はまったく異なるアプローチを取ります。まず音声信号を 8 倍に圧縮して、重要な情報だけを残します。そして、フレームを一つずつ処理するのではなく、何の単語を言ったかだけでなく、その単語がどのくらいの長さかも同時に予測し、一気に先へジャンプします。無音？丸ごとスキップ。長い母音？何十回も繰り返さず、一回の予測で完了。
その結果、人間の脳のように音声を処理するモデルが生まれました——言葉に集中して、隙間は無視する。だからこそ、より少ないパラメータ、より高い精度で、10 倍のスピードを実現できるのです。
ベンチマーク：Parakeet v3 vs Whisper
Parakeet v3 は FLEURS、CoVoST、MLS ベンチマークで、パラメータ数 2〜4 倍のモデルに匹敵もしくは上回る性能
Hugging Face Open ASR Leaderboard では、Parakeet v3 がわずか 6 億パラメータでトップに立っています。Whisper Large V3 の 15.5 億パラメータの半分以下です：
| モデル | パラメータ数 | 平均 WER | 速度 (RTFx) |
|---|---|---|---|
| Parakeet TDT 0.6B v3 | 0.6B | 6.32% | 3,333x |
| Canary 1B v2 | 1.0B | 7.15% | 749x |
| Whisper Large V3 | 1.55B | 7.44% | 146x |
| Whisper Large V3 Turbo | 0.8B | 7.83% | 350x |
多言語 WER：全 25 言語
上のリーダーボードは英語のみを対象としています。ここからは全体像をお見せします——Whisper Notes で利用できる 3 つのモデルが、Parakeet がサポートする全 25 言語でどう比較されるか、FLEURS ベンチマークで測定した結果です。WER が低い = 文字起こしエラーが少ない。各行で Large V3 と Parakeet の最良値をハイライトしています：
| 言語 | Whisper Small | Whisper Large V3 | Parakeet V3 |
|---|---|---|---|
| ブルガリア語 | 37.3 | 12.9 | 12.6 |
| クロアチア語 | 33.4 | 11.1 | 12.5 |
| チェコ語 | 37.6 | 11.3 | 11.0 |
| デンマーク語 | 32.8 | 12.6 | 18.4 |
| オランダ語 | 16.4 | 5.6 | 7.5 |
| 英語 | 6.1 | 4.3 | 4.9 |
| エストニア語 | 51.3 | 19.1 | 17.7 |
| フィンランド語 | 24.0 | 7.7 | 13.2 |
| フランス語 | 15.0 | 6.3 | 5.2 |
| ドイツ語 | 10.2 | 4.3 | 5.0 |
| ギリシャ語 | 30.8 | 27.0 | 20.7 |
| ハンガリー語 | 38.9 | 14.1 | 15.7 |
| イタリア語 | 9.8 | 2.3 | 3.0 |
| ラトビア語 | 53.2 | 18.3 | 22.8 |
| リトアニア語 | 65.6 | 22.3 | 20.4 |
| マルタ語 | 92.2 | 68.9 | 20.5 |
| ポーランド語 | 14.7 | 4.7 | 7.3 |
| ポルトガル語 | 7.3 | 3.7 | 4.8 |
| ルーマニア語 | 29.8 | 8.2 | 12.4 |
| ロシア語 | 11.4 | 4.2 | 5.5 |
| スロバキア語 | 33.3 | 8.4 | 8.8 |
| スロベニア語 | 49.3 | 19.9 | 24.0 |
| スペイン語 | 5.6 | 3.1 | 3.5 |
| スウェーデン語 | 20.8 | 7.9 | 15.1 |
| ウクライナ語 | 19.3 | 6.5 | 6.8 |
| 平均 | 29.8 | 12.6 | 12.0 |
WER（%）は FLEURS で測定。Whisper Small のデータは Radford らより。Large V3 と Parakeet V3 のデータは NVIDIA Canary-1B-v2 論文より。
無音区間での誤出力
Whisperは無音や弱い環境音に対して、同じ語句の繰り返しや録音にない文章を出すことがある。私たちの無音テストではParakeet V3の方がこうした出力は少なかったが、ゼロとは言い切れない。音声モデルの結果は、重要な箇所ほど原音と照合する必要がある。
Parakeet が対応している言語
Parakeet v3 は 25 言語に対応しています：ブルガリア語、クロアチア語、チェコ語、デンマーク語、オランダ語、英語、エストニア語、フィンランド語、フランス語、ドイツ語、ギリシャ語、ハンガリー語、イタリア語、ラトビア語、リトアニア語、マルタ語、ポーランド語、ポルトガル語、ルーマニア語、ロシア語、スロバキア語、スロベニア語、スペイン語、スウェーデン語、ウクライナ語。
中国語、日本語、韓国語、アラビア語、ヒンディー語には対応していない。日本語・中国語・韓国語・広東語にはSenseVoice、それ以外の幅広い言語にはWhisper Large V3 Turboを選ぶ。英語や対応する欧州言語ではParakeet V3が速度と精度のバランスに優れる。
モデルピッカー：Parakeet V3（デフォルト）、Whisper Small、Whisper Large V3 Turbo — すべてローカルで動作
Whisper Notes のモデルピッカー
設定を開いてモデルを切り替えられます：
- Parakeet V3（デフォルト）— 最速、英語とヨーロッパ言語に最適
- SenseVoice Small — zh / ja / ko / yue
- Whisper Small — 軽量、100 以上の言語に対応
- Whisper Large V3 Turbo — 多言語で最高精度のモデル
すべてのモデルは Mac 上で 100% ローカルに動作します。インターネット不要、クラウド不要、データがデバイスの外に出ることは一切ありません。
Parakeet V2 はどうなった？
V2は英語専用で、Open ASR Leaderboardの英語WERはV3よりわずかに低い（6.05%対6.32%）。V3はその差と引き換えに25言語へ対応している。Whisper Notesでは多言語対応を重視してV3を標準にしている。
| Parakeet V2 | Parakeet V3 | Whisper Large V3 | |
|---|---|---|---|
| 英語 WER | 6.05% | 6.32% | 7.44% |
| 対応言語 | 英語のみ | 25 | 100+ |
つまり英語だけなら V2 も V3 も優秀です。Whisper Notes では多言語対応がほとんどのユーザーにとって重要なため、V3 をデフォルトにしています。英語の精度差はごくわずかです。
WhisperKitとの違い
WhisperKitはApple端末でWhisperを動かすためのオープンソースSwiftフレームワークで、一般ユーザー向けアプリではない。また、扱うのはWhisperであり、NVIDIAのParakeetとは別のモデルだ。コードを書かずに端末上の文字起こしを使いたい場合、Whisper NotesはParakeet V3、Whisper Large V3 Turbo、SenseVoiceをMacとiPhone向けアプリとしてまとめている。
ローカルモデルをまとめて比較したい場合はWhisperモデル比較を参照。Whisper自体の仕組みと実行方法はWhisper文字起こしガイドで説明している。
よくある質問
Parakeet V3はWhisperより優れていますか？
英語と対応する欧州言語では有力な選択肢だ。私たちの35分テストではWhisper Turboの約10倍速く、Open ASR Leaderboardの英語WERはParakeet V3が6.32%、Turboが7.83%。一方、Whisperは100+言語、Parakeetは25言語なので、用途で選ぶ必要がある。
Parakeet V3は何語に対応していますか？
英語、フランス語、ドイツ語、スペイン語、イタリア語など25の欧州言語に対応する。日本語、中国語、韓国語、アラビア語、ヒンディー語は対象外。
Parakeet V3はMacでローカル実行できますか？
できる。Whisper Notes for MacではParakeet V3が標準モデルで、Apple Silicon上でローカルに動作する。モデルの準備後はインターネット接続なしで文字起こしできる。
Parakeet V3は無音で誤った文章を出しますか？
私たちの無音テストではWhisperより少なかったが、「絶対に出さない」とは言えない。Parakeetは無音時に空欄を返すことが多く、Whisperは語句の繰り返しや無関係な文章を出す場合がある。
Parakeet V2とV3はどちらを選ぶべきですか？
英語だけならV2の英語WERがわずかに低い。V3は25言語へ対応し、Whisper Notesの標準モデルになっている。多言語を扱うならV3が分かりやすい選択だ。
Parakeet V3は日本語、中国語、韓国語に対応しますか？
対応しない。日本語・中国語・韓国語・広東語にはSenseVoiceを使う。どちらもMacとiPhoneでローカル動作する。
Parakeet V3の容量はどのくらいですか？
6億パラメータで、Whisper Notesでのダウンロードは465 MB。Mac版で文字起こし中に使うメモリは私たちの測定で約800 MBだった。Whisper Large V3 Turboのダウンロードは約1.6 GB。
試してみてください
Parakeet v3 は Mac 版で今すぐ使えます。最新の DMG をダウンロードするだけです。（更新：最新の iOS バージョンでも Parakeet が利用可能になりました。）
ご質問やフィードバックは support@whispernotes.app までメールでお気軽にどうぞ。
iOS 版をダウンロード