Whisper Notes には、オフラインで動く音声認識モデルが 6 つあります。
- Parakeet（内蔵）
- Whisper Large V3 Turbo
- Whisper Small
- Qwen3-ASR 1.7B（Mac）
- SenseVoice Small
- Apple Speech（Mac、macOS 26 以降）
どれがいちばん正確かは、話す言語によって変わります。
いちばん正確なモデルはどれ？
同じ MacBook Air（M5）で、すべてのモデルをテストしました。結果は次のとおりです（数値は誤り率で、低いほど良く、各行で最も低い値を緑で示しています）。
| 言語 | Parakeet | Whisper Large V3 Turbo | Whisper Small | Qwen3-ASR 1.7B1 | SenseVoice Small | Apple Speech1 |
|---|---|---|---|---|---|---|
| 英語 | 5.89% | 5.49% | 7.04% | 4.49% | 8.46% | 8.80% |
| ドイツ語 | 5.19% | 4.05% | 8.67% | 2.85% | — | 6.26% |
| オランダ語 | 7.89% | 5.69% | 16.75% | 7.36% | — | — |
| 日本語 | — | 5.30% | 11.37% | 5.74% | 6.78% | 6.36% |
| ポーランド語 | 6.59% | 5.45% | 15.81% | 12.59% | — | — |
| ロシア語 | 6.17% | 5.13% | 11.37% | 5.65% | — | — |
| フランス語 | 5.19% | 5.97% | 13.24% | 4.57% | — | 7.61% |
| スペイン語 | 3.95% | 3.62% | 6.22% | 3.38% | — | 5.41% |
| 韓国語 | — | 4.25% | 7.30% | 3.54% | 7.85% | 4.31% |
| ウクライナ語 | 5.11% | 6.33% | 17.48% | — | — | — |
| 中国語 | — | 7.97% | 20.50% | 6.49% | 7.69% | 7.97% |
| 広東語 | — | —2 | —2 | 6.44% | —2 | 8.69% |
| イタリア語 | 2.62% | 2.58% | 7.64% | 2.58% | — | 4.39% |
| ポルトガル語 | 5.81% | 5.44% | 8.61% | 5.17% | — | 9.35% |
| スウェーデン語 | 13.30% | 8.78% | 21.66% | 19.80% | — | — |
| トルコ語 | — | 5.95% | 14.24% | 8.81% | — | — |
| チェコ語 | 11.03% | 11.94% | 38.71% | 24.59% | — | — |
| ノルウェー語 | — | 8.99% | 24.50% | — | — | — |
| フィンランド語 | 10.44% | 7.11% | 25.91% | 27.71% | — | — |
| アラビア語 | — | 15.72% | 32.81% | 14.32% | — | — |
| スロバキア語 | 8.79% | 9.59% | 32.43% | — | — | — |
| デンマーク語 | 15.92% | 13.63% | 34.14% | 22.24% | — | — |
| ヒンディー語 | — | 29.64% | 61.26% | 13.19% | — | —3 |
| タイ語 | — | 13.40% | 23.52% | 6.53% | — | — |
| インドネシア語 | — | 6.31% | 16.31% | 4.91% | — | — |
| ハンガリー語 | 13.74% | 14.59% | 40.65% | 36.63% | — | — |
| ベトナム語 | — | 8.10% | 18.12% | 4.91% | — | — |
| マレー語 | — | 9.22% | 19.72% | 10.62% | — | — |
| ギリシャ語 | 34.00% | 13.94% | 31.64% | 30.22% | — | — |
| ルーマニア語 | 9.68% | 8.36% | 29.45% | 20.20% | — | — |
| フィリピノ語 | — | 9.72% | 25.60% | 23.31% | — | — |
| ブルガリア語 | 12.44% | 14.54% | 39.68% | — | — | — |
| スロベニア語 | 20.32% | 19.15% | 48.54% | — | — | — |
| エストニア語 | 15.56% | 19.08% | 50.84% | — | — | — |
| クロアチア語 | 12.49% | 11.49% | 33.76% | — | — | — |
| リトアニア語 | 17.97% | 23.28% | 67.23% | — | — | — |
| マルタ語 | 19.38% | 74.35% | 95.68% | — | — | — |
| アイスランド語 | — | 19.75% | 73.96% | — | — | — |
| カタロニア語 | — | 5.80% | 15.51% | — | — | — |
| ガリシア語 | — | 12.23% | 31.09% | — | — | — |
| マケドニア語 | — | 17.46% | 37.11% | 18.57% | — | — |
| ボスニア語 | — | 14.85% | 39.60% | — | — | — |
中国語・日本語・韓国語・広東語・タイ語は文字誤り率（CER）、それ以外の言語は単語誤り率（WER）です。表にない言語は対応言語をご覧ください。
1 Mac のみ。現在は公式サイトからダウンロードする Mac 版で使えます。Mac App Store 版への対応も進めています。2 SenseVoice Small と Whisper の広東語のスコアは、まだ掲載していません。このテストで公平に採点できているか、確認が取れていないためです。3 Apple Speech はヒンディー語をすべてローマ字で書き出したため、採点できませんでした。
いちばん速いのはどれ？ 1 時間の録音にどれくらいかかる？
| モデル | 速度（実時間倍率） | 1 時間の音声にかかる時間 | ダウンロード | メモリ |
|---|---|---|---|---|
| SenseVoice Small | 115–131× | 約 30 秒 | 約 450 MB | 約 700 MB |
| Parakeet | 75.8× | 約 50 秒 | 内蔵（約 630 MB） | 約 800 MB |
| Apple Speech | 19.7× | 約 3 分 | macOS が管理 | — |
| Qwen3-ASR 1.7B | 7.6× | 約 8 分 | 約 2.5 GB | 約 2.6 GB |
| Whisper Small | 6.5× | 約 9 分 | 約 400 MB | 約 1 GB |
| Whisper Large V3 Turbo | 2.7× | 約 22 分 | 約 2 GB | 約 2.4 GB |
速度・ダウンロードサイズ・メモリは、Mac 版の各モデルカードに表示されている値です。速度はモデルの処理時間だけを計ったもので、1 時間の音声にかかる時間はそこから計算しています。
精度の高いモデルほど遅いことが多く、録音が長いほど待ち時間の差も大きくなります。
iPhone と Mac で使えるモデルは？
| モデル | iPhone | Mac |
|---|---|---|
| Parakeet | あり（内蔵） | あり（内蔵） |
| Whisper Large V3 Turbo | なし | あり |
| Whisper Small | あり | あり |
| Qwen3-ASR 1.7B | なし | あり（ベータ）1 |
| SenseVoice Small | あり | あり |
| Apple Speech | なし | あり（macOS 26 以降）1 |
緑は利用可能、琥珀色は利用不可を表します。1 現在は公式サイトからダウンロードする Mac 版で使えます。Mac App Store 版への対応も進めています。
iPhone で使えるモデルも増やしたいと考えています。いちばん要望の多い Whisper Large V3 は、フルサイズでも圧縮版でも最新の数機種でしか動かず、ほとんどの iPhone では動きません。Qwen3-ASR 1.7B も同じです。新しいモデルや、いまあるモデルの小型版のテストを続けています。つい最近も、デフォルトのモデルを Parakeet V3 から Parakeet Ultra に切り替えました。25 言語全体で誤りが約 24% 少なくなっています。詳しくはParakeet Ultra vs Parakeet V3をご覧ください。
モデルはどう切り替える？
Mac では設定を開き、文字起こしモデルにあるモデルのカードをクリックすると、ダウンロードや切り替えができます。各カードの対応言語リンクを開くと、そのモデルの言語ごとの誤り率が表示されます。
Mac 版：設定 → 文字起こしモデル
どのようにテストしたか？
FLEURS の朗読音声（83 の言語セット、計 12,090 文）を使い、すべてのモデルを同じ MacBook Air（M5）で動かしました。Whisper の結果は、OpenAI が公表している数値とほぼ一致しています。いずれも静かな環境で読み上げた音声なので、会議や雑音の多い録音では誤り率がもっと高くなります。
よくある質問
Whisper のモデルはどれがいちばん良い？
Whisper Large V3 Turbo です。表のどの言語でも Whisper Small より正確で、たとえば英語では 5.49% 対 7.04% です。ただし処理はかなり遅く、iPhone 版で使えるのは Whisper Small だけです。
日本語の文字起こしでいちばん正確なモデルは？
Whisper Large V3 Turbo で、文字誤り率は 5.30% です。次が Qwen3-ASR 1.7B の 5.74% です。iPhone なら SenseVoice Small（6.78%）がおすすめです。
中国語（普通話）の文字起こしでいちばん正確なモデルは？
Mac なら Qwen3-ASR 1.7B で、文字誤り率は 6.49% です。次が SenseVoice Small の 7.69% で、こちらは iPhone でも使えます。
Parakeet のモデルはどれがいちばん良い？
Parakeet Ultra です。25 言語全体で Parakeet V3 より誤りが約 24% 少なく（10.63% 対 13.99%）、iPhone 版（1.8.9 以降）と公式サイトからダウンロードする Mac 版（1.6.4 以降）に内蔵されています。
iOS 版をダウンロード
詳しいベンチマーク