macOS 26과 iOS 26부터 Apple은 새로운 세대의 온디바이스 음성 인식인 SpeechAnalyzer와 SpeechTranscriber를 제공하고 있습니다. 아래에서는 줄여서 Apple Speech라고 부릅니다. 이전 받아쓰기 엔진보다 눈에 띄게 정확합니다. 저희가 확인하려 한 것은 실제 사용에서 사람들이 다운로드하는 온디바이스 오픈 모델인 Whisper, Parakeet, Qwen3-ASR, SenseVoice와 비교했을 때의 성능입니다: 이제 Apple 내장 음성 인식만으로 별도 전사 앱 없이도 충분할까?
기존 받아쓰기보다 얼마나 좋아졌나
지금까지 Mac의 음성 인식은 SFSpeechRecognizer 시대의 엔진이었으며, 시스템 받아쓰기가 지금도 사용하는 엔진입니다(DictationTranscriber). macOS 26과 iOS 26에 추가된 것은 SpeechAnalyzer API와 그 안의 SpeechTranscriber 모듈입니다. 같은 Mac에서 두 엔진을 FLEURS 테스트 분할로 측정했으며, 언어당 약 150문장, 약 30분 분량입니다.
| 언어 | Apple Dictation | Apple Speech |
|---|---|---|
| 한국어 | 7.11 | 4.31 |
| 이탈리아어 | 6.93 | 4.39 |
| 스페인어(라틴 아메리카) | 8.43 | 5.41 |
| 독일어 | 12.69 | 6.26 |
| 일본어 | 9.37 | 6.36 |
| 프랑스어 | 17.10 | 7.61 |
| 중국어 | 10.28 | 7.97 |
| 광둥어 | 10.18 | 8.69 |
| 영어 | 13.83 | 8.80 |
| 포르투갈어(브라질) | 10.85 | 9.35 |
Apple의 두 엔진이 모두 깔끔하게 측정된 모든 언어를 Apple Speech 오류율 순으로 나열했습니다. 초록색은 행에서 더 나은 값입니다. 같은 측정, 같은 클립, 같은 Mac입니다. 일본어, 한국어, 중국어, 광둥어는 문자 오류율, 나머지는 단어 오류율입니다.
두 엔진이 모두 깔끔하게 측정된 열 개 언어에서 Apple Speech가 전부 더 정확했습니다. 프랑스어와 독일어는 오류가 절반 이상, 중앙값 언어는 약 삼분의 일, 브라질 포르투갈어와 광둥어는 오류가 약 일곱 개 중 하나꼴로 줄었습니다.
받아쓰기는 여전히 더 많은 언어를 지원합니다. 이번 측정에서 Apple Speech는 83개 언어 구성 중 21개에서 결과를 반환했고, 받아쓰기는 33개였습니다. 여기서 새 엔진에 없는 네덜란드어, 폴란드어, 러시아어도 각각 17.34, 13.50, 13.13으로 포함됩니다. 인용할 수 있는 고정 목록도 없습니다. 언어 자산은 macOS가 관리하므로 앱은 실행 시점에 해당 기기에서 무엇을 쓸 수 있는지 조회합니다.
그렇다면 다운로드 모델을 건너뛸 수 있나
여섯 엔진, 같은 클립, Mac 한 대입니다. 아래 열 개 언어는 가장 많이 사용되는 언어 중 열 개이며, 점수와 무관한 고정 순서입니다.
| 언어 | Apple Speech | Qwen3-ASR | Whisper Large | Whisper Small | Parakeet | SenseVoice |
|---|---|---|---|---|---|---|
| 영어 | 8.80 | 4.49 | 5.49 | 7.04 | 6.89 | 8.46 |
| 독일어 | 6.26 | 2.85 | 4.05 | 8.67 | 6.26 | — |
| 네덜란드어 | — | 7.36 | 5.69 | 16.75 | 8.58 | — |
| 러시아어 | — | 5.65 | 5.13 | 11.37 | 7.12 | — |
| 폴란드어 | — | 12.59 | 5.45 | 15.81 | 8.30 | — |
| 일본어 | 6.36 | 5.74 | 5.30 | 11.37 | — | 6.78 |
| 한국어 | 4.31 | 3.54 | 4.25 | 7.30 | — | 7.85 |
| 프랑스어 | 7.61 | 4.57 | 5.97 | 13.24 | 5.83 | — |
| 중국어 | 7.97 | 6.49 | 7.97 | 20.50 | — | 7.69 |
| 스페인어(라틴 아메리카) | 5.41 | 3.38 | 3.62 | 6.22 | 4.86 | — |
가장 많이 사용되는 언어 중 열 개를 엔진별 열로 비교했습니다. 각 셀은 해당 엔진의 오류율이며 낮을수록 좋습니다. 초록색은 행의 최저값, 흰색은 두 번째로 낮은 값을 뜻합니다. 일본어, 한국어, 중국어는 문자 오류율(CER), 나머지는 단어 오류율(WER)이며 하나의 숫자로 합치지 않았습니다. Whisper Notes 팀이 직접 돌린 FLEURS, M5 MacBook Air 한 대, 낭독 음성입니다.
표의 짧은 이름: Qwen3-ASR = Qwen3-ASR 1.7B, Whisper Large = Whisper Large V3 Turbo, Parakeet = Parakeet V3, SenseVoice = SenseVoice Small. 대시는 해당 엔진에 그 언어용 모델이 없다는 뜻입니다.
열 개 언어 중 Qwen3-ASR 1.7B가 여섯 개에서 최저 오류율을 기록했고, 나머지 네 개에서는 Whisper Large V3 Turbo가 가장 낮았으며 Apple Speech는 하나도 없었습니다. 행 선두에 가장 가까운 언어는 한국어로 0.77점 차이였고, 일본어는 1.06점, 중국어는 1.48점 차이였습니다. 중국어에서는 Whisper Large V3 Turbo와 7.97로 같습니다. 격차가 가장 큰 영어는 8.80(Apple Speech) 대 4.49(Qwen3-ASR 1.7B)였고, 네덜란드어, 폴란드어, 러시아어에는 Apple Speech 결과가 없습니다.
Whisper Small과 비교하면 두 엔진이 모두 깔끔하게 측정된 열 개 언어 중 여덟 개에서 Apple Speech가 더 정확했습니다. 진 두 언어는 영어 8.80(Apple Speech) 대 7.04(Whisper Small)와 브라질 포르투갈어 9.35 대 8.61입니다.
칠월에 공개된 벤치마크는 영어에서 Apple Speech와 Whisper Small을 측정해 Apple이 앞선다고 봤습니다. 어느 Whisper를 비교하는지도 중요하고 클립도 중요합니다. 그 측정은 오디오북 내레이터가 소리 내어 읽은 LibriSpeech를 썼고, 저희는 여러 화자가 Wikipedia 문장을 읽은 FLEURS를 썼습니다. 이번 측정은 영어의 차이를 보여 주지만 원인이 무엇인지는 말할 수 없습니다.
Whisper Large V3 Turbo와 비교하면 순서가 뒤집힙니다. Apple Speech는 그 열 개 언어 중 여덟 개에서 뒤지고, 중국어는 7.97로 같으며, 광둥어에서만 8.69(Apple Speech) 대 36.75(Whisper Large V3 Turbo)로 앞섭니다. 아래 표의 광둥어 행에서도 확인할 수 있습니다. OpenAI의 Turbo 릴리스 노트는 모델 성능이 특히 많이 떨어지는 언어로 광둥어를 꼽습니다. 따라서 36.75는 이번 측정만의 특이한 결과가 아니라 Whisper에 알려진 약점입니다.
한국어에서 Apple Speech는 약 23자 중 하나를 틀립니다. 이번 측정에서 가장 정확한 Qwen3-ASR 1.7B는 약 28자 중 하나로, 4.31(Apple Speech) 대 3.54(Qwen3-ASR 1.7B)입니다.
Parakeet V3는 465 MB를 다운로드하며 두 엔진이 모두 지원하는 모든 유럽 언어에서 더 정확합니다: 영어는 8.80(Apple Speech)에 대해 6.89(Parakeet V3), 프랑스어는 7.61 대 5.83, 스페인어는 5.41 대 4.86, 이탈리아어는 4.39 대 3.43, 브라질 포르투갈어는 9.35 대 6.49였고 독일어는 6.26으로 같았습니다. 일본어, 한국어, 중국어, 광둥어용 모델은 없어 이 언어들에서는 둘 중 Apple Speech만 결과를 냈습니다.
Qwen3-ASR 1.7B가 선두인 여섯 행에는 영어, 독일어, 프랑스어, 스페인어가 포함됩니다.
SenseVoice Small은 여기서 가장 빠른 엔진으로 실시간의 162.3배이며, 중국어와 영어에서는 Apple Speech와 같은 수준입니다: 각각 7.69(SenseVoice Small) 대 7.97(Apple Speech), 8.46 대 8.80입니다. 한국어에서는 7.85(SenseVoice Small) 대 4.31(Apple Speech)로 크게 뒤처집니다.
크기와 속도
| 엔진 | 속도 | 최대 메모리 | 다운로드 |
|---|---|---|---|
| SenseVoice Small | 실시간의 162.3배 | 0.95 GiB | 827 MB |
| Parakeet V3 | 실시간의 75.6배 | 0.09 GiB | 465 MB |
| Apple Speech | 실시간의 30.8배 | 수치 미보고 | <5 MB |
| Qwen3-ASR 1.7B | 실시간의 11.1배 | 2.43 GiB | 약 2.5 GB |
| Whisper Small | 실시간의 7.9배 | 0.87 GiB | 600 MB |
| Whisper Large V3 Turbo | 실시간의 3.0배 | 1.87 GiB | 약 1.6 GB |
속도는 이 글에서 깔끔하게 측정된 열세 개 언어 중 각 엔진을 실제 실행한 언어의 중앙값입니다. 격리된 항목 처리량을 나타내는 진단값이지 제품 지연 시간은 아닙니다. 최대 메모리는 이번 측정의 프로세스 그룹 최댓값입니다. Apple Speech는 호출 앱이 소유하지 않는 macOS 서비스 안에서 디코딩하므로 여기에 어떤 수치를 넣어도 다른 다섯 엔진과 같은 의미가 되지 않습니다.
Apple Speech는 실시간의 30.8배로 실행돼 Parakeet V3의 75.6배와 SenseVoice Small의 162.3배보다 느렸습니다. 언어 팩은 macOS가 한 번 내려받아 모든 앱이 공유하므로 앱 자체 프로세스에는 아무것도 할당되지 않습니다. 디코딩하는 서비스는 여전히 메모리를 사용하지만 이를 정확히 귀속할 수 없으므로, 영으로 적는 대신 수치를 보고하지 않습니다.
Whisper Large V3 Turbo는 여기서 가장 느린 엔진으로 실시간의 3.0배이며, 열 개 행 중 네 개에서 최저 오류율을 기록하고 디스크에서 약 1.6 GB를 차지합니다. Qwen3-ASR 1.7B는 나머지 여섯 행에서 선두이며 디스크에서 약 2.5 GB, 최대 2.43 GiB를 사용합니다. 내장 엔진과 공정하게 비교할 대상은 600 MB인 Whisper Small입니다.
Apple Speech가 잘 맞는 언어는 무엇인가
언어별로 보면 다음과 같습니다:
- 영어: 적합하지 않습니다. Apple Speech는 8.80을 기록했습니다. Qwen3-ASR 1.7B(4.49) 또는 Whisper Large V3 Turbo(5.49)가 확실히 더 정확합니다.
- 독일어: 적합하지 않습니다. Apple Speech는 6.26을 기록했습니다. Qwen3-ASR 1.7B(2.85) 또는 Whisper Large V3 Turbo(4.05)가 확실히 더 정확합니다.
- 네덜란드어, 러시아어, 폴란드어: Apple Speech에는 이 세 언어용 모델이 없습니다. Whisper Large V3 Turbo는 각각 5.69, 5.13, 5.45로 모두 가장 정확했습니다.
- 일본어: 사용할 만합니다. Apple Speech는 6.36으로, Whisper Large V3 Turbo의 5.30보다 뒤졌습니다.
- 한국어: 사용할 만합니다. Apple Speech는 4.31로, Qwen3-ASR 1.7B의 3.54보다 뒤졌습니다.
- 프랑스어: 적합하지 않습니다. Apple Speech는 7.61을 기록했습니다. Qwen3-ASR 1.7B(4.57) 또는 Parakeet V3(5.83)가 확실히 더 정확합니다.
- 중국어: 사용할 만합니다. Apple Speech는 7.97로 Whisper Large V3 Turbo와 같습니다. 가장 정확한 것은 Qwen3-ASR 1.7B의 6.49였습니다.
- 스페인어: 적합하지 않습니다. Apple Speech는 5.41을 기록했습니다. Qwen3-ASR 1.7B(3.38) 또는 Whisper Large V3 Turbo(3.62)가 확실히 더 정확합니다.
정확도에서는 다운로드 모델이 여전히 앞섭니다: 주 표의 모든 행에서 Qwen3-ASR 1.7B나 Whisper Large V3 Turbo가 선두입니다. 한국어, 일본어, 중국어에서는 Apple Speech가 실제 선택지이고, 유럽 언어에서는 Parakeet V3가 알맞습니다.
Mac용 Whisper Notes에서 Parakeet V3는 여전히 기본 모델입니다. 공식 웹사이트에서 받는 Mac 앱에서는 macOS 26 이상에서 Apple Speech를 선택 모델로 쓸 수 있으며, 어떤 언어는 macOS가 이 Mac에서 지원한다고 알릴 때만 목록에 나타납니다.
Apple Speech는 이 글에서 Apple의 SpeechTranscriber를 줄여 부르는 이름으로, macOS 26 이상에서 모든 Mac 앱이 호출할 수 있는 온디바이스 API입니다. 이는 내려받는 모델이 아니라 시스템 엔진이며, Mac용 Whisper Notes는 공식 웹사이트에서 받는 버전에서 이를 쓸 수 있고 언어 팩은 macOS가 제공합니다. 앱이 직접 내려받는 모델은 여전히 그 버전에서 Whisper, Parakeet V3, SenseVoice, Qwen3-ASR이고, iPhone과 Mac App Store 버전에서 Whisper, Parakeet V3, SenseVoice입니다. 엔진별 표는 Whisper, Parakeet V3, SenseVoice 지원 언어 목록에 있습니다.
열 개 언어 밖의 결과
| 언어 | Apple Speech | Qwen3-ASR | Whisper Large | Whisper Small | Parakeet | SenseVoice |
|---|---|---|---|---|---|---|
| 이탈리아어 | 4.39 | 2.58 | 2.58 | 7.64 | 3.43 | — |
| 광둥어 | 8.69 | 6.44 | 36.75 | 119.01 | — | 37.23 |
| 포르투갈어(브라질) | 9.35 | 5.17 | 5.44 | 8.61 | 6.49 | — |
| 힌디어 | 101.50 | 13.19 | 29.64 | 61.26 | — | — |
같은 측정에서 가져온 언어 네 개를 더 보여 줍니다. 열, 색상, 짧은 이름은 위와 같습니다. 광둥어는 문자 오류율, 나머지는 단어 오류율입니다.
Apple Speech의 힌디어 결과는 아래 이유로 해당 행 순위에서 제외했습니다. 삽입 오류도 분자에 포함되므로 오류율은 100%를 넘을 수 있습니다.
이탈리아어의 4.39(Apple Speech)는 Qwen3-ASR 1.7B와 Whisper Large V3 Turbo가 2.58로 나란히 선 뒤입니다. 광둥어는 Apple Speech가 Whisper Large V3 Turbo를 앞선 유일한 언어로, 8.69(Apple Speech) 대 36.75(Whisper Large V3 Turbo)였고 선두는 Qwen3-ASR 1.7B의 6.44였습니다. 브라질 포르투갈어 9.35(Apple Speech)는 Whisper Small의 8.61이 앞선 두 행 중 하나입니다.
힌디어는 다른 종류의 결과입니다. Apple Speech는 힌디어 자체의 글자로 쓰지 않고 영문자로 적었기 때문에 거의 모든 단어가 틀린 것으로 계산돼 오류율이 100%를 넘었습니다. 텔루구어, 우르두어, 펀자브어, 벵골어, 네팔어, 말라얄람어, 마라티어, 칸나다어, 구자라트어, 타밀어도 같은 결과였고 모두 100%를 넘어 표에서 뺐습니다.
SpeechAnalyzer의 작동 방식
SpeechAnalyzer는 Apple이 iOS 10부터 제공해 온 음성 인식 API를 대체하며, watchOS를 제외한 모든 Apple 플랫폼에서 사용할 수 있습니다. 앱은 SpeechAnalyzer를 만들고 모듈을 붙인 뒤 직접 채우는 비동기 시퀀스로 오디오를 보냅니다. 음성을 텍스트로 바꾸는 모듈이 SpeechTranscriber입니다. 결과는 보통 다른 작업에서 두 번째 시퀀스로 돌아오며, 모든 버퍼와 결과에는 오디오 자체 타임라인 기준의 시간 코드가 붙습니다.
한 세션, 세 작업: 오디오는 AsyncSequence로 들어가고 SpeechAnalyzer와 SpeechTranscriber가 분석하며, 결과는 두 번째 AsyncSequence로 인터페이스에 돌아옵니다. 출처: Apple, WWDC25 세션 277.
결과는 두 번 도착합니다. Apple이 volatile range라고 부르는 가변 범위 안의 내용은 더 나은 결과로 바뀔 수 있고, 범위 밖의 내용은 확정됩니다. 앱은 이 방식으로 말하는 동안 임시 전사문을 보여 주고 나중에 바로잡을 수 있습니다. Apple이 밝힌 SpeechTranscriber 모델의 설계 목표는 다섯 가지입니다: 긴 오디오, 대화 음성, 멀리 있는 화자, 짧은 지연 시간, 그리고 기기에서 실행된다는 의미의 개인정보 보호입니다. 메모, 음성 메모, 저널, 통화 요약이 이를 기반으로 합니다.
Apple이 밝힌 SpeechTranscriber 모델의 다섯 가지 설계 목표. 출처: Apple, WWDC25 세션 277.
모델은 어느 앱에도 포함되지 않습니다. Apple 서버에서 AssetInventory를 통해 다운로드되며, 시스템이 저장하고 업데이트해 앱끼리 공유합니다. 앱의 다운로드 크기에는 더해지지 않고 디코딩은 호출한 프로세스 밖에서 이뤄집니다. 특정 언어나 기기에 SpeechTranscriber 모델이 없으면 DictationTranscriber가 시스템 받아쓰기와 같은 모델로 이어받습니다.
측정 방법과 한계
이 표의 여섯 엔진 중 다섯은 Whisper Notes가 다운로드하는 모델입니다. 모든 엔진은 M5 MacBook Air(32 GB, macOS 27.0)에서 같은 클립을 같은 순서로 한 번에 하나씩 전사했습니다. 오디오는 Google FLEURS 테스트 분할 리비전 70bb2e84이며, 언어당 약 150문장, 약 30분 분량입니다. 데이터셋 자체 항목 ID의 고정 해시로 순서를 정하고 삼십 분을 넘기는 가장 짧은 온전한 항목 구간을 사용했습니다. 모델 출력은 이 선택에 전혀 관여하지 않았습니다. 각 셀을 자체 기록에서 다시 계산하고 재확인했으며 285개 모두 통과했습니다. 띄어쓰기로 단어를 구분하는 언어는 단어 오류율, 일본어, 한국어, 중국어, 광둥어는 문자 오류율로 채점하며 하나의 숫자로 합치지 않습니다.
Whisper 열은 OpenAI 자체 수치와 대조할 수 있습니다. OpenAI가 공개한 Whisper Large V3 Turbo의 FLEURS 결과가 있는 열두 언어에서는 저희 수치가 평균 0.7점 차이였고, 열두 언어 중 열 개가 이번 측정의 95% 구간 안에 들었습니다. 남아시아 언어 행을 제외한 열한 언어에서는 Whisper Small 수치가 Whisper 논문의 언어별 표와 평균 1.0점 차이였습니다. Apple Speech 열도 같은 클립, 같은 채점기, 같은 정규화에서 나왔습니다.
FLEURS는 깨끗한 낭독 음성입니다. 여기서는 이 엔진들이 시끄러운 방이나 두 시간짜리 회의에서 어떻게 작동하고 얼마나 벌어지는지 알 수 없습니다. 모든 측정은 한 기기에서 실행했습니다. 언어당 약 150문장이라면 차이가 약 한 점 미만인 두 엔진은 동률입니다. 표도 정확한 동률을 그렇게 표시하며, 이탈리아어에서는 Qwen3-ASR 1.7B와 Whisper Large V3 Turbo가 모두 2.58입니다.
자주 묻는 질문
Apple Speech와 Whisper Small 중 어느 쪽이 더 정확한가요?
두 엔진이 모두 깔끔하게 측정된 열 개 언어 중 여덟 개에서 Apple Speech입니다. 진 두 언어는 영어 8.80(Apple Speech) 대 7.04(Whisper Small)와 브라질 포르투갈어 9.35 대 8.61입니다. 격차가 가장 큰 언어는 중국어 7.97(Apple Speech) 대 20.50(Whisper Small), 프랑스어 7.61 대 13.24, 일본어 6.36 대 11.37, 광둥어 8.69 대 119.01입니다. Whisper Small은 600 MB를 다운로드하며 실시간의 7.9배로 돌았고 Apple Speech는 30.8배였습니다.
Apple Speech와 Parakeet V3 중 어느 쪽이 더 정확한가요?
두 엔진이 모두 지원하는 모든 유럽 언어에서 Parakeet V3입니다: 영어는 6.89(Parakeet V3) 대 8.80(Apple Speech), 프랑스어는 5.83 대 7.61, 스페인어는 4.86 대 5.41, 이탈리아어는 3.43 대 4.39, 브라질 포르투갈어는 6.49 대 9.35였고 독일어는 6.26으로 같았습니다. Parakeet V3에는 일본어, 한국어, 중국어, 광둥어 모델이 없어 이 언어들에서는 둘 중 Apple Speech만 결과를 냅니다. Parakeet V3는 465 MB를 다운로드하며 실시간의 75.6배, Apple Speech는 30.8배였습니다.
Apple Speech와 Whisper Large V3 Turbo 중 어느 쪽이 더 정확한가요?
두 엔진이 모두 깔끔하게 측정된 열 개 언어 중 여덟 개에서 Whisper Large V3 Turbo입니다: 영어 5.49(Whisper Large V3 Turbo) 대 8.80(Apple Speech), 독일어 4.05 대 6.26, 일본어 5.30 대 6.36, 한국어 4.25 대 4.31, 프랑스어 5.97 대 7.61, 스페인어 3.62 대 5.41, 이탈리아어 2.58 대 4.39, 브라질 포르투갈어 5.44 대 9.35입니다. 중국어는 7.97로 같고, Apple Speech가 앞서는 언어는 광둥어뿐으로 8.69(Apple Speech) 대 36.75(Whisper Large V3 Turbo)입니다. Turbo는 네덜란드어, 러시아어, 폴란드어도 지원하며 각각 5.69, 5.13, 5.45입니다. 약 1.6 GB이고 여기서 가장 느린 엔진으로 실시간의 3.0배입니다.
Apple Speech는 어떤 언어를 지원하나요?
이번 측정에서 Apple Speech는 83개 구성 중 21개에서 결과를 반환했습니다: 영어, 독일어, 프랑스어, 스페인어, 이탈리아어, 포르투갈어(브라질), 일본어, 한국어, 중국어, 광둥어, 그리고 남아시아 언어 열한 개인 힌디어, 텔루구어, 우르두어, 펀자브어, 벵골어, 네팔어, 말라얄람어, 마라티어, 칸나다어, 구자라트어, 타밀어입니다. 이 열한 개는 고유한 글자가 아니라 영문자로 적혀 돌아왔습니다. 네덜란드어, 폴란드어, 러시아어는 없으며 목록은 macOS가 기기마다 정합니다. 행 선두에 가장 가까운 언어는 한국어, 일본어, 중국어로 각각 0.77, 1.06, 1.48점 차이였고, 가장 먼 언어는 영어로 8.80(Apple Speech) 대 4.49(Qwen3-ASR 1.7B)였습니다. 두 엔진이 모두 측정된 열 개 언어 전부에서 이전 받아쓰기보다 정확했습니다. Whisper Notes의 Whisper는 모든 배포 채널에서 앱 목록의 모든 언어를 지원합니다.
SpeechAnalyzer란 무엇이며 Apple Dictation과 같은 것인가요?
SpeechAnalyzer는 Apple이 WWDC 2025에서 발표해 macOS 26과 iOS 26에서 제공하기 시작한 API입니다. SpeechTranscriber는 그 안의 전사 엔진이자 이 글의 Apple Speech이며, Dictation은 이전 호환성 엔진입니다. 둘 다 측정했고, 두 엔진이 모두 깔끔하게 측정된 열 개 언어에서 Apple Speech가 전부 더 정확했습니다. Dictation은 더 많은 언어를 지원해 33개 구성 대 21개이고 네덜란드어, 폴란드어, 러시아어도 포함하며, 이 세 언어의 단어 오류율은 17.34%, 13.50%, 13.13%(Dictation) 대 5.69%, 5.45%, 5.13%(Whisper Large V3 Turbo)입니다.
Apple Speech를 쓰면 오디오가 Mac 밖으로 나가나요?
Apple은 SpeechTranscriber를 온디바이스 음성 인식으로 설명합니다. macOS가 언어 자산을 한 번 다운로드하고 인식은 로컬에서 실행됩니다. 저희가 측정한 것은 정확도와 속도이지 네트워크 동작이 아니므로 이 부분은 Apple의 설명에 따릅니다. Whisper Notes가 직접 다운로드하는 Whisper, Parakeet V3, SenseVoice, Qwen3-ASR은 Mac 자체 GPU나 Neural Engine에서 실행되고 계정과 API key가 필요 없으며, 모든 배포 채널에서 네트워크를 꺼도 전사됩니다. Apple Speech는 공식 웹사이트에서 받는 Mac 앱에서 macOS 26 이상이면 쓸 수 있습니다. Mac에서 실행되는 시스템 엔진이며, 언어 팩은 macOS가 내려받습니다.
이 숫자가 실제 녹음에서 얻는 정확도와 다른 이유는 무엇인가요?
FLEURS는 짧고 깨끗한 낭독 음성이며 실제 녹음은 그렇지 않기 때문입니다. 이번 측정은 공개 데이터셋에서 한 보정입니다: 언어당 약 150문장, 약 30분, M5 MacBook Air 한 대, 모든 엔진에 같은 클립을 썼습니다. 어떤 엔진이 해당 언어에서 시도할 만한지는 알 수 있지만 회의, 잡음이 있는 오디오, 두 시간짜리 파일에서 얻을 결과를 예측하지는 않습니다.
직접 써 보세요
여기 있는 다섯 가지 다운로드 모델인 Whisper Small, Whisper Large V3 Turbo, Parakeet V3, SenseVoice Small, Qwen3-ASR 1.7B는 모두 공식 웹사이트에서 받는 Mac용 Whisper Notes에 있으며, 설정 → 전사 모델에서 선택할 수 있습니다. macOS 26 이상에서는 같은 목록에 Apple Speech도 나타납니다. 이미 앱이 있다면 최신 버전으로 업데이트하세요.
어떤 언어에서 저희 수치가 실제 경험과 맞지 않는다면 mac@whispernotes.app으로 메일을 보내 주세요. 전체 릴리스 노트: whispernotes.app/changelog.
출처: Google FLEURS 테스트 분할 리비전 70bb2e84에서 저희가 수행한 측정, Apple의 SpeechAnalyzer 문서와 앞서 진행한 서른 개 언어 Qwen3-ASR 측정.
macOS용 다운로드