Sejak macOS 26 dan iOS 26, Apple telah menyediakan generasi baharu pengecaman pertuturan pada peranti — SpeechAnalyzer dan SpeechTranscriber, yang diringkaskan sebagai Apple Speech di bawah. Sistem ini jauh lebih tepat daripada enjin imlak lama. Jadi kami ingin tahu: adakah pengecaman pertuturan terbina dalam Apple kini cukup baik sehingga anda boleh mengetepikan aplikasi transkripsi sepenuhnya? Dan sejauh manakah perbezaannya daripada model terbuka pada peranti dalam Whisper Notes — Whisper, Parakeet, SenseVoice dan Qwen3-ASR? Kami telah menjalankan ujian yang ketat. Inilah hasilnya. Merentas sepuluh bahasa yang kami uji, Apple Speech tidak pernah mencatat kadar ralat terendah, berada dalam lingkungan 1.5 mata daripada peneraju bagi bahasa Korea, Jepun dan Mandarin, serta langsung tiada model untuk bahasa Belanda, Rusia atau Poland.
Sejauh manakah Apple Speech berbeza daripada model yang anda muat turun?
| Bahasa | Apple Speech | Qwen3-ASR | Whisper Large | Whisper Small | Parakeet | SenseVoice |
|---|---|---|---|---|---|---|
| Inggeris | 8.80 | 4.49 | 5.49 | 7.04 | 6.89 | 8.46 |
| Jerman | 6.26 | 2.85 | 4.05 | 8.67 | 6.26 | — |
| Belanda | — | 7.36 | 5.69 | 16.75 | 8.58 | — |
| Rusia | — | 5.65 | 5.13 | 11.37 | 7.12 | — |
| Poland | — | 12.59 | 5.45 | 15.81 | 8.30 | — |
| Jepun | 6.36 | 5.74 | 5.30 | 11.37 | — | 6.78 |
| Korea | 4.31 | 3.54 | 4.25 | 7.30 | — | 7.85 |
| Perancis | 7.61 | 4.57 | 5.97 | 13.24 | 5.83 | — |
| Mandarin | 7.97 | 6.49 | 7.97 | 20.50 | — | 7.69 |
| Sepanyol (Amerika Latin) | 5.41 | 3.38 | 3.62 | 6.22 | 4.86 | — |
Sepuluh daripada bahasa yang paling banyak digunakan, satu enjin bagi setiap lajur. Setiap sel ialah kadar ralat enjin tersebut, lebih rendah lebih baik; hijau menandakan nilai terendah dalam baris, putih nilai kedua terendah. CER untuk bahasa Jepun, Korea dan Mandarin, WER untuk yang lain; kedua-duanya tidak pernah digabungkan menjadi satu angka. Ujian FLEURS oleh pasukan Whisper Notes, satu M5 MacBook Air, pertuturan yang dibaca.
Nama ringkas: Qwen3-ASR = Qwen3-ASR 1.7B, Whisper Large = Whisper Large V3 Turbo, Parakeet = Parakeet V3, SenseVoice = SenseVoice Small. Tanda sengkang bermaksud enjin itu tiada model untuk bahasa tersebut.
Qwen3-ASR 1.7B telah mencatat kadar ralat terendah dalam enam daripada sepuluh bahasa, manakala Whisper Large V3 Turbo dalam empat bahasa yang lain. Apple Speech telah ketinggalan 0.77 mata daripada peneraju baris bagi bahasa Korea, 1.06 mata bagi bahasa Jepun dan 1.48 mata bagi bahasa Mandarin, dan di situ ia seri dengan Whisper Large V3 Turbo pada 7.97. Merentas tujuh bahasa yang disokongnya, enjin ini telah ketinggalan 0.8 hingga 4.3 mata daripada peneraju baris, paling jauh bagi bahasa Inggeris: 8.80 berbanding 4.49. Tiada hasil Apple Speech untuk bahasa Belanda, Poland dan Rusia.
Bahasa apakah yang disokong oleh Apple Speech?
Apple Speech telah memberikan hasil untuk 21 daripada 83 konfigurasi bahasa dalam ujian ini. Kedua-dua model Whisper merangkumi kesemua 83, Qwen3-ASR 1.7B merangkumi 30 dan Parakeet V3 merangkumi 25. Daripada sepuluh bahasa di atas, enjin ini tiada model untuk bahasa Belanda, Poland atau Rusia. Tiada senarai tetap untuk dipetik: aset bahasa dimiliki oleh macOS, jadi aplikasi perlu bertanya semasa masa jalan tentang bahasa yang tersedia pada mesin tertentu.
| Bahasa | Apple Speech | Qwen3-ASR | Whisper Large | Whisper Small | Parakeet | SenseVoice |
|---|---|---|---|---|---|---|
| Itali | 4.39 | 2.58 | 2.58 | 7.64 | 3.43 | — |
| Kantonis | 8.69 | 6.44 | 36.75 | 119.01 | — | 37.23 |
| Portugis (Brazil) | 9.35 | 5.17 | 5.44 | 8.61 | 6.49 | — |
| Hindi | 101.50 | 13.19 | 29.64 | 61.26 | — | — |
| Telugu | 101.63 | — | 81.74 | 103.19 | — | — |
| Urdu | 101.69 | — | 23.39 | 38.83 | — | — |
| Punjabi | 101.75 | — | 92.05 | 103.40 | — | — |
| Bengali | 102.00 | — | 83.52 | 117.37 | — | — |
| Nepal | 102.13 | — | 88.59 | 118.84 | — | — |
| Malayalam | 102.18 | — | 107.34 | 167.16 | — | — |
| Marathi | 102.23 | — | 82.69 | 109.95 | — | — |
| Kannada | 103.83 | — | 72.07 | 116.10 | — | — |
| Gujarati | 104.52 | — | 75.31 | 108.91 | — | — |
| Tamil | 113.01 | — | 71.28 | 79.77 | — | — |
Empat belas bahasa lain yang telah diberi hasil oleh Apple Speech, disusun mengikut kadar ralatnya sendiri. Lajur, warna dan nama ringkas sama seperti di atas; CER untuk bahasa Kantonis, WER untuk yang lain. Kadar ralat boleh melebihi 100% kerana sisipan turut dikira dalam pengangka.
Pada sebelas baris terakhir, daripada bahasa Hindi hingga Tamil, Apple Speech telah menjawab dalam transliterasi Latin dan bukannya skrip asli. Oleh itu, kadar ralatnya di situ mengukur ketidakpadanan skrip, bukannya ketepatan pengecaman, dan sel tersebut tidak dimasukkan dalam kedudukan baris; nilai enjin lain pada baris itu ialah ukuran biasa.
Cara SpeechAnalyzer berfungsi
Apple telah mempunyai API pengecaman pertuturan sejak iOS 10. API tersebut, SFSpeechRecognizer, ialah enjin di sebalik laluan imlak lama. SpeechAnalyzer menggantikannya, diperkenalkan dalam macOS 26 dan iOS 26 serta tersedia pada setiap platform Apple kecuali watchOS.
API ini dibina berasaskan sesi. Anda mencipta SpeechAnalyzer, memberinya satu atau lebih modul dan menyalurkan audio; SpeechTranscriber ialah modul yang menukar pertuturan menjadi teks. Audio masuk sebagai jujukan tak segerak yang anda isikan sendiri, hasil kembali sebagai jujukan kedua, dan kedua-duanya biasanya berjalan pada tugas berbeza. Penganalisis menerima satu jujukan input pada satu-satu masa. Setiap penimbal dan setiap hasil mempunyai kod masa berdasarkan garis masa audio itu sendiri, jadi hasil boleh diletakkan kembali di tempat asalnya.
Satu sesi, tiga tugas: audio masuk sebagai AsyncSequence, SpeechAnalyzer dan SpeechTranscriber menganalisisnya, dan hasil kembali sebagai AsyncSequence kedua untuk dibaca oleh antara muka. Sumber: Apple, sesi 277 WWDC25.
Hasil tiba dua kali. Apa-apa di dalam julat yang disebut oleh Apple sebagai julat meruap masih boleh digantikan dengan hasil yang lebih baik; apa-apa di luarnya adalah muktamad. Dengan cara ini, aplikasi memaparkan transkrip kasar semasa anda masih bercakap dan membetulkannya selepas itu.
Apple menyatakan lima matlamat reka bentuk untuk model SpeechTranscriber: audio panjang, pertuturan perbualan, penutur jauh, kependaman rendah dan privasi, yang bermaksud model berjalan pada peranti. Nota, Memo Suara, Jurnal dan peringkasan panggilan dibina berasaskannya.
Lima matlamat reka bentuk yang dinyatakan oleh Apple untuk model SpeechTranscriber. Sumber: Apple, sesi 277 WWDC25.
Model tersebut bukan sebahagian daripada mana-mana aplikasi. Model dimuat turun daripada pelayan Apple melalui AssetInventory, disimpan dan dikemas kini oleh sistem serta dikongsi antara aplikasi. Model tidak menambah saiz muat turun aplikasi atau ruang memorinya, dan penyahkodan berlaku di luar proses pemanggil. Apabila SpeechTranscriber tiada model untuk bahasa atau peranti, DictationTranscriber mengambil alih dengan model yang sama seperti imlak sistem.
Cara kami mengukurnya
Setiap enjin dalam artikel ini telah mentranskripsikan klip yang sama, dalam urutan yang sama, satu demi satu, pada M5 MacBook Air (32 GB, macOS 27.0). Audionya ialah bahagian ujian Google FLEURS pada semakan 70bb2e84, kira-kira 150 ayat dan 30 minit bagi setiap bahasa. Cincangan tetap daripada ID item set data itu sendiri menentukan urutan, dan kami mengambil larian item lengkap terpendek yang melepasi tiga puluh minit; keluaran model tidak memainkan sebarang peranan dalam pilihan itu. Setiap sel telah dibina semula daripada rekodnya sendiri dan diperiksa semula; kesemua 285 sel lulus.
Skor ialah kadar ralat perkataan apabila perkataan dipisahkan dengan ruang, dan kadar ralat aksara untuk bahasa Jepun, Korea, Mandarin dan Kantonis. FLEURS ialah pertuturan yang dibaca, bukan mesyuarat dan bukan imlak. Jadual ini menunjukkan sama ada sesuatu enjin munasabah untuk bahasa anda, bukan hasil yang akan anda peroleh pada rakaman anda sendiri.
Berapa banyak peningkatan berbanding Apple Dictation lama?
Apple menyediakan dua titik operasi transkripsi dan kami telah mengukur kedua-duanya. SpeechTranscriber ialah yang baharu, yang disebut dalam artikel ini sebagai Apple Speech. DictationTranscriber ialah pilihan keserasian, laluan imlak yang digunakan Mac sebelum ini.
| Bahasa | Apple Dictation | Apple Speech |
|---|---|---|
| Korea | 7.11 | 4.31 |
| Itali | 6.93 | 4.39 |
| Sepanyol (Amerika Latin) | 8.43 | 5.41 |
| Jerman | 12.69 | 6.26 |
| Jepun | 9.37 | 6.36 |
| Perancis | 17.10 | 7.61 |
| Mandarin | 10.28 | 7.97 |
| Kantonis | 10.18 | 8.69 |
| Inggeris | 13.83 | 8.80 |
| Portugis (Brazil) | 10.85 | 9.35 |
Setiap bahasa yang telah diukur dengan baik oleh kedua-dua titik operasi Apple, disusun mengikut kadar ralat Apple Speech; hijau menandakan nilai yang lebih baik dalam baris. Larian yang sama, klip yang sama, Mac yang sama. CER untuk bahasa Jepun, Korea, Mandarin dan Kantonis, WER untuk yang lain.
Apple Speech lebih tepat dalam kesemua sepuluh bahasa. Bahasa median kehilangan kira-kira satu pertiga daripada ralatnya, bahasa Perancis dan Jerman lebih daripada separuh, manakala Portugis Brazil dan Kantonis kira-kira satu daripada tujuh ralat.
Itu ialah perbandingan dengan masa lalu Apple sendiri. Berbanding model yang anda muat turun, kedudukan terbaiknya pada bahasa yang diukur dengan baik ialah tempat kedua, dalam bahasa Kantonis. Dictation merangkumi lebih banyak bahasa: 33 konfigurasi berbanding 21 dalam ujian ini, termasuk ketiga-tiga bahasa yang tiada pada enjin baharu di sini.
Apakah yang anda peroleh daripada enjin terbina dalam?
| Enjin | Kelajuan | Memori puncak | Muat turun |
|---|---|---|---|
| SenseVoice Small | 162.3× masa nyata | 0.95 GiB | 827 MB |
| Parakeet V3 | 75.6× masa nyata | 0.09 GiB | 465 MB |
| Apple Speech | 30.8× masa nyata | tidak dilaporkan | pek bahasa dimuat turun oleh macOS, bukan oleh aplikasi |
| Qwen3-ASR 1.7B | 11.1× masa nyata | 2.43 GiB | kira-kira 2.5 GB |
| Whisper Small | 7.9× masa nyata | 0.87 GiB | 600 MB |
| Whisper Large V3 Turbo | 3.0× masa nyata | 1.87 GiB | kira-kira 1.6 GB |
Kelajuan ialah median setiap enjin merentas tiga belas bahasa yang diukur dengan baik dalam artikel ini, hanya mengira bahasa yang telah dijalankan oleh enjin tersebut — daya pemprosesan item secara berasingan, satu diagnostik, bukannya kependaman produk. Memori puncak ialah puncak kumpulan proses dalam ujian ini. Apple Speech menyahkod dalam perkhidmatan macOS yang tidak dimiliki oleh aplikasi pemanggil, jadi tiada angka di situ yang membawa maksud sama seperti lima enjin yang lain.
Aset bahasa Apple Speech dimuat turun sekali oleh sistem dan dikongsi oleh setiap aplikasi. Tiada apa-apa disertakan dalam aplikasi, dan tiada apa-apa diperuntukkan dalam proses aplikasi itu sendiri. Perkhidmatan sistem masih menggunakan memori semasa berfungsi, tetapi kami tidak dapat mengaitkannya dengan tepat, jadi kami tidak melaporkan sebarang angka, bukannya melaporkan sifar. Enjin ini telah berjalan pada 30.8× masa nyata, di belakang Parakeet V3 dan SenseVoice Small.
Whisper Large V3 Turbo mendahului empat daripada sepuluh baris dan merupakan enjin paling perlahan di sini, kira-kira sepuluh kali lebih perlahan daripada Apple Speech, dengan kira-kira 1.6 GB pada cakera. Qwen3-ASR 1.7B mendahului enam baris yang lain, dengan kira-kira 2.5 GB dan memori 2.43 GiB. Parakeet V3 memerlukan 465 MB dan 0.09 GiB, mengatasi Turbo dalam bahasa Perancis, ketinggalan dalam bahasa Poland, serta tiada bahasa Jepun, Korea, Mandarin atau Kantonis. Whisper Small ialah perbandingan terdekat pada 600 MB, dan Apple Speech telah lebih tepat dalam lapan daripada sepuluh bahasa yang diukur dengan baik untuk kedua-duanya.
Patutkah anda menggunakan Apple Speech dan bukannya model muat turun?
Bahasa demi bahasa:
- Inggeris: tidak sesuai. Apple Speech telah mencatat 8.80; Qwen3-ASR 1.7B (4.49) atau Whisper Large V3 Turbo (5.49) jelas lebih tepat.
- Jerman: tidak sesuai. Apple Speech telah mencatat 6.26; Qwen3-ASR 1.7B (2.85) atau Whisper Large V3 Turbo (4.05) jelas lebih tepat.
- Belanda, Rusia dan Poland: Apple Speech tiada model untuk ketiga-tiganya. Whisper Large V3 Turbo telah menjadi yang paling tepat bagi setiap bahasa, pada 5.69, 5.13 dan 5.45.
- Jepun: boleh digunakan. Apple Speech telah mencatat 6.36, di belakang Whisper Large V3 Turbo pada 5.30.
- Korea: boleh digunakan. Apple Speech telah mencatat 4.31, di belakang Qwen3-ASR 1.7B pada 3.54.
- Perancis: tidak sesuai. Apple Speech telah mencatat 7.61; Qwen3-ASR 1.7B (4.57) atau Parakeet V3 (5.83) jelas lebih tepat.
- Mandarin: boleh digunakan. Apple Speech telah mencatat 7.97, seri dengan Whisper Large V3 Turbo; yang paling tepat ialah Qwen3-ASR 1.7B pada 6.49.
- Sepanyol: tidak sesuai. Apple Speech telah mencatat 5.41; Qwen3-ASR 1.7B (3.38) atau Whisper Large V3 Turbo (3.62) jelas lebih tepat.
Apple Speech ialah singkatan dalam artikel ini untuk SpeechTranscriber milik Apple, API pada peranti yang boleh dipanggil oleh mana-mana aplikasi Mac pada macOS 26 atau lebih baharu. Ini bukan salah satu model yang dimuat turun oleh Whisper Notes untuk Mac: model tersebut ialah Whisper, Parakeet V3, SenseVoice dan Qwen3-ASR pada binaan Muat Turun Terus Mac (DMG), serta Whisper, Parakeet V3 dan SenseVoice pada iPhone dan binaan Mac App Store. Jadual bagi setiap enjin terdapat pada halaman sokongan bahasa.
Tiada apa-apa di sini yang mengubah cara Whisper Notes untuk Mac berfungsi hari ini: Parakeet V3 masih merupakan model lalai.
Soalan Lazim
Adakah Apple Speech setepat Whisper?
Tidak bagi kebanyakan bahasa yang disokong oleh kedua-duanya. Dalam ujian FLEURS kami sendiri, merentas tujuh daripada sepuluh bahasa ini yang disokong Apple Speech, Whisper Large V3 Turbo telah lebih tepat dalam enam bahasa dan kedua-duanya sepadan tepat dalam bahasa Mandarin, masing-masing pada CER 7.97%. Berbanding Whisper Small, susunannya terbalik: Apple Speech telah mendahului dalam enam daripada tujuh bahasa dan hanya kalah dalam bahasa Inggeris, WER 8.80% berbanding 7.04%. Enjin ini tidak mendahului mana-mana bahasa yang diukur dengan baik dalam ujian ini, dan paling hampir dalam bahasa Korea, CER 4.31% berbanding 3.54% bagi peneraju baris. Kantonis ialah satu-satunya bahasa yang diukur dengan baik yang mana ia mengatasi Whisper Large V3 Turbo, CER 8.69% berbanding 36.75%. Gunakan enjin terbina dalam apabila bahasa anda disokong dan anda lebih suka macOS menguruskan pek bahasa; gunakan Whisper Large V3 Turbo untuk hasil paling tepat, atau apabila bahasa anda ialah salah satu daripada tiga bahasa yang tiada pada Apple Speech di sini.
Bahasa apakah yang disokong oleh Apple Speech?
macOS menentukan senarai itu, bukannya mana-mana aplikasi. Dalam ujian ini Apple Speech telah menghasilkan keputusan dalam 21 daripada 83 konfigurasi bahasa yang kami uji, berbanding 83 untuk kedua-dua binaan Whisper, 30 untuk Qwen3-ASR 1.7B dan 25 untuk Parakeet V3. Daripada sepuluh bahasa yang termasuk dalam kalangan bahasa paling banyak digunakan dalam jadual utama, enjin ini menyokong bahasa Inggeris, Jerman, Jepun, Korea, Perancis, Mandarin dan Sepanyol, tetapi tidak menyokong bahasa Belanda, Poland atau Rusia. Jadual kedua mengandungi empat belas konfigurasi yang lain: Itali, Kantonis, Portugis Brazil dan sebelas bahasa yang dijawab oleh enjin ini dalam transliterasi Latin dan bukannya skrip asli. Aplikasi perlu bertanya kepada macOS semasa masa jalan bahasa yang tersedia pada mesin tertentu. Jika bahasa anda tiada, Whisper merangkumi setiap bahasa dalam senarai aplikasi pada setiap saluran.
Apple Speech atau Parakeet V3 — yang mana satu?
Parakeet V3, bagi setiap bahasa Eropah yang disokong oleh kedua-duanya. Model ini telah mencatat 6.89 berbanding 8.80 dalam bahasa Inggeris, 5.83 berbanding 7.61 dalam bahasa Perancis, 4.86 berbanding 5.41 dalam bahasa Sepanyol, 3.43 berbanding 4.39 dalam bahasa Itali dan 6.49 berbanding 9.35 dalam Portugis Brazil; kedua-duanya seri dalam bahasa Jerman pada 6.26. Parakeet V3 tiada bahasa Jepun, Korea, Mandarin atau Kantonis, jadi bagi bahasa tersebut Apple Speech ialah satu-satunya daripada kedua-duanya yang tersedia, dalam lingkungan 1.5 mata daripada peneraju baris bagi bahasa Jepun, Korea dan Mandarin. Parakeet V3 ialah muat turun 465 MB dan telah berjalan pada 75.6× masa nyata dengan puncak 0.09 GiB; pek bahasa Apple Speech dimuat turun oleh macOS, dan enjin ini telah berjalan pada 30.8× dengan memori yang tidak kami laporkan.
Apakah SpeechAnalyzer, dan adakah ia sama dengan Apple Dictation?
SpeechAnalyzer ialah API payung yang diperkenalkan oleh Apple pada WWDC 2025 dan disertakan dalam macOS 26 serta iOS 26. SpeechTranscriber ialah titik operasi transkripsi di dalamnya, yang telah kami ukur dan disebut dalam artikel ini sebagai Apple Speech. Dictation ialah titik operasi keserasian dan kami juga telah menjalankannya: Apple Speech telah lebih tepat dalam kesemua sepuluh bahasa yang dikendalikan dengan baik oleh kedua-duanya, menghapuskan kira-kira satu pertiga daripada ralat pada bahasa median dan lebih daripada separuh pada bahasa Perancis dan Jerman. Dictation merangkumi lebih banyak bahasa, 33 konfigurasi berbanding 21, jadi ia ialah enjin sistem untuk bahasa Belanda, Poland atau Rusia jika anda boleh menerima WER 17.34%, 13.50% dan 13.13%. Whisper Large V3 Turbo telah mencatat 5.69%, 5.45% dan 5.13% pada klip yang sama.
Adakah audio meninggalkan Mac saya apabila saya menggunakan Apple Speech?
Apple mendokumentasikan SpeechTranscriber sebagai pengecaman pertuturan pada peranti: macOS memuat turun aset bahasa sekali, dan pengecaman berjalan secara setempat. Kami telah mengukur ketepatan dan kelajuan, bukan tingkah laku rangkaian, jadi kami menerangkan bahagian itu seperti yang diterangkan oleh Apple. Enjin yang dimuat turun sendiri oleh Whisper Notes — Whisper, Parakeet V3, SenseVoice dan Qwen3-ASR — berjalan pada GPU atau Neural Engine Mac anda sendiri tanpa akaun dan tanpa API key, dan transkripsi berfungsi apabila rangkaian dimatikan pada setiap saluran.
Mengapakah angka ini tidak sepadan dengan ketepatan pada rakaman saya?
Kerana FLEURS ialah pertuturan pendek, bersih dan dibaca, sedangkan rakaman anda tidak sedemikian. Ujian kami ialah penentukuran pada set data awam: kira-kira 150 ayat dan 30 minit audio bagi setiap bahasa, satu M5 MacBook Air, klip yang sama untuk setiap enjin. Hasil ini menunjukkan sama ada enjin munasabah untuk sesuatu bahasa, bukan hasil yang akan anda peroleh dalam mesyuarat, pada audio bising, pada pertuturan beraksen atau pada fail dua jam.
Mengapakah ujian lain mengatakan Apple Speech mengatasi Whisper?
Kerana ujian itu membandingkannya dengan Whisper Small, dan hanya bagi bahasa Inggeris. Bagi Whisper Small, hasil kami sependapat: Apple Speech telah mengatasinya dalam lapan daripada sepuluh bahasa yang diukur dengan baik oleh kedua-duanya. Bahasa Inggeris ialah satu daripada dua bahasa yang kalah, 8.80 berbanding 7.04. Hasil itu tidak terpakai bagi Whisper Large V3 Turbo: Apple Speech telah ketinggalan dalam lapan daripada sepuluh bahasa yang sama, seri bagi bahasa Mandarin pada 7.97 dan mendahului hanya bagi bahasa Kantonis. Whisper yang mana dalam perbandingan itulah yang menentukan tajuknya.
Cuba Sekarang
Lima model yang boleh dimuat turun di sini — Whisper Small, Whisper Large V3 Turbo, Parakeet V3, SenseVoice Small dan Qwen3-ASR 1.7B — semuanya tersedia dalam Whisper Notes untuk Mac, binaan Muat Turun Terus (DMG), di Tetapan, kemudian Model Transkripsi.
Jika angka kami tidak sepadan dengan pengalaman anda dalam sesuatu bahasa, e-mel mac@whispernotes.app. Nota keluaran penuh: whispernotes.app/changelog.
Sumber: ujian kami pada bahagian ujian Google FLEURS pada semakan 70bb2e84, dokumentasi SpeechAnalyzer Apple, dan ujian Qwen3-ASR tiga puluh bahasa sebelumnya.
Muat turun untuk macOS