SenseVoice vs Qwen3-ASR: mana satu lebih baik untuk bahasa Cina, Jepun dan Korea?

Angka ketepatan di sini ialah hasil ujian kami sendiri. Kami menjalankan SenseVoice Small, Qwen3-ASR dan Whisper Large V3 Turbo pada ayat bacaan FLEURS yang sama, kira-kira 30 minit bagi setiap bahasa, menggunakan model yang disertakan dalam Whisper Notes. Kelajuan pula ialah angka yang dipaparkan oleh aplikasi pada kad setiap model, daripada ujian berasingan menggunakan klip pendek. Selebihnya berdasarkan cara aplikasi Mac berfungsi hari ini.

Sejauh mana Qwen3-ASR lebih tepat daripada SenseVoice?

Kadar ralat aksara (CER) untuk bahasa Cina, Jepun dan Korea, kadar ralat perkataan (WER) untuk bahasa Inggeris; lebih rendah lebih baik. Hijau menandakan nilai terendah dalam setiap baris. Ujian kami sendiri pada set ujian FLEURS, kira-kira 30 minit dan 139 hingga 180 ayat bacaan bagi setiap bahasa, pada Mac. SenseVoice dengan bahasa ditetapkan. Pertuturan bacaan yang jelas sahaja: bilik yang bising, mesyuarat dan rakaman panjang tidak diliputi.

Qwen3-ASR membuat lebih sedikit kesilapan berbanding SenseVoice dalam setiap bahasa yang kami uji. Dalam bahasa Cina dan Jepun, jurangnya kira-kira satu mata peratusan: 6.49% (Qwen3-ASR) berbanding 7.69% (SenseVoice) dalam bahasa Cina, dan 5.74% berbanding 6.78% dalam bahasa Jepun. Jurang terbesar ialah dalam bahasa Korea: SenseVoice tersalah lebih daripada dua kali ganda bilangan aksara, 7.85% berbanding 3.54%. Dalam bahasa Inggeris, Qwen3-ASR tersalah kira-kira satu daripada 22 perkataan, manakala SenseVoice kira-kira satu daripada 12.

Whisper Large V3 Turbo hampir setanding dengan Qwen3-ASR. Ia paling tepat antara ketiga-tiganya dalam bahasa Jepun dan di tempat kedua dalam bahasa Korea dan Inggeris, tetapi sedikit di belakang SenseVoice dalam bahasa Cina.

Sejauh mana SenseVoice lebih pantas daripada Qwen3-ASR?

Hijau menandakan model yang lebih pantas. Ini ialah kelajuan yang dipaparkan pada kad model dalam aplikasi: masa pemprosesan enjin sahaja, tanpa masa memuatkan model, diukur pada klip pendek dalam ujian penggunaan harian yang berasingan pada Mac. SenseVoice mencatat 115.2× dengan bahasa ditetapkan dan 131× dengan pengesanan automatik; Qwen3-ASR mencatat 7.65× sebelum dibundarkan. Masa untuk audio satu jam dikira daripada kelajuan ini dan dibundarkan.

SenseVoice lebih daripada 15 kali lebih pantas. Bagi rakaman sejam, ini bermakna kira-kira setengah minit berbanding kira-kira lapan minit. Jika anda mentranskripsi rakaman panjang, atau mahukan teks dengan segera, perbezaan ini lebih penting daripada satu mata ketepatan. Jika anda boleh menunggu beberapa minit dan mahu kurang pembetulan, perbezaan ini tidak begitu penting.

Tetapkan bahasa untuk ketepatan yang sedikit lebih baik

Dengan bahasa ditetapkan, SenseVoice membuat lebih sedikit kesilapan berbanding tetapan Automatik dalam keempat-empat bahasa: 7.69% berbanding 7.90% dalam bahasa Cina, 6.78% berbanding 6.87% dalam bahasa Jepun, 7.85% berbanding 8.09% dalam bahasa Korea dan 8.46% berbanding 8.51% dalam bahasa Inggeris. Jurangnya kecil, tetapi semuanya menunjuk ke arah yang sama. Kami tidak menjalankan Qwen3-ASR atau Whisper dengan Automatik, jadi kami tiada angka untuk kedua-duanya. Aplikasi itu sendiri menasihatkan bahawa, kecuali bagi Parakeet, memilih bahasa biasanya lebih tepat daripada Automatik.

Parakeet ialah pengecualian: dalam Whisper Notes, memberitahunya bahasa menjadikannya kurang tepat, sebab itu ia sentiasa mengesan bahasa sendiri (lihat Parakeet Ultra vs Parakeet V3). Pada Mac, tetapan ini ialah Bahasa di bawah Transkripsi dalam Tetapan.

Berapa lama masa yang diambil untuk rakaman panjang?

Dalam ujian terdahulu dengan rakaman sebenar pada Apple M4 Pro, SenseVoice mentranskripsi satu episod podcast temu bual berbahasa Cina sepanjang 27 minit dalam 13.83 saat. Whisper Large V3 Turbo mengambil masa 2 minit 4 saat untuk fail yang sama. Qwen3-ASR tidak termasuk dalam ujian itu. Ujian itu dijalankan pada versi aplikasi yang lebih awal; kelajuannya, kira-kira 117× masa nyata, sepadan dengan 115–131× pada kad model sekarang.

Jika dianggarkan secara kasar daripada ujian itu, mesyuarat atau kuliah selama sejam akan mengambil masa kira-kira setengah minit bagi SenseVoice dan kira-kira empat setengah minit bagi Whisper Large V3 Turbo pada Mac tersebut. Berdasarkan kelajuan di atas, Qwen3-ASR memerlukan kira-kira lapan minit.

Kedua-dua model tidak membaca fail panjang sekali gus. Dalam aplikasi Mac, SenseVoice membahagikan audio kepada bahagian sehingga 30 saat, dipotong pada jeda, dan memaparkan teks setiap bahagian sebaik sahaja ia siap. Qwen3-ASR juga memproses audio dalam bahagian sehingga 30 saat, dipotong pada saat paling senyap berhampiran setiap had, dan teksnya muncul semasa ia sedang ditulis. Dalam kedua-dua cara, transkrip terisi bahagian demi bahagian, dan anda boleh mula membaca sebelum seluruh fail selesai.

Model mana yang boleh saya gunakan pada peranti saya?

Hijau bermaksud tersedia, ambar bermaksud tidak tersedia.

Pada iPhone, SenseVoice ialah pilihan pantas untuk bahasa Cina, Jepun dan Korea, dengan Whisper Small sebagai alternatif.

Mengapa ada dua versi Mac? Versi Mac App Store berfungsi dalam had yang ditetapkan oleh Apple untuk aplikasi App Store, jadi beberapa ciri hanya ada dalam aplikasi Mac dari laman web kami: penaipan suara dengan Fn, pembantu AI pada peranti dan alat baris arahan (latar belakangnya). Model pertuturannya sama dalam kedua-duanya.

Keperluan setiap model pada Mac

Saiz muat turun dan label memori seperti yang dipaparkan dalam versi semasa aplikasi Mac dari laman web kami. Ambar menandakan keperluan yang perlu disemak sebelum anda memuat turun. Memori puncak diambil daripada ujian penggunaan harian yang sama dengan kelajuan di atas; GiB lebih kurang 7% lebih besar daripada GB.

Kedua-dua model ini bukan model terbina dalam. Setiap satu dimuat turun sekali sahaja daripada kadnya dalam Tetapan, dan selepas itu berfungsi di luar talian. SenseVoice jauh lebih ringan: saiz muat turunnya kira-kira satu perlima daripada Qwen3-ASR, dan memorinya jauh kurang daripada separuh. Pada Mac dengan memori kurang daripada 16 GB, kad Qwen3-ASR memaparkan nota memorinya dalam warna oren sebagai amaran. Sebagai perbandingan, Whisper Large V3 Turbo bersaiz kira-kira 2 GB untuk dimuat turun, dan kadnya menyatakan memori kira-kira 2.4 GB.

Model mana yang patut anda gunakan?

• Paling sedikit kesilapan, pada Mac: Qwen3-ASR 1.7B, dalam kedua-dua versi Mac. Ia mengatasi SenseVoice dalam keempat-empat bahasa ujian kami. Dalam bahasa Jepun, Whisper Large V3 Turbo lebih tepat sedikit lagi, 5.30% berbanding 5.74%.
• Kelajuan, rakaman panjang, Mac dengan memori yang lebih kecil, atau iPhone: SenseVoice Small. Audio sejam mengambil masa kira-kira setengah minit, bukan kira-kira lapan minit, dan saiz muat turun serta memorinya jauh lebih kecil.
• Ketepatan bahasa Jepun atau Korea tanpa Qwen3-ASR 1.7B (yang memerlukan macOS 15): Whisper Large V3 Turbo, 5.30% berbanding 6.78% bagi SenseVoice dalam bahasa Jepun dan 4.25% berbanding 7.85% dalam bahasa Korea. Ia jauh lebih perlahan daripada SenseVoice.
• Bahasa lain: Parakeet, model terbina dalam, untuk bahasa Inggeris dan 24 bahasa Eropah lain (lihat Parakeet Ultra vs Parakeet V3), dan Whisper untuk selebihnya. Perbandingan Qwen3-ASR 1.7B dengan Whisper merentas 30 bahasa ada dalam penanda aras Qwen3-ASR vs Whisper kami. Kadar ralat semua model, bersebelahan bagi 42 bahasa, ada dalam perbandingan model mengikut bahasa kami.

Apa lagi yang perlu anda tahu?

• Label penutur, cap masa dan sari kata berfungsi dengan kedua-duanya. SenseVoice dan Qwen3-ASR sama-sama memberikan cap masa, jadi label penutur dan eksport sari kata SRT berfungsi dengan cara yang sama pada mana-mana model.
• Cina Ringkas atau Tradisional mengikut bahasa sistem anda. Selepas transkripsi, Whisper Notes menukar teks Cina kepada aksara Ringkas atau Tradisional pada Mac anda, mengikut bahasa sistem anda. Jika anda menetapkan bahasa kepada 简体中文 (Cina Ringkas) atau 繁體中文 (Cina Tradisional), pilihan itu yang menentukan.
• Dialek belum diuji. Kad model Qwen sendiri menyenaraikan 30 bahasa serta 22 dialek dan loghat Cina. Whisper Notes tidak mempunyai tetapan dialek yang berasingan: anda memilih bahasa Cina atau Automatik, dan model menguruskan selebihnya. Kami belum menguji dialek, jadi kami tidak dapat menyatakan sejauh mana kedua-dua model mengendalikannya.
• Qwen3-ASR masih Beta. Jika ia berhenti secara tiba-tiba, Whisper Notes akan mematikannya pada permulaan seterusnya dan beralih kepada model lain, supaya aplikasi masih boleh dibuka. Anda boleh memilih Qwen3-ASR sekali lagi dalam Tetapan untuk mencuba semula.
• Angka kami hanya untuk pertuturan bacaan yang jelas. Ayat FLEURS dibaca dengan kuat dalam keadaan senyap. Mesyuarat, bilik yang bising, mikrofon yang jauh dan loghat yang pekat boleh mengubah jurangnya, sama ada melebar atau mengecil.
• Campuran bahasa Cina dan Inggeris belum diuji. Kami belum mengukur cara kedua-dua model mengendalikan ayat yang bertukar-tukar antara bahasa Cina dan Inggeris, jadi cuba satu rakaman biasa anda sebelum memilih salah satu.

Bagaimana cara menukar model?

Pada Mac, buka Tetapan dan tatal ke Model Transkripsi. Setiap model mempunyai kad yang menunjukkan kelajuannya, kegunaan terbaiknya, bilangan bahasa yang diliputi, memori yang diperlukan dan saiz muat turunnya. Untuk memuat turun model, klik kadnya atau anak panah muat turun pada kad itu; setelah dipasang, klik kad tersebut untuk beralih kepadanya. Pautan bahasa pada setiap kad (Bahasa yang Disokong, atau 30 bahasa disokong pada kad Qwen3-ASR 1.7B) menyenaraikan setiap bahasa bersama kadar ralat kami untuk bahasa itu.

Tetapan → Model Transkripsi dalam aplikasi Mac dari laman web kami

Kemudian tetapkan Bahasa di bawah Transkripsi, dan jangan biarkan pada Automatik.

Apakah SenseVoice?

Daripada kertas kajian FunAudioLLM: SenseVoice-Small mempunyai 234 juta parameter dan memproses audio 10 saat dalam 70 ms; Whisper-Large-V3 mempunyai 1,550 juta parameter dan mengambil masa 1,281 ms. Kedua-duanya diukur pada GPU pusat data, bukan pada Mac.

Qwen3-ASR dibangunkan oleh pasukan Qwen di Alibaba dan dikeluarkan di bawah lesen Apache 2.0. Dalam Whisper Notes, ia berjalan pada GPU Mac melalui MLX, dalam format 8-bit. Keputusannya berbanding Whisper dalam 30 bahasa ada dalam penanda aras Qwen3-ASR kami.

Soalan lazim

Cubalah

SenseVoice ada dalam Whisper Notes pada iPhone dan Mac, dan Qwen3-ASR (Beta) ada pada Mac. Gunakan butang di bawah untuk mendapatkan aplikasi iPhone dari App Store atau aplikasi Mac dari laman web kami. Ada soalan? Hantar e-mel ke support@whispernotes.app.

Muat Turun untuk iOS Muat Turun untuk macOS