Whisper Notes App: pertuturan ke teks luar talian

Ulasan aplikasi Whisper Notes menggunakan OpenAI Whisper Large V3 Turbo untuk transkripsi luar talian di iPhone dan Mac

Dikemaskini Ogos 20258 min bacaan

Apa itu Whisper Notes?

Whisper Notes adalah aplikasi pertuturan-ke-teks luar talian menggunakan model OpenAI Whisper Large V3 Turbo. Memproses audio sepenuhnya pada peranti anda — tiada muat naik awan. Digunakan oleh profesional kesihatan, undang-undang, dan kewartawanan untuk pematuhan HIPAA dan privasi lengkap.

Aplikasi Whisper Notes mempunyai 10,000+ pengguna di seluruh dunia. Penyedia penjagaan kesihatan menggunakannya untuk nota pesakit. Wartawan menggunakannya untuk transkripsi wawancara. Peguam menggunakannya untuk deposisi. Semua luar talian — audio anda tidak pernah meninggalkan peranti anda.

Kos tersembunyi aplikasi Whisper "percuma"

Berdasarkan pengalaman kami, alat transkripsi "percuma" mengikut corak yang konsisten: mereka memuat naik audio anda ke pelayan awan, memprosesnya dari jauh, dan menyimpan data untuk meningkatkan model mereka. Produknya bukan perisian — ia adalah suara anda.

Data suara adalah kekal

Tidak seperti kata laluan atau nombor kad kredit, biometrik suara tidak boleh ditukar selepas terjejas. Beberapa saat rakaman menangkap tandatangan akustik yang mengenal pasti anda merentasi konteks berbeza.

Teknologi pengklonan suara kini hanya memerlukan tiga hingga lima saat sampel audio. Ketepatan pengesanan manusia untuk deepfake suara berkualiti tinggi kekal pada hanya 24.5%. Pada 2025, klon suara Menteri Pertahanan Itali digunakan untuk mengekstrak hampir satu juta euro. Ini bukan risiko teori.

Apabila anda memuat naik audio ke perkhidmatan transkripsi awan, anda mencipta rekod kekal identiti biometrik anda pada infrastruktur yang anda tidak kawal.

Landskap pelanggaran transkripsi awan

Insiden keselamatan berkaitan AI meningkat 56.4% pada 2024. Lapan puluh dua peratus pelanggaran kini melibatkan infrastruktur awan. Sektor kesihatan telah melihat pendedahan maklumat kesihatan dilindungi melalui ejen transkripsi, integrasi EHR, dan data lake yang salah dikonfigurasi.

Coraknya boleh diramal: data sensitif mengalir ke sistem AI, keterlihatan menurun, dan penyerang atau kemalangan mendedahkan apa yang sepatutnya peribadi. Transkrip pusat hubungan distrim ke model sementara nombor akaun mendarat dalam log debug tanpa masking.

Separuh pertama 2025 menyaksikan peningkatan mendadak dalam pelanggaran data besar yang melibatkan kategori data lebih sensitif. Daripada hanya nama pengguna dan kata laluan, pelanggaran kini mendedahkan profil genetik, rakaman suara, dan pengenal biometrik.

Arah perjalanan

Pada Mac 2025, Amazon mengumumkan ia menghentikan tetapan "Jangan Hantar Rakaman Suara" pada peranti Echo. Semua interaksi pengguna dengan peranti Alexa kini dirakam dan dihantar ke pelayan Amazon secara lalai, tanpa pilihan untuk menolak.

Ini bukan keputusan terpencil. Platform utama bergerak ke arah lebih banyak pengumpulan data, bukan kurang. Insentif ekonomi pembangunan AI memihak kepada pengumpulan data latihan. Pilihan privasi yang wujud hari ini mungkin tidak wujud esok.

Kami membina Whisper Notes dengan arkitek bertentangan: tiada pelayan untuk menghantar data. Ini bukan tetapan yang boleh diubah. Ia adalah kekangan asas cara aplikasi dibina.

Harga sebenar "percuma"

Alat web Whisper percuma sering menggunakan audio anda untuk meningkatkan model mereka. Ini didedahkan dalam terma perkhidmatan yang jarang dibaca pengguna. Perkhidmatan awan per minit pada $0.006 hingga $0.40 per minit terkumpul menjadi ratusan dolar setiap tahun untuk pengguna tetap.

Perkhidmatan berasaskan langganan seperti Otter.ai berharga kira-kira $99 setahun. Selama lima tahun, itu adalah $495—untuk perkhidmatan yang memproses audio anda pada pelayan jauh.

Whisper Notes berharga $7.99 sekali. Tiada langganan. Tiada yuran per minit. Tiada pengumpulan data. Model perniagaannya mudah: anda bayar untuk perisian, anda memiliki perisian.

Kos setahun

Jenis perkhidmatanTahun 1Tahun 2Tahun 3Pengendalian data
Whisper Notes$7.99$0$0Tidak pernah meninggalkan peranti
Perkhidmatan langganan$99$99$99Diproses di awan
API awan per minit$120-480$120-480$120-480Diproses di awan
Alat web "percuma"$0$0$0Digunakan untuk latihan AI

Bila anda patut guna perkhidmatan awan

Pada audio yang bersih, model besar di awan memang masih sedikit lebih tepat, kerana ia berjalan pada saiz yang tidak muat dalam mana-mana telefon atau komputer riba, dan ia boleh memberi sari kata sambil orang bercakap — transkripsi dalam peranti belum menyamai itu. Itu kelebihan yang benar dan kami tidak akan berpura-pura sebaliknya.

Kalau anda perlukan sari kata langsung, kalau beberapa orang perlu menyunting transkrip yang sama sementara mesyuarat masih berjalan, atau kalau pecahan ketepatan yang terakhir lebih bermakna kepada anda daripada di mana audio itu berada, perkhidmatan awan ialah alat yang lebih baik dan kami lebih suka anda menggunakannya.

Yang kami bantah cuma satu: menganggap jurang ketepatan itu sebagai satu-satunya angka dalam keputusan. Bagi kerja yang terikat kewajipan kerahsiaan — rekod perubatan, bahan yang dilindungi, temu bual dengan sumber — "ke mana audio itu pergi" ialah soalan yang anda mesti boleh jawab, dan jawapan terpendek yang bertahan ialah ia tidak pergi ke mana-mana.

Mengapa arkitek penting: aplikasi native vs. web wrapper

Apabila anda mencari "Whisper app," anda akan menemui tiga kategori: alat berasaskan web yang berjalan dalam pelayar anda, API awan yang memerlukan internet, dan aplikasi native yang dikompilasi khusus untuk peranti anda. Perbezaan arkitek penting untuk kedua-dua privasi dan prestasi.

Web wrapper dan alat berasaskan pelayar

Banyak alat Whisper berasaskan pelayar mendakwa "pemprosesan tempatan," yang secara teknikal tepat. Audio anda kekal dalam tab pelayar. Tetapi persekitaran pelayar mempunyai batasan asas.

Kekangan memori memaksa model lebih kecil. Kebanyakan pelayar mengehadkan memori WebAssembly kepada sekitar 4GB, yang menyekat saiz model yang boleh berjalan. JavaScript menambah overhead pemprosesan berbanding kod native. Satu tab crash kehilangan kerja anda tanpa pilihan pemulihan.

Alat berasaskan pelayar juga kekurangan integrasi sistem. Mereka tidak boleh berjalan di latar belakang semasa anda menggunakan aplikasi lain. Mereka tidak boleh mengakses pecutan perkakasan dengan cekap. Mereka adalah halaman web yang kebetulan melakukan transkripsi, bukan perisian transkripsi.

PemprosesanWebAssembly/TensorFlow.js dalam pelayar
Saiz modelTerhad oleh memori pelayar (~4GB)
KelajuanLebih perlahan kerana overhead JavaScript
PrivasiLebih baik dari awan, tetapi pelayar ada akses
KebolehpercayaanTab boleh crash, tiada pemprosesan latar belakang

Aplikasi native: akses perkakasan langsung

Whisper Notes dikompilasi khusus untuk macOS dan iOS. Ia mengakses Apple Neural Engine secara langsung — cip khusus yang sama yang menggerakkan Face ID dan fotografi pengkomputeran.

Ini bukan halaman web yang dibungkus dalam shell aplikasi. Ia adalah kod native yang dioptimumkan untuk perkakasan khusus anda. Itulah sebabnya angka kelajuan di halaman ini mungkin sama sekali: pada M4 Pro, Parakeet V3 menghabiskan 35 minit audio dalam kira-kira 18 saat.

Aplikasi native boleh berjalan di latar belakang, berintegrasi dengan perkhidmatan sistem, dan pulih dengan elegan dari gangguan. Mereka di-sandbox oleh sistem operasi, bermakna mereka tidak boleh mengakses data dari aplikasi lain. Dan tiada laluan muat naik untuk audio anda mahupun transkripnya — anda boleh menyemaknya dalam tiga puluh saat dengan menghidupkan mod pesawat lalu mentranskripsi satu fail.

PemprosesanAkses langsung Apple Neural Engine
Saiz modelWhisper Large V3 Turbo, kira-kira 1.5GB
KelajuanParakeet V3 kira-kira 60x masa nyata pada M5 Air kami
PrivasiSandbox, tiada kebenaran rangkaian
KebolehpercayaanPemprosesan latar belakang, integrasi sistem

API awan: kuasa maksimum, pendedahan maksimum

Perkhidmatan awan boleh menjalankan model Whisper terbesar kerana sumber pelayan secara efektif tidak terhad. Mereka boleh menawarkan ketepatan sedikit lebih tinggi dan ciri seperti transkripsi masa nyata yang memerlukan kuasa pengkomputeran yang besar.

Pertukarannya: setiap rakaman dimuat naik ke infrastruktur yang anda tidak kawal. Audio anda merentasi internet, diproses pada pelayan jauh, dan mungkin disimpan mengikut polisi pengekalan yang anda tidak pilih.

Untuk ahli terapi yang terikat dengan keperluan kerahsiaan, peguam yang mengendalikan komunikasi istimewa, wartawan yang melindungi sumber, atau sesiapa yang bekerja dengan maklumat sensitif, pemprosesan awan sering menjadi faktor diskualifikasi tanpa mengira faedah ketepatan.

PemprosesanPelayan jauh (pengkomputeran tidak terhad)
Saiz modelModel terbesar yang tersedia
KelajuanBergantung pada internet dan giliran pelayan
PrivasiAudio dimuat naik dan berpotensi disimpan
KebolehpercayaanMemerlukan internet, tertakluk pada had kadar

Keputusan arkitek kami

Kami memilih arkitek aplikasi native kerana itulah satu-satunya cara untuk menghapuskan laluan keluar bagi data suara anda. Bukan "diproses secara tempatan kemudian disegerakkan." Bukan "disulitkan dalam transit." Tiada laluan muat naik langsung.

Pilihan ini mempunyai kos. Kami tidak boleh menawarkan transkripsi masa nyata semasa rakaman. Kami tidak boleh menjalankan model lebih besar dari yang muat pada peranti anda. Kami tidak boleh menyediakan ciri kolaboratif yang memerlukan pelayan.

Kami membuat pertukaran ini dengan sengaja. Untuk kes penggunaan di mana privasi penting — dan dalam pengalaman kami, itu termasuk kebanyakan transkripsi profesional — ketiadaan laluan muat naik lebih berbaloi daripada ciri yang memerlukan infrastruktur awan.

Model mana yang sebenarnya bekerja?

Tiga enjin, dan cara memilih satu

Whisper Notes membawa tiga enjin pengecaman pertuturan dan menjalankan kesemuanya pada peranti. Parakeet V3 ialah pilihan lalai. Laluan Whisper pula ialah Whisper Large V3 Turbo pada Mac dan Whisper Small pada iPhone — 101 pilihan bahasa yang sama, dalam model bersaiz telefon. SenseVoice ialah enjin yang anda pilih sendiri untuk bahasa Cina, Kantonis, Jepun dan Korea; tiada apa-apa yang menukarnya secara automatik, jadi kalau anda bekerja dalam bahasa-bahasa itu, menukar enjin ialah perkara pertama selepas memasang.
Untuk apa setiap satu: Parakeet V3 meliputi 25 bahasa Eropah dan mencatat kadar ralat perkataan 6.32% untuk bahasa Inggeris pada Open ASR Leaderboard, terendah antara ketiga-tiganya. Dalam ujian kami sendiri, ia menghabiskan satu fail kira-kira lima kali lebih pantas daripada Whisper Large V3 Turbo. Hujah Turbo ialah keluasan: 101 pilihan bahasa, pada 7.83% WER Inggeris di papan pendahulu yang sama. SenseVoice meliputi enam pilihan — Inggeris, Cina Ringkas dan Tradisional, Kantonis, Jepun dan Korea — dan dalam ujian kami ia bergerak pada kira-kira 52 kali masa nyata. Itulah sebabnya ia yang patut dipilih untuk bahan CJK.
Bagaimana ia berjalan pada peranti: Model ditukar kepada format Core ML Apple dan dijalankan pada Neural Engine, cip yang sama di sebalik Face ID dan fotografi pengkomputeran. Tiada pelayan transkripsi dalam laluan itu, jadi tiada permintaan rangkaian dibuat semasa sesuatu fail ditranskripsi. Ini dakwaan yang boleh anda semak, bukan sekadar percaya: hidupkan mod pesawat sebelum anda mula.
Kenapa tiga enjin, bukan satu: Setakat ini tiada model terbuka yang terbaik dalam segala-galanya. Yang paling pantas untuk bahasa Eropah bukan yang meliputi seratus bahasa, dan kedua-duanya pula bukan yang dibina untuk bahasa Cina dan Jepun. Menghantar tiga dan membiarkan anda memilih memang kurang kemas berbanding menamakan satu model terbaik. Tetapi itulah sebabnya aplikasi ini masih bertahan di luar satu rumpun bahasa.

Spesifikasi

Model AIParakeet V3 (lalai), Whisper Large V3 Turbo (Mac) atau Whisper Small (iPhone), SenseVoice
Bahasa101 pilihan melalui Whisper, 25 bahasa Eropah melalui Parakeet V3, 6 melalui SenseVoice
Format audioMP3, WAV, M4A, FLAC, AAC, OGG, WMA
Kelajuan pemprosesanParakeet V3 kira-kira 60x masa nyata pada M5 Air kami; laluan Whisper Turbo kira-kira 11x
Had saiz failTiada had yang dikenakan oleh aplikasi
PlatformiOS 18+, macOS 11+ (dioptimumkan Apple Silicon)

Apa yang boleh ia lakukan sebenarnya?

Tiga perkara menanggung sebahagian besar penggunaan harian: memasukkan audio, mengeluarkan teks, dan kekangan yang menahan kedua-duanya pada peranti.

Import fail dan pemprosesan kelompok

Import fail audio untuk transkripsi luar talian. Aplikasi Whisper Notes memproses fail menggunakan konteks penuh untuk ketepatan yang lebih baik.

  • Import dari Files, Voice Memos, mana-mana
  • Rakam dahulu, transkripsi kemudian untuk ketepatan terbaik
  • Proses kelompok berbilang fail
  • Pemprosesan latar belakang semasa menggunakan aplikasi lain
  • Organisasi fail automatik

Pilihan eksport

Pelbagai format output dari teks hingga sari kata.

  • Teks biasa dengan pemformatan
  • Fail sari kata SRT dan VTT
  • Transkrip bersetem masa
  • Label penutur
  • Pemisahan perenggan tersuai

Perlindungan privasi

Audio anda tidak pernah meninggalkan peranti anda. Hanya pemprosesan luar talian.

  • Sifar penghantaran data — pemprosesan luar talian
  • Mematuhi HIPAA dan GDPR
  • Penyimpanan tempatan disulitkan
  • Tiada pelayan awan — berjalan sepenuhnya pada peranti anda
  • Jejak audit untuk kegunaan perusahaan

Setepat mana, dan dari mana datangnya angka itu?

Penanda aras awam, ditambah pengukuran kami sendiri pada mesin yang kami namakan

Kami tidak membuat kajian ketepatan sendiri, kerana pengeluar yang menanda kerja sendiri tidak banyak maknanya. Kadar ralat di bawah datang daripada Hugging Face Open ASR Leaderboard dan penanda aras FLEURS. Kedua-duanya awam dan diuruskan oleh orang yang tidak mendapat apa-apa daripada aplikasi ini. Angka kelajuan memang milik kami, diukur pada satu mesin yang kami namakan.

Kadar ralat perkataan mengikut model

ModelSumberKadar ralatNota
Parakeet V3 (lalai pada Mac)Open ASR LeaderboardWER Inggeris 6.32%25 bahasa Eropah; purata kesemuanya pada FLEURS ialah 12.0%
Whisper Large V3 TurboOpen ASR LeaderboardWER Inggeris 7.83%Liputan paling luas antara ketiga-tiganya: 101 pilihan bahasa
SenseVoice SmallUjian kami, M4 ProPodcast 27 minit dalam 13.83 saatDibina untuk bahasa Cina, Jepun, Korea dan Kantonis

Key Findings

  • Parakeet V3 menyalin 35 minit audio dalam 18 saat pada M4 Pro; Whisper Turbo mengambil kira-kira tiga minit untuk fail yang sama
  • Dalam bahasa Inggeris, ketiga-tiga model berbeza kurang daripada dua mata kadar ralat
  • Angka ini diukur pada pertuturan yang dibaca dan disediakan. Rakaman anda sendiri akan lebih teruk, dan mikrofon atau orang yang mencelah lebih mempengaruhi hasil daripada pilihan model

Pada audio bersih, model besar di awan masih mendahului sedikit, kerana ia berjalan pada saiz yang tidak muat pada mana-mana telefon atau komputer riba. Jurang itu ialah harga supaya audio tidak pernah meninggalkan peranti. Jika kerja anda tidak menuntut mata terakhir itu, pertukaran ini biasanya berbaloi. Jika menuntut, nasihat jujurnya ialah gunakan perkhidmatan awan.

Bagaimana ia dibandingkan dengan alternatif?

Berbanding perkhidmatan awan, alat yang sedia ada pada peranti anda, dan perisian perusahaan

Kebanyakan baris dalam jadual ini boleh anda semak sendiri dalam beberapa minit. Baris ketepatan yang perlu dibaca dengan berhati-hati, kerana keempat-empat kategori itu tidak diukur pada penanda aras yang sama.

Perbandingan ciri

CiriAplikasi Whisper NotesPerkhidmatan awanAlat terbina dalamPerisian perusahaan
Ketepatan (WER Inggeris)6.32-7.83% (Open ASR Leaderboard)Dilapor sendiri oleh vendor, kebanyakannya tiada pada papan pendahulu ituTidak diterbitkanTidak diterbitkan
Di mana audio diprosesPada peranti andaPelayan vendorBergantung pada vendorPilihan on-premise
Kos$7.99 iPhone, $14 Mac, bayar sekali$0.006-0.40/minPercuma (terhad)$500-2000/lesen
Bahasa101 pilihan50-100 bahasa10-30 bahasa20-50 bahasa
InternetTidakYaKadangkalaOn-premise: Tidak
Had panjang failTiada had yang dikenakan oleh aplikasiBiasanya 1-2 jam5-10 minitBerbeza-beza

Market Position: API awan terkini masih sedikit lebih tepat pada audio bersih, dan ia berharga $0.006 hingga $0.40 seminit dengan rakaman anda berada pada cakera orang lain. Transkripsi perusahaan on-premise mengekalkan audio di dalam rangkaian anda dan bermula sekitar $500 sekerusi. Whisper Notes menjalankan model terbuka pada perkakasan yang anda sudah miliki, $7.99 pada iPhone atau $14 pada Mac, dan untuk itu ia melepaskan sari kata langsung, penyuntingan bersama serta secebis ketepatan terakhir. Kalau salah satu daripada ketiga-tiganya ada dalam senarai anda, salah satu daripada dua pilihan lain itu ialah pembelian yang lebih baik.

Kerja jenis mana yang sesuai dengannya?

Tiga jenis kerja di mana rakaman tidak boleh ke mana-mana

Kesihatan

Profesional perubatan menggunakan Whisper Notes untuk dokumentasi pesakit, nota klinikal dan wawancara penyelidikan. Kerana audio tidak pernah sampai ke pelayan kami, tiada pemproses pihak ketiga yang perlu dilindungi oleh BAA. Sama ada keseluruhan aliran kerja memenuhi HIPAA masih bergantung pada cara peranti itu sendiri diselamatkan — dan kalau rakan sekerja perlu membuka serta mengulas nota yang sama, perkhidmatan awan dengan BAA yang ditandatangani ialah jawapan yang lebih praktikal.

Use Cases
  • Dokumentasi konsultasi pesakit
  • Nota prosedur perubatan
  • Transkripsi wawancara penyelidikan
  • Rakaman sesi telemedisin
  • Kandungan latihan klinikal
Benefits
  • Tiada dasar perkongsian data untuk dipercayai, kerana tiada apa yang dihantar
  • Kamus khas untuk istilah klinikal dan nama ubat
  • Tiada PHI meninggalkan peranti, kerana tiada laluan muat naik
  • Konsultasi 20 minit ditranskripsi jauh di bawah seminit pada Mac Apple Silicon

Undang-undang

Peguam menggunakan Whisper Notes untuk deposisi, wawancara klien dan persediaan kes. Rakaman kekal pada peranti, jadi tiada vendor yang menyimpan salinannya. Apa yang itu tidak selesaikan ialah kewajipan anda sendiri: sama ada sesuatu aliran kerja memenuhi peraturan kerahsiaan di bidang kuasa anda masih bergantung pada cara peranti, sandarannya dan eksportnya diuruskan.

Use Cases
  • Dokumentasi wawancara klien
  • Transkripsi deposisi
  • Nota penyelidikan kes
  • Rakaman prosiding undang-undang
  • Wawancara penyiasatan
Benefits
  • Kami tidak menyimpan salinan rakaman mahupun transkrip
  • Kamus khas untuk nama kes dan istilah undang-undang
  • Transkrip bersetem masa, dieksport sebagai teks, SRT, VTT atau JSON
  • $7.99 pada iPhone atau $14 pada Mac, bayar sekali, berbanding transkripsi luar yang dikira seminit

Kewartawanan

Wartawan menggunakan Whisper Notes untuk wawancara sumber dan rakaman lapangan. Tiada pelayan yang menyimpan audio itu, jadi satu-satunya salinan ada pada peranti anda sendiri — dan itu memindahkan perlindungan sumber daripada dasar penyimpanan kami, yang tidak boleh anda sahkan, kepada keselamatan peranti anda sendiri, yang boleh. Kalau meja berita perlukan beberapa orang menyunting satu transkrip semasa acara langsung, itu tugas alat awan.

Use Cases
  • Transkripsi wawancara sumber
  • Dokumentasi rakaman lapangan
  • Nota sidang akhbar
  • Arkib wawancara penyelidikan
  • Penerbitan podcast
Benefits
  • Tiada apa-apa daripada rakaman atau transkrip dihantar ke mana-mana
  • Berfungsi dengan peranti luar talian, dan itu juga caranya anda menyemak dakwaan ini
  • Tiada akaun, jadi tiada sejarah log masuk yang mengaitkan sesuatu wawancara dengan anda
  • Eksport ke teks, SRT, VTT atau JSON untuk alat yang sudah digunakan bilik berita

Sepantas mana ia, dan di mana ia tidak cukup?

Angka yang kami ukur, dan perkara yang ditolak oleh reka bentuknya

Apa yang kami ukur, dan pada apa

Kelajuan bergantung pada mesin dan pada enjin yang anda pilih, jadi satu pengganda tunggal untuk "aplikasi ini" akan mengelirukan. Ini ujian kami sendiri, masa jam dinding dari mula hingga teks akhir, pada perkakasan yang kami namakan.

Parakeet V3, enjin lalai

Rakaman mesyuarat 17.5 minit selesai dalam 16.7 saat pada M5 Air kami — kira-kira 60x masa nyata

25 bahasa Eropah; ujian kami sendiri, satu mesin

Laluan Whisper Turbo

Whisper Large V3 Turbo berjalan lebih dekat kepada 11x masa nyata pada laluan yang sama, dan itulah harga bagi 101 pilihan bahasanya

Ujian kami sendiri; Turbo ialah laluan liputan luas, bukan laluan pantas

Peranti lama dan kecil

iPhone menghabiskan sesuatu fail lebih perlahan daripada Mac Apple Silicon, dan jurang itu melebar mengikut usia cip. Fail panjang tetap selesai; ia cuma mengambil masa yang berkadaran lebih lama

iPhone 12 ke atas, atau Mac Apple Silicon

Penyimpanan

Transkrip amat kecil, kira-kira 0.1MB setiap jam audio. Model yang sebenarnya memakan ruang: Whisper Large V3 Turbo kira-kira 1.5GB, dan dua lagi lebih kecil

Parakeet V3 terbina dalam aplikasi iPhone; model lain dimuat turun di dalam aplikasi

Batasan yang diketahui

Menjalankan model pada peranti menetapkan had yang keras, dan had itu lebih mudah disemak sebelum membeli daripada selepasnya. Percubaan Mac meliputi 5,000 perkataan atas sebab itulah.

Keperluan peranti

Memerlukan iPhone 12 ke atas, atau Mac Apple Silicon. Perkakasan lebih lama tidak mempunyai prestasi Neural Engine yang menjadikan ini praktikal.

Impact: Tidak serasi dengan peranti berusia lebih 4-5 tahun

Masa pemprosesan

Masa pemprosesan berkadar dengan panjang rakaman. Tiada jalan mengelak fizik pengiraan pada peranti.

Impact: Pada kadar di atas, fail empat jam mengambil beberapa minit pada Mac dan lebih lama pada iPhone

Kebergantungan pada kualiti audio

Audio lemah atau bunyi latar yang kuat mengurangkan ketepatan, dan model tidak boleh memulihkan maklumat yang memang tiada dalam isyarat.

Impact: Kedudukan mikrofon dan percakapan bertindih menggerakkan kadar ralat lebih daripada pilihan model

Tiada sari kata langsung

Aplikasi ini mentranskripsi rakaman selepas ia selesai, bukan memberi sari kata semasa anda bercakap. Sari kata langsung pada kualiti itu memerlukan kelas model yang tidak muat pada telefon, dan memproses keseluruhan fail juga memberi model lebih banyak konteks.

Impact: Kalau anda perlukan sari kata di skrin semasa acara berjalan, ini alat yang salah

Satu bahasa setiap rakaman

Bertukar bahasa dengan pantas dalam satu rakaman mengurangkan ketepatan. Model bekerja paling baik dengan bahasa yang konsisten sepanjang rakaman.

Impact: Hasil terbaik dengan satu bahasa utama setiap fail

Kesimpulan

Aplikasi Whisper Notes menjalankan Parakeet V3 (lalai), Whisper Large V3 Turbo dan SenseVoice pada iPhone dan Mac anda sendiri. Audio kekal pada peranti — tiada muat naik awan.
Kekuatan: • Ketepatan 6.32-7.83% WER Inggeris (Open ASR Leaderboard) • Tiada laluan muat naik langsung — semak sendiri dalam mod pesawat • $7.99 sekali vs $0.006-0.40/min perkhidmatan awan • 101 pilihan bahasa melalui laluan Whisper • Tiada langganan atau kos berterusan
Sesuai untuk: • Kesihatan (pematuhan HIPAA) • Undang-undang (maklumat klien sensitif) • Perniagaan (komunikasi sulit) • Penyelidik dan wartawan (data wawancara) • Pencipta kandungan (transkripsi kos efektif)
Aplikasi Whisper Notes: $7.99 sekali vs perkhidmatan awan per minit atau perisian perusahaan $500-2000. Untuk profesional yang memerlukan privasi dan transkripsi tetap, ini menawarkan nilai baik.
Batasan: Keperluan peranti, masa pemprosesan untuk audio sangat panjang. Munasabah memandangkan pemprosesan AI pada peranti. Akan bertambah baik apabila peranti menjadi lebih pantas.
Aplikasi Whisper Notes menunjukkan transkripsi AI luar talian boleh berfungsi pada harga pengguna, tanpa audio itu perlu meninggalkan peranti.

Muat turun aplikasi Whisper Notes

Pertuturan-ke-teks luar talian untuk iPhone dan Mac. Transkripsi fokus privasi.

Aplikasi Whisper Notes di iOS dan macOS • $7.99 sekali • Tiada langganan