We wilden één vraag beantwoorden: is er een lokaal model dat jouw taal nauwkeuriger transcribeert dan Whisper Large V3? Daarom hebben we deze modellen getest op de dataset FLEURS.
FLEURS is een dataset van Google met voorgelezen spraak in 102 talen. We hebben per taal ongeveer 75 zinnen genomen en dezelfde fragmenten, in dezelfde volgorde, door vijf modellen gehaald:
- Parakeet V3
- Whisper Large V3 Turbo
- SenseVoice Small
- Whisper Small
- Qwen3-ASR 1.7B
Zo zien de resultaten eruit.
Qwen3-ASR 1.7B tegenover Whisper Large V3 Turbo — onze eigen FLEURS-run, één M5 MacBook Air, voorgelezen spraak, korte fragmenten.
| Qwen3-ASR 1.7B | Whisper Large V3 Turbo | |
|---|---|---|
| Ondersteunde talen | 30 | 101 |
| Duidelijke voorsprong | Kantonees, Hindi, Thai, Vietnamees, Frans (5) | Fins, Hongaars, Grieks en 8 andere talen (11) |
| Snelheid | 8,7× realtime | 2,4× realtime |
| Piekgeheugen | 2,43 GiB | 1,87 GiB |
| Download | ongeveer 2,5 GB | ongeveer 1,6 GB |
Buiten de sterke talen van elk model is het verschil in nauwkeurigheid klein.
Whisper Large V3 vs. Qwen3-ASR: de nauwkeurigheid per taal
Alle 30 talen, gesorteerd van Qwens grootste voorsprong naar zijn grootste achterstand. In beide kolommen geldt: lager is beter.
Onze eigen FLEURS-run, één M5 MacBook Air, voorgelezen spraak. CER voor Chinees, Kantonees, Japans, Koreaans en Thai, WER voor de rest; groen markeert een voorsprong die groter is dan de gepaarde 95%-foutmarges.
| Taal | Qwen3-ASR 1.7B | Whisper Large V3 Turbo |
|---|---|---|
| Kantonees | 6,00 | 37,97 |
| Hindi | 13,67 | 30,42 |
| Thai | 5,92 | 12,95 |
| Vietnamees | 5,07 | 9,79 |
| Perzisch | 26,98 | 30,03 |
| Arabisch | 14,14 | 15,75 |
| Indonesisch | 4,97 | 6,50 |
| Frans | 3,98 | 5,39 |
| Chinees | 5,69 | 6,88 |
| Engels | 5,07 | 5,92 |
| Duits | 3,51 | 4,10 |
| Japans | 5,39 | 5,71 |
| Koreaans | 3,51 | 3,70 |
| Spaans | 3,60 | 3,76 |
| Italiaans | 2,98 | 3,05 |
| Russisch | 5,98 | 5,51 |
| Portugees | 5,64 | 4,91 |
| Macedonisch | 17,81 | 16,64 |
| Maleis | 11,60 | 10,18 |
| Nederlands | 7,65 | 5,63 |
| Turks | 8,34 | 5,53 |
| Deens | 20,12 | 14,92 |
| Pools | 12,78 | 5,32 |
| Roemeens | 18,97 | 8,22 |
| Filipijns | 20,44 | 9,37 |
| Zweeds | 20,04 | 8,72 |
| Tsjechisch | 23,92 | 11,15 |
| Grieks | 30,20 | 12,97 |
| Fins | 26,08 | 6,54 |
| Hongaars | 36,35 | 13,66 |
Onze eigen gepaarde run op de FLEURS-testsplit, revisie 70bb2e84, ongeveer 75 zinnen per taal, één M5 MacBook Air.
De vijf die Qwen3-ASR 1.7B duidelijk wint. Foutpercentage, Qwen tegenover Turbo: Kantonees (6,0 tegen 38,0), Hindi (13,7 tegen 30,4), Thai (5,9 tegen 13,0), Vietnamees (5,1 tegen 9,8), Frans (4,0 tegen 5,4). Kantonees en Thai worden per teken gescoord, de rest per woord. De voorsprong zit bij de talen die per teken worden gescoord: over Chinees, Kantonees, Japans, Koreaans en Thai kwam Qwen gemiddeld uit op 5,3% tegen 13,4% voor Turbo. Over de andere vijfentwintig, per woord gescoord, is het 14,0% tegen 10,2%.
De elf die Whisper Large V3 Turbo duidelijk wint. Foutpercentage, Qwen tegenover Turbo, alles per woord gescoord: Hongaars (36,4 tegen 13,7), Grieks (30,2 tegen 13,0), Fins (26,1 tegen 6,5), Tsjechisch (23,9 tegen 11,2), Filipijns (20,4 tegen 9,4), Deens (20,1 tegen 14,9), Zweeds (20,0 tegen 8,7), Roemeens (19,0 tegen 8,2), Pools (12,8 tegen 5,3), Turks (8,3 tegen 5,5), Nederlands (7,7 tegen 5,6).
De veertien die dicht bij elkaar of gelijk liggen. Engels (5,1 tegen 5,9), Duits (3,5 tegen 4,1), Spaans (3,6 tegen 3,8), Italiaans (3,0 tegen 3,1), Russisch (6,0 tegen 5,5), Portugees (5,6 tegen 4,9); Chinees (5,7 tegen 6,9), Japans (5,4 tegen 5,7) en Koreaans (3,5 tegen 3,7) worden per teken gescoord. Daarnaast Arabisch, Indonesisch, Perzisch, Maleis en Macedonisch. Elk verschil hier is klein en valt binnen de 95%-band. Deze run kan de twee modellen dus niet uit elkaar houden.
Kantonees is de ene rij die een keuze verandert: 6,00% tegen 37,97%. En SenseVoice Small, dat we tot nu toe als het antwoord voor Kantonees hadden gepubliceerd, kwam op dezelfde fragmenten uit op 36,71% CER. Op deze set voorgelezen spraak voldoet geen van beide, dus de oudere aanbeveling krijgt vanaf nu dat voorbehoud mee.
Hoe snel is Qwen3-ASR 1.7B?
Alle vijf de engines, gemeten in dezelfde testopstelling op één machine (M5 MacBook Air). Onderling zijn de cijfers daarmee in elk geval vergelijkbaar.
Mediane realtimefactor over de talen van elke engine in dezelfde FLEURS-run, één M5 MacBook Air, voorgelezen spraak.
| Engine | Talen | Mediane snelheid in deze run (korte fragmenten) |
|---|---|---|
| SenseVoice Small | 6 talen | 161,0× |
| Parakeet TDT 0.6B v3 | 25 | 82,9× |
| Qwen3-ASR 1.7B | 30 genoemd | 8,7× |
| Whisper Small | 101 | 6,4× |
| Whisper Large V3 Turbo | 101 | 2,4× |
Dit zijn cijfers uit een testopstelling met korte fragmenten en ze liggen lager dan wat dezelfde engines op een lange opname halen. Gebruik deze kolom om de engines binnen deze ene run met elkaar te vergelijken, en verder nergens voor.
Parakeet V3 en SenseVoice Small zijn in dezelfde testopstelling ongeveer een orde van grootte sneller dan Qwen3-ASR. Op lange bestanden in plaats van korte fragmenten haalde Parakeet 103× realtime op een M4 Pro en SenseVoice 52× of meer — een andere meting op andere audio, die dezelfde kant op wijst.
Qwen3-ASR zit ertussenin. Het was in deze run met korte fragmenten niet de traagste engine, dat was Whisper Large V3 Turbo. Het varieert wel sterker per taal dan de andere: van 2,7× bij Grieks tot 12,4× bij Japans.
Wat kost Qwen3-ASR aan geheugen en schijfruimte?
Het piekgeheugen is het hoogste procesgebruik dat we in dezelfde FLEURS-run over de afzonderlijke metingen hebben gezien, één M5 MacBook Air, voorgelezen spraak, korte fragmenten.
| Engine | Download | Piekgeheugen in deze run |
|---|---|---|
| Parakeet TDT 0.6B v3 | 465 MB | 0,09 GiB |
| Whisper Small | 600 MB | 0,87 GiB |
| SenseVoice Small | 827 MB | 0,95 GiB |
| Whisper Large V3 Turbo | ongeveer 1,6 GB | 1,87 GiB |
| Qwen3-ASR 1.7B | ongeveer 2,5 GB | 2,43 GiB |
Op beide assen is Qwen3-ASR de zwaarste van de vijf: ongeveer 2,5 GB aan download en 2,43 GiB piekgeheugen in deze run, tegenover ongeveer 1,6 GB en 1,87 GiB voor Whisper Large V3 Turbo.
Op een Mac met 8 GB is er een lichtere optie. Parakeet V3 dekt 25 talen in 465 MB en 0,09 GiB, en Whisper Small dekt er 101 in 600 MB en 0,87 GiB.
Hoe we hebben gemeten: FLEURS, 30 talen, één Mac
Qwen3-ASR 1.7B draaide als MLX-build op 8 bit, Whisper Large V3 Turbo als ggml-build van whisper.cpp op Metal. De data is de testsplit van Google FLEURS op revisie 70bb2e84 (CC-BY-4.0): 83 van de 102 talen, per taal ongeveer 75 zinnen en 15 minuten, voor elk model dezelfde fragmenten in dezelfde volgorde; de gepaarde vergelijking betreft de 30 talen van Qwen. WER voor talen die woorden met spaties scheiden, CER voor Chinees, Kantonees, Japans, Koreaans en Thai, nooit samengevoegd tot één getal. De foutmarges komen uit een bootstrap met 10.000 trekkingen op itemniveau. Eén M5 MacBook Air, 32 GB, macOS 26.5, bij geen van beide modellen lege uitvoer of mislukte fragmenten.
FLEURS is voorgelezen spraak, geen vergadering en geen dictaat. Ranglijsten op voorgelezen spraak hebben echte audio in onze eigen tests al twee keer niet overleefd, dus trekken we ze niet door naar lange opnamen: deze tabellen zeggen of een model plausibel is voor jouw taal, niet welke nauwkeurigheid je krijgt. De evaluatie van Qwen3-ASR 1.7B op echte vergaderingen wordt een aparte post.
Moet je Qwen3-ASR gebruiken in plaats van Whisper Large V3?
Per taal zouden we dat binnen Whisper Notes voor Mac zo beantwoorden.
- Transcribeer je Kantonees, Hindi, Thai, Vietnamees of Frans: kies Qwen3-ASR 1.7B.
- Transcribeer je Chinees, Japans, Koreaans, Engels, Duits, Spaans of Italiaans: de voorsprong is flinterdun, en meer beweren we ook niet. Beide modellen voldoen, net als voor Perzisch, Arabisch, Indonesisch, Russisch, Portugees, Macedonisch en Maleis.
- Transcribeer je Fins, Hongaars, Grieks, Tsjechisch, Zweeds, Deens, Pools, Roemeens, Filipijns, Turks of Nederlands: blijf bij Whisper Large V3 Turbo. Alle elf won het duidelijk.
- Gaat het je om snelheid of schijfruimte: dan niet deze engine. Parakeet V3 en SenseVoice Small waren een orde van grootte sneller, bij een fractie van de download, en Whisper Small dekt 101 talen in 600 MB op 6,4×.
- Werk je op de iPhone of met de versie uit de Mac App Store: daar zit de engine nog niet in. Voor Kantonees is SenseVoice op die kanalen de keuze.
Dit is de port van Alibaba's open Qwen3-ASR naar het apparaat zelf, zoals Whisper Notes voor Mac die meelevert: de open gewichten, omgezet naar Apple MLX op 8 bit, draaiend op de GPU van je eigen Mac, zonder dat er audio naar de servers van Alibaba gaat. Het is niet hetzelfde model als de 0.6B die SenseVoice in versie 1.5.0 (Direct Download / DMG) verving.
Zo gebruik je het (directe Mac-download, DMG 1.6.0 en later): Instellingen, dan Transcriptiemodel, dan Qwen3-ASR 1.7B. Het model wordt bij het eerste gebruik in de app gedownload en is ongeveer 2,5 GB. Het vereist macOS 15 of later op Apple Silicon, met 16 GB geheugen aanbevolen; de rest van de app draait op macOS 14. Welke taal bij welke engine hoort, staat op onze pagina over taalondersteuning. De lokale CLI en de MCP-server accepteren „qwen”, „qwen3” en „qwen3-asr”.
Wil je liever niet wisselen, dan hoeft er niets te veranderen: Parakeet V3 blijft de standaard.
Veelgestelde vragen
Is Qwen3-ASR nauwkeuriger dan Whisper Large V3 Turbo?
Dat hangt van de taal af, en de stand is bijna gelijk. In onze eigen FLEURS-run binnen Whisper Notes voor Mac stond Qwen3-ASR 1.7B voor in 15 van de 30 talen die beide modellen dekken, en Whisper Large V3 Turbo in 15. Qwen liep duidelijk voor bij Kantonees (6,00% tegen 37,97% CER), Hindi (13,67% tegen 30,42% WER), Thai, Vietnamees en Frans. Turbo liep duidelijk voor bij Fins (6,54% tegen 26,08% WER), Hongaars, Grieks, Tsjechisch, Zweeds, Deens, Pools, Roemeens, Filipijns, Turks en Nederlands. Veertien van de dertig verschillen vallen binnen de foutmarges en moeten als gelijkspel worden gelezen. Kies Qwen3-ASR als jouw taal in zijn winnende kolom staat en je de directe Mac-download (DMG) van Whisper Notes gebruikt; kies Whisper Large V3 Turbo voor al het andere en voor elke taal buiten de 30 van Qwen, want Whisper dekt alle 101 talen.
Kan ik Qwen3-ASR op de iPhone of vanuit de Mac App Store gebruiken?
Op dit moment zit het in de directe Mac-download (DMG) van Whisper Notes, vanaf versie 1.6.0. De versie uit de Mac App Store zou de nieuwere engines in latere releases moeten krijgen, en een datum hebben we daar niet voor. Tot die tijd hebben de iPhone-app en de Mac App Store-versie drie enginefamilies — Whisper, Parakeet V3 en SenseVoice — en elke taal die Qwen herkent, dekt Whisper daar ook. Geteld in modellen biedt de Mac App Store-versie er vandaag vier en de directe download vijf, omdat Whisper er zowel in Small- als in Large V3 Turbo-vorm is. Heb je Kantonees nodig op de iPhone, dan is SenseVoice daar de engine.
Qwen3-ASR of SenseVoice voor Chinees, Japans en Koreaans?
Op nauwkeurigheid liggen ze dicht bij elkaar, op snelheid ver uit elkaar. In onze FLEURS-run kwam Qwen3-ASR uit op 5,69% CER voor Chinees, 5,39% voor Japans en 3,51% voor Koreaans; SenseVoice Small op dezelfde fragmenten op 7,06%, 6,85% en 7,82%. SenseVoice draaide in die run op een mediaan van 161× realtime tegenover 8,7× voor Qwen, downloadt 827 MB in plaats van ongeveer 2,5 GB, en is beschikbaar op de iPhone en in beide Mac-versies. Kies SenseVoice, tenzij je Kantonees transcribeert: daar kwam Qwen3-ASR uit op 6,00% CER tegenover 36,71% voor SenseVoice, en dat verschil is het wachten waard.
Wat zijn de systeemeisen voor Qwen3-ASR 1.7B?
Een Mac met Apple Silicon op macOS 15 of later, met 16 GB geheugen aanbevolen, plus ongeveer 2,5 GB schijfruimte voor het model. Dat ligt hoger dan de rest van Whisper Notes voor Mac, dat op macOS 14 en later draait. In onze benchmarkrun piekte het model op 2,43 GiB procesgeheugen, het hoogste van de vijf engines. Op een Mac met 8 GB dekt Whisper Small dezelfde lijst van 101 talen in 600 MB, en dekt Parakeet V3 25 Europese talen in 465 MB.
Verlaat de audio mijn Mac als ik Qwen3-ASR gebruik?
Nee. Alibaba biedt Qwen3-ASR ook aan als clouddienst, via de DashScope-API's voor realtime en bestandstranscriptie, en daar wordt audio naar hun servers geüpload. Whisper Notes gebruikt die diensten niet. De app draait de open gewichten lokaal als MLX-model op 8 bit op de GPU van je Mac, zonder account en zonder API-sleutel, en transcriberen werkt ook met het netwerk uit. Dat geldt voor elke enginefamilie in de app, op elk kanaal.
Waarom komen deze cijfers niet overeen met de nauwkeurigheid die ik op mijn opnamen haal?
Omdat FLEURS uit korte, schone, voorgelezen spraak bestaat en jouw opnamen dat niet zijn. Onze run is een ijking op een openbare dataset: ongeveer 75 zinnen per taal, één M5 MacBook Air, voor elk model dezelfde fragmenten. Hij is bruikbaar om te bepalen of een model plausibel is voor een taal. Hij voorspelt niet je nauwkeurigheid op een vergadering, op audio met veel achtergrondgeluid, bij een accent of in een bestand van twee uur.
Probeer het
Qwen3-ASR 1.7B zit in Whisper Notes voor Mac vanaf 1.6.0, alleen in de directe download (DMG). Instellingen, dan Transcriptiemodel. De gratis proefperiode dekt 10.000 woorden, genoeg om je eigen taal er doorheen te halen en het oneens te zijn met de tabellen hierboven.
Vind je een taal waar onze cijfers niet kloppen met jouw ervaring, mail dan naar mac@whispernotes.app. De volledige release notes: whispernotes.app/changelog.
De bronnen voor alles hierboven: onze FLEURS-run op de testsplit van Google FLEURS op revisie 70bb2e84, de modelkaart van Qwen3-ASR 1.7B en de taaltabel per engine op onze pagina over taalondersteuning, die uit de broncode van de app wordt gegenereerd.
Download voor macOS