22 września 2026 roku Moondream udostępnił Parakeet Ultra — dotrenowaną wersję NVIDIA Parakeet TDT 0.6B v3 o tej samej architekturze i tych samych 600 milionach parametrów. Według karty modelu Moondream średni współczynnik błędów słów na FLEURS w 25 językach spada z 11,62 % do 9,55 %, czyli błędów jest o około 17,8 % mniej. Chcieliśmy sprawdzić: o ile Parakeet Ultra jest dokładniejszy od Parakeet V3 w praktyce, język po języku?
Wcześniej mierzyliśmy już Parakeet V3, Whisper, Qwen3-ASR i SenseVoice na stałym zestawie zdań FLEURS w naszym porównaniu Apple SpeechAnalyzer i Whisper; w porównaniu Qwen3-ASR i Whisper ten sam zestaw posłużył do testu 30 języków. Tym razem uruchomiliśmy na nim Parakeet Ultra. Liczby są nasze, zmierzone w Whisper Notes na jednym Macu, i podajemy je bez upiększeń.
O ile dokładniejszy jest Parakeet Ultra?
Uruchomiliśmy oba modele na zbiorze testowym FLEURS: 25 języków obsługiwanych przez Parakeet, 3 976 czytanych zdań, 12,55 godziny nagrań. Każde zdanie zostało przetranskrybowane tak, jak Whisper Notes faktycznie uruchamia ten model.
| Język | Parakeet V3 | Parakeet Ultra |
|---|---|---|
| Angielski | 6,89 % | 5,89 % |
| Niemiecki | 4,69 % | 3,72 % |
| Niderlandzki | 7,59 % | 6,91 % |
| Hiszpański (Ameryka Łacińska) | 4,73 % | 3,77 % |
| Francuski | 5,66 % | 4,95 % |
| Polski | 8,02 % | 6,34 % |
| Rosyjski | 6,99 % | 5,72 % |
| Ukraiński | 6,59 % | 5,11 % |
| Fiński | 13,72 % | 10,03 % |
| Włoski | 3,33 % | 2,48 % |
| Portugalski (Brazylia) | 6,37 % | 5,69 % |
| Szwedzki | 16,18 % | 13,12 % |
| Czeski | 13,70 % | 10,85 % |
| Litewski | 24,50 % | 18,00 % |
| Łotewski | 30,25 % | 20,70 % |
| Grecki | 36,10 % | 20,96 % |
| Estoński | 20,12 % | 15,40 % |
| Słowacki | 11,84 % | 8,58 % |
| Rumuński | 13,74 % | 9,54 % |
| Duński | 19,22 % | 15,68 % |
| Węgierski | 18,78 % | 13,63 % |
| Bułgarski | 14,05 % | 12,28 % |
| Chorwacki | 13,37 % | 12,49 % |
| Słoweński | 23,82 % | 18,49 % |
| Maltański | 24,46 % | 19,19 % |
| Wszystkie 25 języków | 13,99 % | 10,63 % |
Współczynnik błędów słów, im niższy, tym lepiej. Na zielono: Parakeet Ultra jest dokładniejszy, a różnica wykracza poza 95-procentowy przedział. Chorwacki: brak wyraźnej różnicy. Nasz własny pomiar w Whisper Notes na Macu z Apple M5.
Łącznie dla 25 języków współczynnik błędów słów spadł z 13,99 % do 10,63 %, czyli błędów jest o około 24 % mniej: wcześniej błędne było mniej więcej co siódme słowo, teraz co dziewiąte. Parakeet Ultra był dokładniejszy w 24 językach i w żadnym nie wypadł gorzej.
Które języki zyskały najwięcej?
Współczynnik błędów słów w poszczególnych językach, Parakeet V3 na szaro, Parakeet Ultra na zielono, uporządkowane według spadku w punktach procentowych. Źródło: nasz własny pomiar w Whisper Notes, zbiór testowy FLEURS.
Największe zyski pojawiły się tam, gdzie Parakeet V3 był najsłabszy: łotewski spadł z 30,25 % do 20,70 %, litewski z 24,50 % do 18,00 %, słoweński z 23,82 % do 18,49 %, a maltański z 24,46 % do 19,19 %. W Whisper Notes najbardziej spadł grecki, z 36,10 % do 20,96 %, i nadal ma najwyższy wynik spośród 25. Najpopularniejsze języki zaczynały z niższego poziomu i zyskały mniej: od 0,68 do 1,27 punktu procentowego w angielskim, niemieckim, hiszpańskim, francuskim, włoskim, portugalskim, niderlandzkim i rosyjskim, przy czym w każdym z nich różnica nadal wykracza poza słupki błędu.
Czy Parakeet Ultra jest wolniejszy?
| Parakeet V3 | Parakeet Ultra | |
|---|---|---|
| Szybkość przetwarzania | 74,5× czasu rzeczywistego | 74,0× czasu rzeczywistego |
| Ładowanie modelu, mediana | 0,10 s | 0,10 s |
200 fragmentów FLEURS, pierwsze osiem z każdego języka, 37,2 minuty nagrań. Każdy fragment przeszedł przez oba modele jeden po drugim, na zmianę w kolejności. Tylko czas przetwarzania przez silnik, bez uruchamiania procesu i ładowania modelu; to nie jest pełne opóźnienie w aplikacji. Mac z Apple M5, macOS 27.0.
Nie znaleźliśmy mierzalnej różnicy. Parakeet Ultra działał z szybkością 74,0× czasu rzeczywistego, a Parakeet V3 74,5×, co daje stosunek szybkości 0,99 z 95-procentowym przedziałem od 0,94 do 1,06. W tym tempie godzina nagrania zajmuje na tym Macu około 49 sekund w każdym z modeli.
Oba modele mają tę samą architekturę i liczbę parametrów, a różnią się tylko wagami, więc taka sama szybkość jest zgodna z oczekiwaniami. Parakeet Ultra jest dokładniejszy przy tej samej szybkości.
Czy przewaga utrzymuje się przy szumie w tle?
FLEURS to czysta mowa, dlatego szum sprawdziliśmy w osobnym teście. Do czytanych zdań z LibriSpeech oraz z niemieckiej i hiszpańskiej części FLEURS dodaliśmy szum tła z korpusu MUSAN przy stosunku sygnału do szumu 10, 5 i 0 dB: dziewięć warunków, 1 320 zdań, uruchomionych na Macu z tym samym modelem Core ML, którego używa Whisper Notes.
| Warunek | Parakeet V3 | Parakeet Ultra | Zmiana |
|---|---|---|---|
| LibriSpeech test-other, 10 dB | 4,72 % | 3,87 % | −18 % |
| LibriSpeech test-other, 5 dB | 5,71 % | 4,86 % | −15 % |
| LibriSpeech test-other, 0 dB | 9,91 % | 8,75 % | −12 % |
| FLEURS (niemiecki), 10 dB | 9,80 % | 8,04 % | −18 % |
| FLEURS (niemiecki), 5 dB | 13,86 % | 10,55 % | −24 % |
| FLEURS (niemiecki), 0 dB | 24,21 % | 17,88 % | −26 % |
| FLEURS (hiszpański), 10 dB | 11,17 % | 5,46 % | −51 % |
| FLEURS (hiszpański), 5 dB | 11,90 % | 5,77 % | −51 % |
| FLEURS (hiszpański), 0 dB | 13,43 % | 6,96 % | −48 % |
| Średnia z dziewięciu | 11,63 % | 8,02 % | −31 % |
Osobny test z szumem, a nie powyższy przebieg FLEURS: współczynnik błędów słów w procentach, 200 zdań z LibriSpeech lub 120 z FLEURS na warunek. Tych współczynników błędów nie można porównywać z tabelą FLEURS; przenosi się tylko względna zmiana.
Średnio w dziewięciu warunkach Parakeet Ultra popełniał o około 31 % mniej błędów niż Parakeet V3 i był dokładniejszy we wszystkich dziewięciu, z przewagą większą niż słupki błędu. W niemieckim zysk rośnie wraz z szumem, a w hiszpańskim błędów było mniej więcej o połowę mniej na każdym poziomie.
Wskazanie języka pogarsza wyniki Parakeet
Wielu użytkowników Whisper Notes pytało, dlaczego Parakeet nie ma ustawienia języka. Parakeet można poinformować, jakiego języka ma się spodziewać, ale w Whisper Notes obniżało to jego dokładność, w obu wersjach. Zmierzyliśmy to, uruchamiając każde zdanie dwa razy: raz z automatycznym wykrywaniem języka i raz ze wskazanym językiem.
| Język | Ultra, język wskazany | Ultra, wykrywanie | V3, język wskazany | V3, wykrywanie |
|---|---|---|---|---|
| Niemiecki | 5,19 | 3,72 | 6,26 | 4,69 |
| Niderlandzki | 7,89 | 6,91 | 8,58 | 7,59 |
| Słoweński | 20,32 | 18,49 | 25,51 | 23,82 |
| Grecki | 34,00 | 20,96 | 36,49 | 36,10 |
| Wszystkie 25 języków | 11,59 | 10,63 | 14,30 | 13,99 |
Współczynnik błędów słów w procentach. Na zielono zaznaczono niższą wartość w każdej parze kolumn danego modelu. W przypadku Parakeet Ultra każda pokazana różnica wykracza poza 95-procentowy przedział, a 18 z 25 języków wypadło dokładniej z automatycznym wykrywaniem, żaden gorzej; dla Parakeet V3 nie obliczaliśmy przedziałów.
Przypuszczamy, że wskazanie języka nie pomaga Parakeet lepiej słyszeć. Usuwa jedynie z transkrypcji słowa, które nie wyglądają na dany język, a nazwy własne i zapożyczenia często są usuwane przez pomyłkę. Dlatego Parakeet w Whisper Notes zawsze sam wykrywa język; w Whisper, SenseVoice i Qwen3-ASR możesz go wybrać, a w SenseVoice wybór języka daje nieco niższy współczynnik błędów.
Do jakich języków nadaje się Parakeet Ultra?
- Łotewski, litewski, słoweński, maltański, węgierski, estoński i grecki zyskują najwięcej, od 4,72 do 15,14 punktu procentowego.
- Angielski, niemiecki, hiszpański, francuski, włoski, portugalski i niderlandzki miały już niskie współczynniki błędów i zyskują od 0,68 do 1,01 punktu procentowego. Chorwacki nie wykazał wyraźnej różnicy.
- Ukraiński, czeski, estoński, węgierski, litewski i słowacki: w naszych testach FLEURS Parakeet Ultra ma teraz niższy współczynnik błędów niż Whisper Large V3 Turbo.
- Języki spoza tych 25, takie jak chiński, japoński, koreański, arabski i hindi: do chińskiego, kantońskiego, japońskiego i koreańskiego używaj SenseVoice Small, a do pozostałych języków z naszej listy języków — Whisper: Whisper Large V3 Turbo na Macu i Whisper Small na iPhonie.
Czym jest Parakeet Ultra?
| Twórca | Moondream |
| Model bazowy | NVIDIA Parakeet TDT 0.6B v3 |
| Premiera | 22 września 2026 |
| Rozmiar | 0,6 mld parametrów, ta sama architektura i ten sam tokenizer co w modelu bazowym; około 600 MB w aplikacji na Maca |
| Języki | Te same 25 języków europejskich co w Parakeet V3 |
| Dane treningowe | Nieopublikowane |
| Licencja | CC BY 4.0; strona modelu: moondream/parakeet-ultra |
| Gdzie działa | Na Twoim urządzeniu, offline, na Apple Neural Engine, jako konwersja Core ML od Fluid Inference |
| W Whisper Notes | Wbudowany, bez osobnego pobierania: w aplikacji na Maca pobranej z naszej strony od wersji 1.6.4, w aplikacji na iPhone’a od wersji 1.8.9. W ustawieniach widnieje jako „Parakeet” na Macu i „Parakeet V3” na iPhonie. |
Porównaliśmy przekonwertowane wagi z wydaniem Moondream tensor po tensorze; zgadzają się w granicach precyzji konwersji. Moondream, NVIDIA ani Fluid Inference nie rekomendują oficjalnie Whisper Notes.
Jak testowaliśmy
Wszystkie liczby zmierzyliśmy od początku do końca w Whisper Notes, więc oryginalny model uruchomiony w innym środowisku może dać inne wyniki. Użyliśmy zbioru testowego Google FLEURS: 25 języków, 3 976 zdań, z tymi samymi zdaniami i tą samą punktacją co w naszych wcześniejszych testach. Współczynnik błędów słów liczymy łącznie dla wszystkich słów w danym języku, 95-procentowe przedziały wynikają z ponownego losowania zdań, a wszystko działało na Macu z Apple M5. Przy wskazanym języku wniosek jest ten sam (z 14,30 % do 11,59 %), a na osobnej próbce FLEURS zmierzyliśmy ten sam spadek o 17,8 %, który podaje karta modelu Moondream.
FLEURS to czysta, czytana mowa we fragmentach krótszych niż 30 sekund, więc spotkania, nagrania z daleka, silne akcenty i długie nagrania nie są tu uwzględnione; iPhone korzysta z tego samego modelu i nie był testowany osobno.
Najczęściej zadawane pytania
Parakeet Ultra czy Parakeet V3: który jest dokładniejszy?
Parakeet Ultra. W 25 językach FLEURS w Whisper Notes jego współczynnik błędów słów wyniósł 10,63 % (Parakeet Ultra) wobec 13,99 % (Parakeet V3), czyli o około 24 % mniej błędów; był dokładniejszy w 24 językach i w żadnym nie wypadł gorzej. Największe zyski to grecki, z 36,10 % do 20,96 %, i łotewski, z 30,25 % do 20,70 %.
Czy Parakeet Ultra jest wolniejszy od Parakeet V3?
Nie. Na Macu z Apple M5 działał z szybkością 74,0× czasu rzeczywistego wobec 74,5× dla Parakeet V3, co daje stosunek szybkości 0,99 z 95-procentowym przedziałem od 0,94 do 1,06. To około 49 sekund na godzinę nagrania w każdym z modeli.
Jakie języki obsługuje Parakeet Ultra?
Te same 25 języków europejskich co Parakeet V3: bułgarski, chorwacki, czeski, duński, niderlandzki, angielski, estoński, fiński, francuski, niemiecki, grecki, węgierski, włoski, łotewski, litewski, maltański, polski, portugalski, rumuński, rosyjski, słowacki, słoweński, hiszpański, szwedzki i ukraiński. Do chińskiego, kantońskiego, japońskiego i koreańskiego Whisper Notes oferuje SenseVoice Small, a do pozostałych języków Whisper.
Jak korzystać z Parakeet Ultra?
To wbudowany model Parakeet w Whisper Notes: w aplikacji na Maca pobranej z naszej strony od wersji 1.6.4 i w aplikacji na iPhone’a od wersji 1.8.9. Nie trzeba niczego pobierać osobno, a transkrypcja działa offline na Twoim urządzeniu.
Wypróbuj
Parakeet Ultra jest już wbudowany w Whisper Notes. Przyciski poniżej prowadzą do aplikacji na iPhone’a w App Store i do aplikacji na Maca na naszej stronie. Masz pytania? Napisz na support@whispernotes.app.
Pobierz na iOS