W Whisper Notes jest sześć modeli mowy, które działają offline:
- Parakeet (wbudowany)
- Whisper Large V3 Turbo
- Whisper Small
- Qwen3-ASR 1.7B (Mac)
- SenseVoice Small
- Apple Speech (Mac, macOS 26 lub nowszy)
Który z nich jest najdokładniejszy, zależy od tego, w jakim języku mówisz.
Który model jest najdokładniejszy?
Wszystkie modele przetestowaliśmy na tym samym MacBooku Air (M5). Podajemy współczynnik błędów (im niższy, tym lepiej), a najlepszy wynik w każdym wierszu zaznaczyliśmy na zielono:
| Język | Parakeet | Whisper Large V3 Turbo | Whisper Small | Qwen3-ASR 1.7B1 | SenseVoice Small | Apple Speech1 |
|---|---|---|---|---|---|---|
| Angielski | 5,89 % | 5,49 % | 7,04 % | 4,49 % | 8,46 % | 8,80 % |
| Niemiecki | 5,19 % | 4,05 % | 8,67 % | 2,85 % | — | 6,26 % |
| Niderlandzki | 7,89 % | 5,69 % | 16,75 % | 7,36 % | — | — |
| Japoński | — | 5,30 % | 11,37 % | 5,74 % | 6,78 % | 6,36 % |
| Polski | 6,59 % | 5,45 % | 15,81 % | 12,59 % | — | — |
| Rosyjski | 6,17 % | 5,13 % | 11,37 % | 5,65 % | — | — |
| Francuski | 5,19 % | 5,97 % | 13,24 % | 4,57 % | — | 7,61 % |
| Hiszpański | 3,95 % | 3,62 % | 6,22 % | 3,38 % | — | 5,41 % |
| Koreański | — | 4,25 % | 7,30 % | 3,54 % | 7,85 % | 4,31 % |
| Ukraiński | 5,11 % | 6,33 % | 17,48 % | — | — | — |
| Chiński | — | 7,97 % | 20,50 % | 6,49 % | 7,69 % | 7,97 % |
| Kantoński | — | —2 | —2 | 6,44 % | —2 | 8,69 % |
| Włoski | 2,62 % | 2,58 % | 7,64 % | 2,58 % | — | 4,39 % |
| Portugalski | 5,81 % | 5,44 % | 8,61 % | 5,17 % | — | 9,35 % |
| Szwedzki | 13,30 % | 8,78 % | 21,66 % | 19,80 % | — | — |
| Turecki | — | 5,95 % | 14,24 % | 8,81 % | — | — |
| Czeski | 11,03 % | 11,94 % | 38,71 % | 24,59 % | — | — |
| Norweski | — | 8,99 % | 24,50 % | — | — | — |
| Fiński | 10,44 % | 7,11 % | 25,91 % | 27,71 % | — | — |
| Arabski | — | 15,72 % | 32,81 % | 14,32 % | — | — |
| Słowacki | 8,79 % | 9,59 % | 32,43 % | — | — | — |
| Duński | 15,92 % | 13,63 % | 34,14 % | 22,24 % | — | — |
| Hindi | — | 29,64 % | 61,26 % | 13,19 % | — | —3 |
| Tajski | — | 13,40 % | 23,52 % | 6,53 % | — | — |
| Indonezyjski | — | 6,31 % | 16,31 % | 4,91 % | — | — |
| Węgierski | 13,74 % | 14,59 % | 40,65 % | 36,63 % | — | — |
| Wietnamski | — | 8,10 % | 18,12 % | 4,91 % | — | — |
| Malajski | — | 9,22 % | 19,72 % | 10,62 % | — | — |
| Grecki | 34,00 % | 13,94 % | 31,64 % | 30,22 % | — | — |
| Rumuński | 9,68 % | 8,36 % | 29,45 % | 20,20 % | — | — |
| Filipiński | — | 9,72 % | 25,60 % | 23,31 % | — | — |
| Bułgarski | 12,44 % | 14,54 % | 39,68 % | — | — | — |
| Słoweński | 20,32 % | 19,15 % | 48,54 % | — | — | — |
| Estoński | 15,56 % | 19,08 % | 50,84 % | — | — | — |
| Chorwacki | 12,49 % | 11,49 % | 33,76 % | — | — | — |
| Litewski | 17,97 % | 23,28 % | 67,23 % | — | — | — |
| Maltański | 19,38 % | 74,35 % | 95,68 % | — | — | — |
| Islandzki | — | 19,75 % | 73,96 % | — | — | — |
| Kataloński | — | 5,80 % | 15,51 % | — | — | — |
| Galicyjski | — | 12,23 % | 31,09 % | — | — | — |
| Macedoński | — | 17,46 % | 37,11 % | 18,57 % | — | — |
| Bośniacki | — | 14,85 % | 39,60 % | — | — | — |
Dla chińskiego, japońskiego, koreańskiego, kantońskiego i tajskiego podajemy współczynnik błędów znaków, dla pozostałych języków – współczynnik błędów słów. Brakuje Twojego języka? Zajrzyj na stronę Obsługiwane języki.
1 Tylko na Macu. Na razie w aplikacji na Maca z naszej strony; nad wersją z Mac App Store wciąż pracujemy. 2 Wyników SenseVoice Small i Whispera dla kantońskiego na razie nie podajemy: nie mamy jeszcze pewności, czy ten test ocenia je uczciwie. 3 Apple Speech zapisał cały tekst w hindi literami łacińskimi, więc wyniku nie da się policzyć.
Który jest najszybszy? Ile trwa transkrypcja godzinnego nagrania?
| Model | Szybkość (× czasu rzeczywistego) | Godzina nagrania | Do pobrania | Pamięć |
|---|---|---|---|---|
| SenseVoice Small | 115–131× | ok. 30 s | ok. 450 MB | ok. 700 MB |
| Parakeet | 75,8× | ok. 50 s | Wbudowany (ok. 630 MB) | ok. 800 MB |
| Apple Speech | 19,7× | ok. 3 min | Zarządza nim macOS | — |
| Qwen3-ASR 1.7B | 7,6× | ok. 8 min | ok. 2,5 GB | ok. 2,6 GB |
| Whisper Small | 6,5× | ok. 9 min | ok. 400 MB | ok. 1 GB |
| Whisper Large V3 Turbo | 2,7× | ok. 22 min | ok. 2 GB | ok. 2,4 GB |
Szybkość, rozmiar pobierania i pamięć podajemy za kartami modeli w aplikacji na Maca. Szybkość uwzględnia tylko czas pracy modelu; czasy dla godzinnego nagrania wyliczyliśmy na tej podstawie.
Najdokładniejsze modele bywają najwolniejsze, a im dłuższe nagranie, tym bardziej to odczujesz.
Których modeli mogę używać na iPhonie i Macu?
| Model | iPhone | Mac |
|---|---|---|
| Parakeet | Tak, wbudowany | Tak, wbudowany |
| Whisper Large V3 Turbo | Nie | Tak |
| Whisper Small | Tak | Tak |
| Qwen3-ASR 1.7B | Nie | Tak (Beta)1 |
| SenseVoice Small | Tak | Tak |
| Apple Speech | Nie | Tak (macOS 26 lub nowszy)1 |
Zielony oznacza, że model jest dostępny, a żółty – że nie. 1 Na razie w aplikacji na Maca z naszej strony; nad wersją z Mac App Store wciąż pracujemy.
Chcemy, żeby na iPhonie było więcej modeli. Użytkownicy najczęściej proszą o Whisper Large V3, ale ten model działa tylko na kilku najnowszych iPhone’ach, i to zarówno w pełnej, jak i w skompresowanej wersji; na większości telefonów się nie uruchomi. Tak samo jest z Qwen3-ASR 1.7B. Cały czas testujemy nowe modele i mniejsze wersje tych, które już mamy. Ostatnio zmieniliśmy domyślny model z Parakeet V3 na Parakeet Ultra, który w 25 językach popełnia o około 24 % mniej błędów. Szczegóły: Parakeet Ultra vs Parakeet V3.
Jak zmienić model?
Na Macu otwórz Ustawienia i w sekcji Model transkrypcji kliknij kartę modelu, żeby go pobrać albo się na niego przełączyć. Link Obsługiwane języki na każdej karcie pokazuje współczynnik błędów tego modelu dla każdego języka.
Ustawienia → Model transkrypcji w aplikacji na Maca
Jak testowaliśmy?
Do testów użyliśmy nagrań czytanego tekstu ze zbioru FLEURS: 83 zestawy językowe, 12 090 zdań, wszystkie modele na tym samym MacBooku Air (M5). Nasze wyniki Whispera są bardzo zbliżone do tych, które publikuje OpenAI. To czyste nagrania czytanego tekstu; w nagraniach ze spotkań i w szumie błędów będzie więcej.
Najczęściej zadawane pytania
Który model Whisper jest najlepszy?
Whisper Large V3 Turbo. W każdym języku z tabeli jest dokładniejszy od Whisper Small (na przykład dla angielskiego 5,49 % wobec 7,04 %), ale działa znacznie wolniej, a w aplikacji na iPhone’a jest tylko Whisper Small.
Jaki model jest najlepszy do japońskiego?
Whisper Large V3 Turbo ze współczynnikiem błędów znaków 5,30 %, a tuż za nim Qwen3-ASR 1.7B z wynikiem 5,74 %. Na iPhonie wybierz SenseVoice Small (6,78 %).
Jaki model jest najlepszy do chińskiego (mandaryńskiego)?
Qwen3-ASR 1.7B na Macu, ze współczynnikiem błędów znaków 6,49 %. Drugi jest SenseVoice Small (7,69 %), który działa też na iPhonie.
Który model Parakeet jest najlepszy?
Parakeet Ultra. W 25 językach popełnia o około 24 % mniej błędów niż Parakeet V3 (10,63 % wobec 13,99 %) i jest wbudowany w aplikację na iPhone’a (od wersji 1.8.9) oraz w aplikację na Maca z naszej strony (od wersji 1.6.4).
Pobierz na iOS
Szczegółowe porównania