TL;DR
| Parakeet V3 | Comparação com o Whisper | |
|---|---|---|
| Velocidade | 10× vs Turbo; ~23× vs V3 | Referência: Turbo / Large V3 |
| Idiomas suportados | 25 | 100+ |
| Taxa de erro em inglês (WER) | 6.32% | Turbo 7.83%; V3 7.44% |
| Taxa de erro média, 25 idiomas (WER) | 12.0% | 12.6% |
| Alucinações | Praticamente nenhuma em silêncio nos nossos testes | Podem aparecer em silêncio |
| Ideal para | Inglês e idiomas europeus | Asiáticos, árabe, 100+ |
* Velocidade: o mesmo áudio de 35 minutos em Apple Silicon. WER em inglês: Open ASR Leaderboard do Hugging Face. Média de 25 idiomas: benchmark FLEURS. O comportamento em silêncio é uma observação do nosso produto, não uma garantia de zero erros.
A partir da versão 1.3.2 (Direct Download / DMG), o Whisper Notes para Mac vem com o NVIDIA Parakeet TDT 0.6B como mecanismo de voz padrão. Ele é 10x mais rápido que o Whisper Large V3 Turbo para inglês, e mais preciso. Os modelos Whisper continuam disponíveis se você precisar de outros idiomas.
Por que mudamos o padrão
O Whisper é ótimo, mas foi projetado como um modelo de propósito geral. Ele lida com mais de 100 idiomas, traduz, gera marcações de tempo — um canivete suíço. O preço disso é a velocidade. Para ditado em inglês, quando você só quer ver as palavras na tela rápido, é exagero.
Uma coisa me incomodava: ao usar o ditado em todo o sistema com a tecla Fn com o Whisper, terminar uma fala de ~1 minuto significava esperar de 3 a 5 segundos pela transcrição. Essa pausa quebra o fluxo. Você para de falar, espera, fica olhando para o cursor — isso mata a magia de digitar por voz.
O Parakeet mudou isso completamente. A velocidade é tão alta que a transcrição aparece no instante em que você para de falar. Você fala, e as palavras simplesmente estão lá. Depois de experimentar essa sensação — esse fluxo contínuo, sem nenhuma espera — fica muito difícil voltar para o Whisper.
Quão rápido é o Parakeet V3?
Números falam mais alto que palavras. Veja uma comparação do mundo real usando um arquivo de áudio de 35 minutos no mesmo Mac:
| Modelo | Áudio de 35 min |
|---|---|
| Whisper Large V3 Turbo | 3 minutos |
| Parakeet TDT 0.6B v3 | 18 segundos |
Isso é 10x mais rápido. E como o modelo é menor (600M vs 800M de parâmetros), ele também usa menos memória e menos bateria.
O que torna o Parakeet v3 tão rápido
O Whisper ouve o áudio como quem lê um livro em voz alta — palavra por palavra, frame por frame, sem pular nada. Mesmo durante o silêncio, ele continua processando, continua adivinhando o que vem a seguir. É minucioso, mas lento.
O Parakeet segue uma abordagem fundamentalmente diferente. Ele comprime o sinal de áudio 8x antes de processar, para que o modelo veja apenas o que importa. Depois, em vez de moer cada frame um a um, ele prevê não só qual palavra você disse, mas quanto tempo essa palavra dura — e pula para a frente. Silêncio? Pulado por completo. Uma vogal longa? Uma única previsão em vez de dezenas.
O resultado é um modelo que processa a fala do jeito que o seu cérebro faz — focando nas palavras, ignorando os intervalos. É por isso que ele é 10x mais rápido com menos parâmetros e maior precisão.
Benchmarks: Parakeet v3 vs Whisper
O Parakeet v3 iguala ou supera modelos de 2 a 4 vezes o seu tamanho nos benchmarks FLEURS, CoVoST e MLS
No Open ASR Leaderboard do Hugging Face, o Parakeet v3 lidera a tabela com apenas 600M de parâmetros — menos da metade do 1,55 bilhão do Whisper Large V3:
| Modelo | Parâmetros | WER médio | Velocidade (RTFx) |
|---|---|---|---|
| Parakeet TDT 0.6B v3 | 0.6B | 6.32% | 3,333x |
| Canary 1B v2 | 1.0B | 7.15% | 749x |
| Whisper Large V3 | 1.55B | 7.44% | 146x |
| Whisper Large V3 Turbo | 0.8B | 7.83% | 350x |
WER mais baixo = menos erros. RTFx mais alto = mais rápido. O Parakeet ganha nos dois. Com 600M de parâmetros, ele também é o menor modelo da lista — o que significa que roda lindamente em Apple Silicon com consumo mínimo de memória e bateria.
WER multilíngue: todos os 25 idiomas
A tabela acima cobre apenas o inglês. Aqui está o panorama completo — como os três modelos disponíveis no Whisper Notes se comparam nos 25 idiomas que o Parakeet suporta, medidos no benchmark FLEURS. WER mais baixo = menos erros de transcrição. O melhor valor entre Large V3 e Parakeet está destacado em cada linha:
| Idioma | Whisper Small | Whisper Large V3 | Parakeet V3 |
|---|---|---|---|
| Búlgaro | 37.3 | 12.9 | 12.6 |
| Croata | 33.4 | 11.1 | 12.5 |
| Tcheco | 37.6 | 11.3 | 11.0 |
| Dinamarquês | 32.8 | 12.6 | 18.4 |
| Holandês | 16.4 | 5.6 | 7.5 |
| Inglês | 6.1 | 4.3 | 4.9 |
| Estoniano | 51.3 | 19.1 | 17.7 |
| Finlandês | 24.0 | 7.7 | 13.2 |
| Francês | 15.0 | 6.3 | 5.2 |
| Alemão | 10.2 | 4.3 | 5.0 |
| Grego | 30.8 | 27.0 | 20.7 |
| Húngaro | 38.9 | 14.1 | 15.7 |
| Italiano | 9.8 | 2.3 | 3.0 |
| Letão | 53.2 | 18.3 | 22.8 |
| Lituano | 65.6 | 22.3 | 20.4 |
| Maltês | 92.2 | 68.9 | 20.5 |
| Polonês | 14.7 | 4.7 | 7.3 |
| Português | 7.3 | 3.7 | 4.8 |
| Romeno | 29.8 | 8.2 | 12.4 |
| Russo | 11.4 | 4.2 | 5.5 |
| Eslovaco | 33.3 | 8.4 | 8.8 |
| Esloveno | 49.3 | 19.9 | 24.0 |
| Espanhol | 5.6 | 3.1 | 3.5 |
| Sueco | 20.8 | 7.9 | 15.1 |
| Ucraniano | 19.3 | 6.5 | 6.8 |
| Média | 29.8 | 12.6 | 12.0 |
WER (%) no FLEURS. Dados do Whisper Small de Radford et al.; dados do Large V3 e do Parakeet V3 do artigo NVIDIA Canary-1B-v2.
O Whisper Large V3 fica à frente na maioria dos idiomas olhados um a um, mas o Parakeet V3 chega perto na média (12,0% vs 12,6%), lidera em grego, francês, estoniano e maltês, e corta a taxa média de erro do Whisper Small em cerca de 60%. A vantagem prática está na combinação: precisão multilíngue no nível do Large V3 a cerca de 23× a velocidade, uma pegada de execução menor e um tratamento de silêncio muito mais confiável nos nossos testes de ditado.
Por que ele alucina menos no silêncio
Se você já usou o Whisper para ditado, provavelmente já o viu alucinar durante o silêncio — repetindo frases, inventando palavras ou soltando um “Subtitles by Amara.org” do nada. Isso acontece porque o decodificador autorregressivo do Whisper sempre espera produzir texto, mesmo quando não há nada para transcrever.
A arquitetura de transdutor do Parakeet pode emitir saídas em branco em vez de forçar um token de texto. Nos nossos testes de ditado em todo o sistema, isso o torna bem menos propenso que o Whisper a preencher uma pausa com texto repetido ou sem relação. Ele ainda é um modelo de fala, então a afirmação correta é “menos propenso”, não “nunca”.
Idiomas que o Parakeet suporta
O Parakeet v3 suporta 25 idiomas: búlgaro, croata, tcheco, dinamarquês, holandês, inglês, estoniano, finlandês, francês, alemão, grego, húngaro, italiano, letão, lituano, maltês, polonês, português, romeno, russo, eslovaco, esloveno, espanhol, sueco e ucraniano.
Isso cobre a maior parte da Europa, mas não chinês, japonês, coreano, árabe ou hindi. Para chinês, japonês, coreano e cantonês, escolha o SenseVoice; para árabe, hindi e outros idiomas fora do conjunto do Parakeet, use o Whisper Large V3 Turbo.
Seletor de modelos: Parakeet V3 (padrão), SenseVoice Small, Whisper Small e Whisper Large V3 Turbo — todos rodando localmente
Seletor de modelos no Whisper Notes
Abra os Ajustes para alternar entre os modelos:
- Parakeet V3 (padrão) — O mais rápido, ideal para inglês e idiomas europeus
- SenseVoice Small — O mais rápido para chinês, japonês, coreano e cantonês
- Whisper Small — Leve, mais de 100 idiomas
- Whisper Large V3 Turbo — Ampla cobertura de mais de 100 idiomas
Todos os modelos rodam 100% localmente no seu Mac. Sem internet, sem nuvem, nenhum dado sai do seu dispositivo.
E o Parakeet V2?
Se você usou o V2, pode estar se perguntando como ele se compara. O V2 era um modelo só para inglês — e sua precisão em inglês é, na verdade, ligeiramente melhor que a do V3 (WER de 6,05% vs 6,32%). O V3 troca essa pequena margem pelo suporte a 25 idiomas. Os dois são significativamente mais precisos que o Whisper.
| Parakeet V2 | Parakeet V3 | Whisper Large V3 | |
|---|---|---|---|
| WER inglês | 6.05% | 6.32% | 7.44% |
| Idiomas | Apenas inglês | 25 | 100+ |
Resumindo: se você só precisa do inglês, tanto o V2 quanto o V3 são excelentes. O V3 é o padrão no Whisper Notes porque o suporte multilíngue importa para a maioria dos usuários — e a diferença de precisão em inglês é insignificante.
E o WhisperKit?
O WhisperKit é o framework open source em Swift da Argmax para rodar modelos Whisper em dispositivos Apple. É um kit para desenvolvedores, não um aplicativo para o usuário final — e ele roda o Whisper, não o Parakeet (que é a família de modelos da NVIDIA). Se você quer transcrição no dispositivo no estilo WhisperKit sem escrever Swift, o Whisper Notes empacota a mesma ideia como um aplicativo pronto: Parakeet V3, Whisper Large V3 Turbo e SenseVoice, todos rodando localmente no Mac e no iPhone.
Comparando todas as opções locais? Todos os modelos de fala para texto no dispositivo — as variantes do Whisper, o Parakeet V3, o SenseVoice e o Voxtral — estão comparados lado a lado na nossa página de comparação de modelos Whisper. Novo no Whisper? Comece pelo guia de transcrição com Whisper — o que é o modelo, todas as formas de rodá-lo e quanto custa.
Perguntas frequentes
O Parakeet V3 é melhor que o Whisper?
Para inglês e idiomas europeus, muitas vezes sim. No nosso teste de 35 minutos, o Parakeet foi 10× mais rápido que o Whisper Turbo, e o Open ASR Leaderboard registra um WER em inglês de 6,32% para o Parakeet contra 7,83% do Turbo. O Whisper ainda cobre muito mais idiomas: mais de 100 contra os 25 do Parakeet.
Quais idiomas o Parakeet V3 suporta?
O Parakeet V3 suporta 25 idiomas: búlgaro, croata, tcheco, dinamarquês, holandês, inglês, estoniano, finlandês, francês, alemão, grego, húngaro, italiano, letão, lituano, maltês, polonês, português, romeno, russo, eslovaco, esloveno, espanhol, sueco e ucraniano.
Posso rodar o Parakeet V3 no Mac?
Sim. O Whisper Notes para Mac traz o Parakeet V3 como mecanismo padrão. Ele roda 100% localmente em Apple Silicon — sem internet, sem nuvem, nenhum dado sai do seu dispositivo. Baixe o DMG de avaliação gratuita para experimentar.
O Parakeet V3 alucina como o Whisper?
Com muito menos frequência nos nossos testes com silêncio, mas nenhum modelo de fala merece um “nunca”. O Parakeet pode emitir saídas em branco durante as pausas, enquanto o decodificador autorregressivo do Whisper é mais propenso a frases repetidas ou texto sem relação quando a entrada é silêncio.
Parakeet V2 vs V3 — qual devo usar?
O Parakeet V2 é só para inglês, com precisão em inglês ligeiramente melhor (WER de 6,05% vs 6,32%). O V3 troca essa margem mínima por 25 idiomas europeus e é o padrão no Whisper Notes. A menos que você transcreva exclusivamente em inglês e persiga a última fração de ponto percentual, use o V3.
O Parakeet V3 suporta japonês, chinês ou coreano?
Não — seus 25 idiomas são todos europeus. Para chinês, japonês, coreano ou cantonês, o Whisper Notes inclui o SenseVoice (52x mais rápido que o Whisper para CJK) e os modelos Whisper. Todos funcionam offline tanto no Mac quanto no iPhone.
Qual é o tamanho do Parakeet V3?
600 milhões de parâmetros — um download de 465 MB que usa cerca de 800 MB de memória enquanto transcreve na nossa versão para Mac. O Whisper Large V3 Turbo é um download de cerca de 1,6 GB e usa aproximadamente 1,6 GB de memória no mesmo aplicativo.
Experimente
O Parakeet v3 já está disponível na versão para Mac — basta baixar o DMG mais recente. Atualização: o Parakeet agora também está disponível na versão mais recente para iOS.
Perguntas ou sugestões? Escreva para support@whispernotes.app.
Baixar para iOS