Начиная с macOS 26 и iOS 26 Apple выпускает новое поколение распознавания речи на устройстве — SpeechAnalyzer и SpeechTranscriber, далее для краткости Apple Speech. Оно заметно точнее старого движка диктовки. Мы хотели выяснить, как на практике оно выглядит на фоне открытых моделей, которые люди скачивают на устройство, — Whisper, Parakeet, Qwen3-ASR и SenseVoice: достаточно ли теперь хорошо работает встроенное распознавание речи Apple, чтобы можно было полностью обойтись без приложения для транскрипции?
Насколько он лучше уже знакомой тебе диктовки?
До сих пор за распознавание речи на Mac отвечал движок эпохи SFSpeechRecognizer — тот самый, который и сегодня использует системная диктовка (DictationTranscriber). В macOS 26 и iOS 26 появились API SpeechAnalyzer и его модуль SpeechTranscriber. Мы запустили оба движка на тестовой части FLEURS — примерно 150 предложений и 30 минут на каждый язык — на одном и том же Mac.
| Язык | Диктовка Apple | Apple Speech |
|---|---|---|
| Корейский | 7,11 | 4,31 |
| Итальянский | 6,93 | 4,39 |
| Испанский (Латинская Америка) | 8,43 | 5,41 |
| Немецкий | 12,69 | 6,26 |
| Японский | 9,37 | 6,36 |
| Французский | 17,10 | 7,61 |
| Китайский | 10,28 | 7,97 |
| Кантонский | 10,18 | 8,69 |
| Английский | 13,83 | 8,80 |
| Португальский (Бразилия) | 10,85 | 9,35 |
Все языки, которые оба движка Apple измерили без искажений, в порядке возрастания частоты ошибок Apple Speech; зелёным отмечено лучшее значение в строке. Тот же прогон, те же фрагменты, тот же Mac. CER для японского, корейского, китайского и кантонского, WER для остальных.
Apple Speech точнее на всех десяти языках, которые оба движка измерили без искажений. Во французском и немецком число ошибок сократилось больше чем наполовину, для медианного языка — примерно на треть, а в бразильском португальском и кантонском — примерно на одну ошибку из семи.
Диктовка по-прежнему охватывает больше языков. В этом запуске Apple Speech вернул результаты для 21 из 83 языковых конфигураций, а диктовка — для 33, включая три языка, которых здесь нет у нового движка: нидерландский, польский и русский с результатами 17,34, 13,50 и 13,13. Единого постоянного списка тоже нет. Языковые ресурсы принадлежат macOS, поэтому во время работы приложение спрашивает систему, что доступно на конкретном Mac.
Можно ли тогда обойтись без скачиваемых моделей?
Шесть движков, те же записи, один Mac. Ниже приведены десять из наиболее используемых языков в фиксированном порядке, который никак не связан с результатами.
| Язык | Apple Speech | Qwen3-ASR | Whisper Large | Whisper Small | Parakeet | SenseVoice |
|---|---|---|---|---|---|---|
| Английский | 8,80 | 4,49 | 5,49 | 7,04 | 6,89 | 8,46 |
| Немецкий | 6,26 | 2,85 | 4,05 | 8,67 | 6,26 | — |
| Нидерландский | — | 7,36 | 5,69 | 16,75 | 8,58 | — |
| Русский | — | 5,65 | 5,13 | 11,37 | 7,12 | — |
| Польский | — | 12,59 | 5,45 | 15,81 | 8,30 | — |
| Японский | 6,36 | 5,74 | 5,30 | 11,37 | — | 6,78 |
| Корейский | 4,31 | 3,54 | 4,25 | 7,30 | — | 7,85 |
| Французский | 7,61 | 4,57 | 5,97 | 13,24 | 5,83 | — |
| Китайский | 7,97 | 6,49 | 7,97 | 20,50 | — | 7,69 |
| Испанский (Латинская Америка) | 5,41 | 3,38 | 3,62 | 6,22 | 4,86 | — |
Десять из наиболее используемых языков, по одному движку в каждом столбце. В каждой ячейке указана частота ошибок движка: чем меньше, тем лучше; зелёным отмечено наименьшее значение в строке, белым — второе. CER для японского, корейского и китайского, WER для остальных; мы никогда не объединяем их в одно число. Наш собственный прогон FLEURS, выполненный командой Whisper Notes, на одном M5 MacBook Air, начитанная речь.
Короткие названия: Qwen3-ASR = Qwen3-ASR 1.7B, Whisper Large = Whisper Large V3 Turbo, Parakeet = Parakeet V3, SenseVoice = SenseVoice Small. Прочерк означает, что у движка нет модели для этого языка.
Qwen3-ASR 1.7B показывает самую низкую частоту ошибок на шести из десяти языков, Whisper Large V3 Turbo — на остальных четырёх, а Apple Speech — ни на одном. Ближе всего он к лидеру в корейском, где отстаёт на 0,77 пункта, затем в японском на 1,06 и китайском на 1,48; в китайском он сравнялся с Whisper Large V3 Turbo на отметке 7,97. Самый большой разрыв — в английском: 8,80 (Apple Speech) против 4,49 (Qwen3-ASR 1.7B). Для нидерландского, польского и русского результата Apple Speech нет вовсе.
По сравнению с Whisper Small Apple Speech оказался точнее на восьми из десяти языков, которые оба движка измерили без искажений. Он уступил на двух: английском — 8,80 (Apple Speech) против 7,04 (Whisper Small) — и бразильском португальском — 9,35 против 8,61.
Бенчмарк, опубликованный в июле, сравнивал Apple Speech с Whisper Small на английском и показал преимущество Apple. Важно и то, какая версия Whisper участвует в сравнении, и то, какие записи используются. В том тесте был LibriSpeech — дикторы аудиокниг, читающие вслух; у нас FLEURS — множество разных людей, читающих предложения из Википедии. Наш запуск показывает разрыв в английском, но не позволяет назвать его причину.
В сравнении с Whisper Large V3 Turbo порядок меняется. Apple Speech уступает на восьми из этих десяти языков, делит результат 7,97 в китайском и опережает Turbo только в кантонском: 8,69 (Apple Speech) против 36,75 (Whisper Large V3 Turbo) — смотри строку кантонского ниже. В примечаниях к выпуску Turbo OpenAI называет кантонский одним из языков, на которых модель ухудшилась сильнее всего, поэтому 36,75 — известная слабость Whisper, а не особенность нашего запуска.
В корейском Apple Speech ошибается примерно в одном символе из 23. Самая точная модель в этом запуске, Qwen3-ASR 1.7B, ошибается примерно в одном из 28: 4,31 (Apple Speech) против 3,54 (Qwen3-ASR 1.7B).
Для Parakeet V3 нужно скачать 465 МБ, и он точнее на каждом европейском языке, который поддерживают оба движка: в английском 6,89 (Parakeet V3) против 8,80 (Apple Speech), во французском 5,83 против 7,61, в испанском 4,86 против 5,41, в итальянском 3,43 против 4,39 и в бразильском португальском 6,49 против 9,35. В немецком у них одинаковый результат 6,26. Parakeet не поддерживает японский, корейский, китайский и кантонский — среди этой пары там доступен только Apple Speech.
Среди шести строк, в которых лидирует Qwen3-ASR 1.7B, есть английский, немецкий, французский и испанский.
SenseVoice Small здесь самый быстрый — 162,3× реального времени. В китайском и английском его результаты близки к Apple Speech: 7,69 (SenseVoice Small) против 7,97 (Apple Speech) и 8,46 против 8,80. В корейском он далеко позади: 7,85 (SenseVoice Small) против 4,31 (Apple Speech).
Размер и скорость
| Движок | Скорость | Пиковая память | Загрузка |
|---|---|---|---|
| SenseVoice Small | 162,3× реального времени | 0,95 ГиБ | 827 МБ |
| Parakeet V3 | 75,6× реального времени | 0,09 ГиБ | 465 МБ |
| Apple Speech | 30,8× реального времени | не указано | <5 МБ |
| Qwen3-ASR 1.7B | 11,1× реального времени | 2,43 ГиБ | около 2,5 ГБ |
| Whisper Small | 7,9× реального времени | 0,87 ГиБ | 600 МБ |
| Whisper Large V3 Turbo | 3,0× реального времени | 1,87 ГиБ | около 1,6 ГБ |
Скорость — медиана каждого движка по тринадцати языкам, которые эта статья измеряет без искажений, с учётом только выполненных им прогонов: пропускная способность обработки отдельных элементов, диагностический показатель, а не задержка продукта. Пиковая память — максимум для группы процессов в этом прогоне. Apple Speech декодирует в службе macOS, которой вызывающее приложение не владеет, поэтому указанное там число не было бы сопоставимо с остальными пятью.
Apple Speech работал со скоростью 30,8× реального времени, уступая Parakeet V3 с 75,6× и SenseVoice Small со 162,3×. Его языковой пакет macOS скачивает один раз, и он общий для всех приложений, поэтому в собственном процессе приложения под него ничего не выделяется. Служба декодирования всё равно использует память, но точно отнести это потребление к ней мы не можем, поэтому вместо нуля не указываем никакого значения.
Whisper Large V3 Turbo здесь самый медленный — 3,0× реального времени — и показывает самую низкую частоту ошибок в четырёх из десяти строк, занимая на диске около 1,6 ГБ. Qwen3-ASR 1.7B выигрывает остальные шесть, занимает около 2,5 ГБ на диске, а пиковое потребление памяти составляет 2,43 ГиБ. Whisper Small размером 600 МБ — справедливое сравнение для встроенного движка.
Для каких языков хорошо подходит Apple Speech?
По языкам:
- Английский: не лучший выбор. Apple Speech показал 8,80; Qwen3-ASR 1.7B (4,49) или Whisper Large V3 Turbo (5,49) явно точнее.
- Немецкий: не лучший выбор. Apple Speech показал 6,26; Qwen3-ASR 1.7B (2,85) или Whisper Large V3 Turbo (4,05) явно точнее.
- Нидерландский, русский и польский: у Apple Speech нет модели для этих трёх языков. Whisper Large V3 Turbo оказался самым точным для каждого: 5,69, 5,13 и 5,45.
- Японский: можно использовать. Apple Speech показал 6,36, уступив Whisper Large V3 Turbo с результатом 5,30.
- Корейский: можно использовать. Apple Speech показал 4,31, уступив Qwen3-ASR 1.7B с результатом 3,54.
- Французский: не лучший выбор. Apple Speech показал 7,61; Qwen3-ASR 1.7B (4,57) или Parakeet V3 (5,83) явно точнее.
- Китайский: можно использовать. Apple Speech показал 7,97, столько же, сколько Whisper Large V3 Turbo; самым точным оказался Qwen3-ASR 1.7B с результатом 6,49.
- Испанский: не лучший выбор. Apple Speech показал 5,41; Qwen3-ASR 1.7B (3,38) или Whisper Large V3 Turbo (3,62) явно точнее.
Скачиваемые модели по-прежнему выигрывают по точности: каждую строку основной таблицы возглавляет Qwen3-ASR 1.7B или Whisper Large V3 Turbo. Apple Speech — реальный вариант для корейского, японского и китайского; для европейских языков стоит выбрать Parakeet V3.
В Whisper Notes для Mac Parakeet V3 по-прежнему используется по умолчанию. В приложении для Mac, скачанном с нашего сайта, Apple Speech доступен как дополнительная модель на macOS 26 и новее, а язык появляется в приложении только тогда, когда macOS сообщает, что твой Mac его поддерживает.
Apple Speech — принятое в этой статье короткое название SpeechTranscriber от Apple, API на устройстве, который любое приложение для Mac может вызывать в macOS 26 и новее. Это системный движок, а не модель, которую ты скачиваешь: Whisper Notes для Mac может использовать его в версии с нашего сайта, с языковым пакетом от macOS. Модели, которые приложение скачивает само, — это по-прежнему Whisper, Parakeet V3, SenseVoice и Qwen3-ASR в этой версии и Whisper, Parakeet V3 и SenseVoice на iPhone и в версии из Mac App Store. Таблица по движкам — наш список языков, которые поддерживают Whisper, Parakeet V3 и SenseVoice.
За пределами этих десяти языков
| Язык | Apple Speech | Qwen3-ASR | Whisper Large | Whisper Small | Parakeet | SenseVoice |
|---|---|---|---|---|---|---|
| Итальянский | 4,39 | 2,58 | 2,58 | 7,64 | 3,43 | — |
| Кантонский | 8,69 | 6,44 | 36,75 | 119,01 | — | 37,23 |
| Португальский (Бразилия) | 9,35 | 5,17 | 5,44 | 8,61 | 6,49 | — |
| Хинди | 101,50 | 13,19 | 29,64 | 61,26 | — | — |
Ещё четыре языка из того же запуска. Те же столбцы, цвета и короткие названия, что и выше; CER для кантонского, WER для остальных.
Результат Apple Speech для хинди не участвует в рейтинге этой строки по описанной ниже причине. Частота ошибок может превысить 100 %, поскольку вставки тоже учитываются в числителе.
Результат 4,39 (Apple Speech) ставит итальянский позади ничьей 2,58 между Qwen3-ASR 1.7B и Whisper Large V3 Turbo. Кантонский — единственный язык, где Apple Speech опередил Whisper Large V3 Turbo: 8,69 (Apple Speech) против 36,75 (Whisper Large V3 Turbo); первым стал Qwen3-ASR 1.7B с 6,44. В бразильском португальском 9,35 (Apple Speech) — это одна из двух строк, где впереди Whisper Small с 8,61.
С хинди получился результат другого рода. Apple Speech записал речь на хинди английскими буквами, а не знаками, которыми обычно пишут на хинди, поэтому почти каждое слово считается ошибочным и показатель превышает 100 %. Так же выглядели результаты для телугу, урду, панджаби, бенгальского, непальского, малаялам, маратхи, каннада, гуджарати и тамильского — все выше 100 %, поэтому в таблицу они не вошли.
Как работает SpeechAnalyzer
SpeechAnalyzer заменяет API распознавания речи, который Apple предлагает со времён iOS 10, на всех платформах Apple, кроме watchOS. Приложение создаёт SpeechAnalyzer, добавляет модули и передаёт ему звук как асинхронную последовательность, которую заполняет само; SpeechTranscriber — модуль, превращающий речь в текст. Результаты возвращаются второй последовательностью, обычно в другой задаче, а у каждого буфера и каждого результата есть временная метка относительно собственной шкалы времени аудио.
Один сеанс, три задачи: звук поступает как AsyncSequence, SpeechAnalyzer и SpeechTranscriber анализируют его, а результаты возвращаются второй AsyncSequence, которую читает интерфейс. Источник: Apple, сессия 277 на WWDC25.
Результаты приходят дважды. Всё внутри диапазона, который Apple называет изменяемым, ещё может быть заменено более точным результатом; всё за его пределами окончательно. Так приложение показывает черновую расшифровку, пока ты ещё говоришь, а затем исправляет её. Apple заявляет пять целей проектирования модели SpeechTranscriber: длинные аудиозаписи, разговорная речь, удалённые говорящие, низкая задержка и конфиденциальность, то есть работа на устройстве. На ней построены Заметки, Диктофон, Дневник и сводки звонков.
Пять заявленных Apple целей проектирования модели SpeechTranscriber. Источник: Apple, сессия 277 на WWDC25.
Модели не входят ни в одно приложение. Система скачивает их с серверов Apple через AssetInventory, хранит, обновляет и использует совместно между приложениями. Они не увеличивают размер загрузки приложения, а декодирование выполняется вне вызывающего процесса. Если у SpeechTranscriber нет модели для языка или устройства, работу принимает DictationTranscriber с теми же моделями, что и системная диктовка.
Методика и ограничения
Пять из шести движков в этих таблицах — модели, которые скачивает Whisper Notes. Каждый движок расшифровывал те же записи, в том же порядке, по одной за раз, на одном M5 MacBook Air (32 ГБ, macOS 27.0). Аудио взято из тестовой части Google FLEURS в ревизии 70bb2e84 — примерно 150 предложений и 30 минут на язык. Постоянный хеш собственных идентификаторов элементов набора задаёт их порядок; мы берём самую короткую последовательность целых элементов, которая превышает тридцать минут. Результаты моделей никак не влияли на этот выбор. Каждую ячейку заново собрали по её собственному протоколу и ещё раз проверили; все 285 прошли проверку. Результаты выражены как частота ошибок в словах там, где слова разделены пробелами, и как частота ошибок в символах для японского, корейского, китайского и кантонского; мы никогда не объединяем их в одно число.
Столбцы Whisper можно сверить с собственными результатами OpenAI. Для двенадцати языков, по которым OpenAI публикует результат FLEURS для Whisper Large V3 Turbo, наши значения отличаются в среднем на 0,7 пункта, а десять из двенадцати попадают в 95-процентный интервал нашего запуска; для одиннадцати языков вне строк индийских языков результаты Whisper Small отличаются в среднем на 1,0 пункта от таблицы по отдельным языкам в статье о Whisper. Колонка Apple Speech получена на тех же записях, с той же оценкой и той же нормализацией.
FLEURS — это чистая начитанная речь. Эти результаты ничего не говорят о поведении движков в шумной комнате или на двухчасовой встрече; различия в таких условиях мы не измеряли. Все тесты выполнены на одном компьютере. При примерно 150 предложениях на язык движки с разницей меньше примерно одного пункта следует считать равными; точные ничьи уже отмечены в таблицах, как в итальянском, где Qwen3-ASR 1.7B и Whisper Large V3 Turbo получили по 2,58.
Часто задаваемые вопросы
Apple Speech или Whisper Small: что точнее?
Apple Speech — на восьми из десяти языков, которые оба движка измерили без искажений. Он уступает в английском: 8,80 (Apple Speech) против 7,04 (Whisper Small), и в бразильском португальском: 9,35 против 8,61. Самый большой отрыв у него в китайском: 7,97 (Apple Speech) против 20,50 (Whisper Small); во французском 7,61 против 13,24; в японском 6,36 против 11,37; в кантонском 8,69 против 119,01. Whisper Small — это загрузка 600 МБ, и он работал со скоростью 7,9× реального времени против 30,8× у Apple Speech.
Apple Speech или Parakeet V3: что точнее?
Parakeet V3 — на каждом европейском языке, который поддерживают оба движка: в английском 6,89 (Parakeet V3) против 8,80 (Apple Speech), во французском 5,83 против 7,61, в испанском 4,86 против 5,41, в итальянском 3,43 против 4,39 и в бразильском португальском 6,49 против 9,35; в немецком у них одинаковый результат 6,26. Parakeet V3 не поддерживает японский, корейский, китайский и кантонский — среди этой пары там доступен только Apple Speech. Для Parakeet V3 нужно скачать 465 МБ, и он работал со скоростью 75,6× реального времени, а Apple Speech — 30,8×.
Apple Speech или Whisper Large V3 Turbo: что точнее?
Whisper Large V3 Turbo — на восьми из десяти языков, которые оба движка измерили без искажений: в английском 5,49 (Whisper Large V3 Turbo) против 8,80 (Apple Speech), в немецком 4,05 против 6,26, в японском 5,30 против 6,36, в корейском 4,25 против 4,31, во французском 5,97 против 7,61, в испанском 3,62 против 5,41, в итальянском 2,58 против 4,39, в бразильском португальском 5,44 против 9,35. В китайском у них одинаковый результат 7,97; Apple Speech опережает только в кантонском: 8,69 (Apple Speech) против 36,75 (Whisper Large V3 Turbo). Turbo охватывает ещё нидерландский, русский и польский — 5,69, 5,13 и 5,45. Он занимает около 1,6 ГБ и здесь самый медленный движок — 3,0× реального времени.
Какие языки поддерживает Apple Speech?
В нашем запуске Apple Speech вернул результаты в 21 из 83 конфигураций: английский, немецкий, французский, испанский, итальянский, португальский (Бразилия), японский, корейский, китайский, кантонский и одиннадцать языков Южной Азии — хинди, телугу, урду, панджаби, бенгальский, непальский, малаялам, маратхи, каннада, гуджарати и тамильский, — на которых он отвечал английскими буквами, а не знаками, которыми обычно пишут на этих языках. Нидерландского, польского и русского нет; список определяет macOS для каждого компьютера. Ближе всего он к лидерам в корейском, японском и китайском — отставание 0,77, 1,06 и 1,48, — а дальше всего в английском: 8,80 (Apple Speech) против 4,49 (Qwen3-ASR 1.7B). На всех десяти языках, которые измерили оба, он точнее старой диктовки. Whisper в Whisper Notes охватывает весь список языков приложения на каждом канале.
Что такое SpeechAnalyzer и то же ли это, что диктовка Apple?
SpeechAnalyzer — API, который Apple представила на WWDC 2025 и выпустила в macOS 26 и iOS 26. SpeechTranscriber — движок транскрипции внутри него, который в этой статье мы называем Apple Speech; диктовка — более старый движок совместимости. Мы запустили оба, и Apple Speech оказался точнее на всех десяти языках, для которых оба вернули корректные результаты. Диктовка охватывает больше языков — 33 конфигурации против 21, включая нидерландский, польский и русский с 17,34 %, 13,50 % и 13,13 % WER (диктовка) против 5,69 %, 5,45 % и 5,13 % (Whisper Large V3 Turbo).
Покидает ли аудио мой Mac при использовании Apple Speech?
Apple описывает SpeechTranscriber как распознавание речи на устройстве: macOS один раз скачивает языковые ресурсы, после чего распознавание работает локально. Мы измеряли точность и скорость, а не сетевое поведение, поэтому эту часть передаём по описанию Apple. Движки, которые скачивает сам Whisper Notes, — Whisper, Parakeet V3, SenseVoice и Qwen3-ASR — работают на GPU или Neural Engine твоего Mac без учётной записи и API key, а транскрипция доступна без сети на каждом канале. Apple Speech доступен в приложении для Mac с нашего сайта на macOS 26 и новее: это системный движок на твоём Mac, языковой пакет для которого скачивает macOS.
Почему эти цифры не совпадают с точностью на моих записях?
Потому что FLEURS — это короткая, чистая, начитанная речь, а твои записи — нет. Наш запуск — это калибровка на открытом наборе данных: примерно 150 предложений и 30 минут на язык, один M5 MacBook Air и одинаковые записи для каждого движка. Он показывает, подходит ли движок для твоего языка, но не то, какой результат ты получишь на встрече, в шумном аудио или в двухчасовом файле.
Попробуй
Все пять загружаемых моделей здесь — Whisper Small, Whisper Large V3 Turbo, Parakeet V3, SenseVoice Small и Qwen3-ASR 1.7B — доступны в Whisper Notes для Mac, скачанном с нашего сайта, по пути Настройки → Модель транскрипции. На macOS 26 и новее Apple Speech появляется в том же списке; если приложение уже установлено, обнови его до последней версии.
Если наши цифры не совпадают с твоим опытом для какого-либо языка, напиши на mac@whispernotes.app. Полные примечания к выпускам: whispernotes.app/changelog.
Источники: наш прогон на тестовом сплите Google FLEURS ревизии 70bb2e84, документация Apple по SpeechAnalyzer и предыдущий прогон Qwen3-ASR на тридцати языках.
Скачать для macOS