TL;DR
| Parakeet V3 | Сравнение с Whisper | |
|---|---|---|
| Скорость | 10× против Turbo; ~23× против V3 | База: Turbo / Large V3 |
| Поддерживаемые языки | 25 | 100+ |
| Ошибки англ. (WER) | 6.32% | Turbo 7.83%; V3 7.44% |
| Ср. ошибки 25 языков (WER) | 12.0% | 12.6% |
| Галлюцинации | В наших тестах на тишине почти не встречаются | Возможны на тишине |
| Лучше для | Английский и европейские | Азиатские, арабский, 100+ |
* Скорость: одно и то же 35-минутное аудио на Apple Silicon. Англ. WER: Hugging Face Open ASR Leaderboard. Ср. по 25 языкам: бенчмарк FLEURS. Поведение на тишине — наше наблюдение в продукте, а не гарантия нуля ошибок.
Начиная с версии 1.3.2 (Direct Download / DMG), Whisper Notes для Mac использует NVIDIA Parakeet TDT 0.6B как движок распознавания речи по умолчанию. Он в 10 раз быстрее Whisper Large V3 Turbo для английского языка и при этом точнее. Модели Whisper по-прежнему доступны, если тебе нужны другие языки.
Почему мы сменили модель по умолчанию
Whisper — отличная модель, но она задумывалась как универсальный инструмент. Поддерживает 100+ языков, умеет переводить, расставлять таймстемпы — настоящий швейцарский нож. Расплата за это — скорость. Для диктовки на английском, когда тебе просто нужны слова на экране как можно быстрее, это перебор.
Вот что меня раздражало: при использовании системной диктовки через Fn с Whisper после минутного фрагмента приходилось ждать 3–5 секунд, пока появится текст. Эта пауза сбивает весь ритм. Перестаёшь говорить, ждёшь, смотришь на курсор — и вся магия голосового набора пропадает.
Parakeet всё изменил. Скорость настолько высокая, что текст появляется в тот момент, когда ты перестаёшь говорить. Говоришь — и слова просто уже там. Когда испытаешь это ощущение — мгновенный отклик без задержек — вернуться на Whisper уже очень сложно.
Насколько быстр Parakeet V3?
Цифры говорят сами за себя. Вот реальное сравнение на 35-минутном аудиофайле на одном и том же Mac:
| Модель | 35 мин аудио |
|---|---|
| Whisper Large V3 Turbo | 3 минуты |
| Parakeet TDT 0.6B v3 | 18 секунд |
В 10 раз быстрее. А поскольку модель меньше (600M против 800M параметров), она ещё и потребляет меньше памяти и батареи.
Почему Parakeet v3 такой быстрый
Whisper обрабатывает аудио так же, как ты бы читал книгу вслух — слово за словом, фрейм за фреймом, никогда не забегая вперёд. Даже во время тишины он продолжает обрабатывать и угадывать, что будет дальше. Это тщательно, но медленно.
Parakeet использует принципиально другой подход. Он сжимает аудиосигнал в 8 раз перед обработкой, так что модель видит только то, что важно. Дальше, вместо того чтобы перемалывать каждый отдельный фрейм, она предсказывает не только какое слово ты сказал, но и сколько оно длится — и перескакивает вперёд. Тишина? Пропускается целиком. Длинная гласная? Одно предсказание вместо десятков.
В итоге получается модель, которая обрабатывает речь так же, как твой мозг — фокусируется на словах, игнорирует паузы. Поэтому она в 10 раз быстрее при меньшем количестве параметров и более высокой точности.
Бенчмарки: Parakeet v3 против Whisper
Parakeet v3 не уступает или превосходит модели в 2-4 раза крупнее на бенчмарках FLEURS, CoVoST и MLS
На Hugging Face Open ASR Leaderboard Parakeet v3 возглавляет рейтинг с всего 600M параметрами — это меньше половины от 1.55B у Whisper Large V3:
| Модель | Параметры | Средний WER | Скорость (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 |
Ниже WER = меньше ошибок. Выше RTFx = быстрее. Parakeet побеждает по обоим показателям. С 600M параметрами это ещё и самая компактная модель в списке — а значит, отлично работает на Apple Silicon с минимальным расходом памяти и батареи.
Многоязычный WER: все 25 языков
Таблица выше охватывает только английский. Вот полная картина — как три модели, доступные в Whisper Notes, сравниваются на всех 25 языках, которые поддерживает Parakeet, на бенчмарке FLEURS. Ниже WER = меньше ошибок транскрипции. Лучшее значение между Large V3 и Parakeet выделено в каждой строке:
| Язык | Whisper Small | Whisper Large V3 | Parakeet V3 |
|---|---|---|---|
| Болгарский | 37.3 | 12.9 | 12.6 |
| Хорватский | 33.4 | 11.1 | 12.5 |
| Чешский | 37.6 | 11.3 | 11.0 |
| Датский | 32.8 | 12.6 | 18.4 |
| Нидерландский | 16.4 | 5.6 | 7.5 |
| Английский | 6.1 | 4.3 | 4.9 |
| Эстонский | 51.3 | 19.1 | 17.7 |
| Финский | 24.0 | 7.7 | 13.2 |
| Французский | 15.0 | 6.3 | 5.2 |
| Немецкий | 10.2 | 4.3 | 5.0 |
| Греческий | 30.8 | 27.0 | 20.7 |
| Венгерский | 38.9 | 14.1 | 15.7 |
| Итальянский | 9.8 | 2.3 | 3.0 |
| Латышский | 53.2 | 18.3 | 22.8 |
| Литовский | 65.6 | 22.3 | 20.4 |
| Мальтийский | 92.2 | 68.9 | 20.5 |
| Польский | 14.7 | 4.7 | 7.3 |
| Португальский | 7.3 | 3.7 | 4.8 |
| Румынский | 29.8 | 8.2 | 12.4 |
| Русский | 11.4 | 4.2 | 5.5 |
| Словацкий | 33.3 | 8.4 | 8.8 |
| Словенский | 49.3 | 19.9 | 24.0 |
| Испанский | 5.6 | 3.1 | 3.5 |
| Шведский | 20.8 | 7.9 | 15.1 |
| Украинский | 19.3 | 6.5 | 6.8 |
| Среднее | 29.8 | 12.6 | 12.0 |
WER (%) на FLEURS. Данные Whisper Small из Radford et al.; данные Large V3 и Parakeet V3 из статьи NVIDIA Canary-1B-v2.
По большинству отдельных языков Whisper Large V3 чуть впереди, но в среднем Parakeet V3 идёт вплотную (12.0% против 12.6%), выигрывает на греческом, французском, эстонском и мальтийском и снижает средний уровень ошибок Whisper Small примерно на 60%. Практическое преимущество — в сочетании: многоязычная точность уровня Large V3 при скорости примерно в 23 раза выше, меньший расход ресурсов и куда более надёжное поведение на тишине в наших тестах диктовки.
Почему модель меньше галлюцинирует на тишине
Если ты использовал Whisper для диктовки, то наверняка сталкивался с галлюцинациями во время тишины — модель повторяет фразы, придумывает слова или выдаёт откуда-то «Subtitles by Amara.org». Это происходит потому, что авторегрессивный декодер Whisper всегда ожидает сгенерировать текст, даже когда распознавать нечего.
Трансдьюсерная архитектура Parakeet умеет выдавать пустой выход, а не выдумывать текстовый токен любой ценой. В наших тестах системной диктовки она из-за этого гораздо реже, чем Whisper, заполняет паузу повторами или посторонним текстом. Но это по-прежнему речевая модель, так что честная формулировка — «гораздо реже», а не «никогда».
Какие языки поддерживает Parakeet
Parakeet v3 поддерживает 25 языков: болгарский, хорватский, чешский, датский, нидерландский, английский, эстонский, финский, французский, немецкий, греческий, венгерский, итальянский, латышский, литовский, мальтийский, польский, португальский, румынский, русский, словацкий, словенский, испанский, шведский и украинский.
Это покрывает большую часть Европы, но не китайский, японский, корейский, арабский и хинди. Для китайского, японского, корейского и кантонского выбирай SenseVoice; для арабского, хинди и других языков за пределами набора Parakeet — Whisper Large V3 Turbo.
Переключатель моделей: Parakeet V3 (по умолчанию), SenseVoice Small, Whisper Small и Whisper Large V3 Turbo — всё работает локально
Переключатель моделей в Whisper Notes
Открой Настройки, чтобы переключиться между моделями:
- Parakeet V3 (по умолчанию) — Самая быстрая, лучший выбор для английского и европейских языков
- SenseVoice Small — Самая быстрая для китайского, японского, корейского и кантонского
- Whisper Small — Легковесная, 100+ языков
- Whisper Large V3 Turbo — Широкое покрытие: 100+ языков
Все модели работают на 100% локально на твоём Mac. Без интернета, без облака, данные не покидают устройство.
А как насчёт Parakeet V2?
Если ты пользовался V2, тебе наверняка интересно сравнение. V2 — модель только для английского, и её точность на английском чуть выше, чем у V3 (WER 6.05% против 6.32%). V3 обменивает эту крошечную разницу на поддержку 25 языков. Обе значительно точнее Whisper.
| Parakeet V2 | Parakeet V3 | Whisper Large V3 | |
|---|---|---|---|
| WER (английский) | 6.05% | 6.32% | 7.44% |
| Языки | Только английский | 25 | 100+ |
Коротко: если тебе нужен только английский, и V2, и V3 отлично справляются. V3 установлена по умолчанию в Whisper Notes, потому что многоязычная поддержка важна большинству пользователей — а разница в точности английского ничтожна.
А как насчёт WhisperKit?
WhisperKit — это open-source Swift-фреймворк от Argmax для запуска моделей Whisper на устройствах Apple. Это инструмент для разработчиков, а не приложение для пользователей — и работает он с Whisper, а не с Parakeet (это семейство моделей NVIDIA). Если хочется транскрипции на устройстве в духе WhisperKit, но без написания кода на Swift, Whisper Notes упаковывает ту же идею в готовое приложение: Parakeet V3, Whisper Large V3 Turbo и SenseVoice — всё работает локально на Mac и iPhone.
Сравниваешь все локальные варианты? Каждая модель распознавания речи на устройстве — варианты Whisper, Parakeet V3, SenseVoice и Voxtral — собрана бок о бок на нашей странице сравнения моделей Whisper. Только знакомишься с самим Whisper? Начни с гида по транскрипции с Whisper — что это за модель, все способы её запустить и сколько это стоит.
Часто задаваемые вопросы
Parakeet V3 лучше, чем Whisper?
Для английского и европейских языков — зачастую да. В нашем тесте на 35-минутном аудио Parakeet оказался в 10 раз быстрее Whisper Turbo, а Open ASR Leaderboard даёт Parakeet 6.32% WER на английском против 7.83% у Turbo. Зато Whisper покрывает куда больше языков: 100+ против 25 у Parakeet.
Какие языки поддерживает Parakeet V3?
Parakeet V3 поддерживает 25 языков: болгарский, хорватский, чешский, датский, нидерландский, английский, эстонский, финский, французский, немецкий, греческий, венгерский, итальянский, латышский, литовский, мальтийский, польский, португальский, румынский, русский, словацкий, словенский, испанский, шведский и украинский.
Можно ли запустить Parakeet V3 на Mac?
Да. В Whisper Notes для Mac Parakeet V3 — движок по умолчанию. Он работает на 100% локально на Apple Silicon: без интернета, без облака, данные не покидают устройство. Скачай бесплатный пробный DMG и попробуй.
Parakeet V3 галлюцинирует, как Whisper?
В наших тестах на тишине — гораздо реже, но ни одна речевая модель не заслуживает слова «никогда». Parakeet умеет выдавать пустой выход во время пауз, тогда как авторегрессивный декодер Whisper заметно чаще выдаёт повторяющиеся фразы или посторонний текст, когда на входе тишина.
Parakeet V2 или V3 — что выбрать?
Parakeet V2 работает только с английским и чуть точнее на нём (6.05% против 6.32% WER). V3 меняет эту крошечную разницу на 25 европейских языков и стоит по умолчанию в Whisper Notes. Если только ты не транскрибируешь исключительно английский в погоне за последними долями процента — бери V3.
Поддерживает ли Parakeet V3 японский, китайский или корейский?
Нет — все его 25 языков европейские. Для китайского, японского, корейского и кантонского в Whisper Notes есть SenseVoice (в 52 раза быстрее Whisper на языках CJK) и модели Whisper. Всё работает офлайн и на Mac, и на iPhone.
Сколько весит Parakeet V3?
600 миллионов параметров — загрузка 465 МБ, во время транскрипции в нашей сборке для Mac занимает примерно 800 МБ памяти. Whisper Large V3 Turbo — это около 1.6 ГБ загрузки и примерно 1.6 ГБ памяти в том же приложении.
Попробуй
Parakeet v3 уже доступен в версии для Mac — просто скачай последний DMG. (Обновление: Parakeet теперь доступен и в последней версии для iOS.)
Вопросы или обратная связь? Пиши на support@whispernotes.app.
Скачать для iOS