Od macOS 26 a iOS 26 dodáva Apple novú generáciu rozpoznávania reči v zariadení — SpeechAnalyzer a SpeechTranscriber, ďalej skrátene Apple Speech. Je výrazne presnejšia než starý engine diktovania. Chceli sme zistiť, ako si v praxi vedie proti otvoreným modelom, ktoré si ľudia sťahujú do zariadenia — Whisper, Parakeet, Qwen3-ASR a SenseVoice: je už vstavané rozpoznávanie reči Apple natoľko dobré, že sa úplne zaobídeš bez aplikácie na prepis?
O koľko je lepší než diktovanie, ktoré už poznáš?
Doteraz sa rozpoznávanie reči na Macu opieralo o engine z éry SFSpeechRecognizer — ten istý, ktorý dodnes používa systémové diktovanie (DictationTranscriber). macOS 26 a iOS 26 pridali API SpeechAnalyzer a jeho modul SpeechTranscriber. Oba sme na tom istom Macu spustili nad testovacou časťou FLEURS — približne 150 viet a 30 minút na každý jazyk.
| Jazyk | Diktovanie Apple | Apple Speech |
|---|---|---|
| Kórejčina | 7,11 | 4,31 |
| Taliančina | 6,93 | 4,39 |
| Španielčina (Latinská Amerika) | 8,43 | 5,41 |
| Nemčina | 12,69 | 6,26 |
| Japončina | 9,37 | 6,36 |
| Francúzština | 17,10 | 7,61 |
| Čínčina | 10,28 | 7,97 |
| Kantončina | 10,18 | 8,69 |
| Angličtina | 13,83 | 8,80 |
| Portugalčina (Brazília) | 10,85 | 9,35 |
Všetky jazyky, ktoré oba enginy Apple zmerali bez skreslenia, zoradené podľa chybovosti Apple Speech; zelenou je lepšia hodnota v riadku. Rovnaký beh, rovnaké nahrávky, rovnaký Mac. CER pre japončinu, kórejčinu, čínštinu a kantončinu, WER pre ostatné.
Apple Speech je presnejší vo všetkých desiatich jazykoch, ktoré oba enginy zmerali bez skreslenia. Vo francúzštine a nemčine ubudne viac než polovica chýb, pri mediánovom jazyku približne tretina a v brazílskej portugalčine a kantončine približne jedna chyba zo siedmich.
Diktovanie stále pokrýva viac jazykov. V tomto behu vrátil Apple Speech výsledky pre 21 z 83 jazykových konfigurácií, diktovanie pre 33 vrátane troch jazykov, ktoré nový engine tu nemá: holandčiny, poľštiny a ruštiny s výsledkami 17,34, 13,50 a 13,13. Neexistuje ani jeden pevný zoznam, ktorý by sa dal citovať. Jazykové prostriedky patria macOS, takže aplikácia za behu zisťuje, čo je na danom Macu dostupné.
Môžeš teda sťahované modely vynechať?
Šesť enginov, tie isté nahrávky, jeden Mac. Nižšie je desať z najpoužívanejších jazykov v pevnom poradí, ktoré nijako nesúvisí s výsledkami.
| Jazyk | Apple Speech | Qwen3-ASR | Whisper Large | Whisper Small | Parakeet | SenseVoice |
|---|---|---|---|---|---|---|
| Angličtina | 8,80 | 4,49 | 5,49 | 7,04 | 6,89 | 8,46 |
| Nemčina | 6,26 | 2,85 | 4,05 | 8,67 | 6,26 | — |
| Holandčina | — | 7,36 | 5,69 | 16,75 | 8,58 | — |
| Ruština | — | 5,65 | 5,13 | 11,37 | 7,12 | — |
| Poľština | — | 12,59 | 5,45 | 15,81 | 8,30 | — |
| Japončina | 6,36 | 5,74 | 5,30 | 11,37 | — | 6,78 |
| Kórejčina | 4,31 | 3,54 | 4,25 | 7,30 | — | 7,85 |
| Francúzština | 7,61 | 4,57 | 5,97 | 13,24 | 5,83 | — |
| Čínčina | 7,97 | 6,49 | 7,97 | 20,50 | — | 7,69 |
| Španielčina (Latinská Amerika) | 5,41 | 3,38 | 3,62 | 6,22 | 4,86 | — |
Desať z najpoužívanejších jazykov, jeden engine v každom stĺpci. Každá bunka ukazuje chybovosť daného enginu, nižšie je lepšie; zelenou je najnižšia hodnota v riadku, bielou druhá najnižšia. CER pre japončinu, kórejčinu a čínčinu, WER pre zvyšok; nikdy ich nezlučujeme do jedného čísla. Náš vlastný beh FLEURS, ktorý urobil tím Whisper Notes, na jednom M5 MacBook Air, čítaná reč.
Skrátené názvy: Qwen3-ASR = Qwen3-ASR 1.7B, Whisper Large = Whisper Large V3 Turbo, Parakeet = Parakeet V3, SenseVoice = SenseVoice Small. Pomlčka znamená, že engine nemá model pre daný jazyk.
Qwen3-ASR 1.7B má najnižšiu chybovosť v šiestich z desiatich jazykov, Whisper Large V3 Turbo v zostávajúcich štyroch a Apple Speech v žiadnom. Najbližšie je k víťazovi v kórejčine, kde stráca 0,77 bodu, potom v japončine 1,06 a čínštine 1,48; v čínštine sa s Whisper Large V3 Turbo delí o výsledok 7,97. Najväčší odstup má v angličtine: 8,80 (Apple Speech) oproti 4,49 (Qwen3-ASR 1.7B). Pre holandčinu, poľštinu a ruštinu výsledok Apple Speech vôbec nie je.
Proti Whisper Small bol Apple Speech presnejší v ôsmich z desiatich jazykov, ktoré oba enginy zmerali bez skreslenia. Prehral v dvoch: v angličtine 8,80 (Apple Speech) oproti 7,04 (Whisper Small) a v brazílskej portugalčine 9,35 oproti 8,61.
Benchmark zverejnený v júli porovnával Apple Speech s Whisper Small v angličtine a ukázal náskok Apple. Záleží na tom, ktorá verzia Whisper je v porovnaní, aj na použitých nahrávkach. Tam sa použil LibriSpeech — rozprávači audiokníh čítajúci nahlas; u nás FLEURS — veľa rôznych ľudí čítajúcich vety z Wikipédie. Náš beh ukazuje rozdiel v angličtine, ale nedokáže určiť jeho príčinu.
Proti Whisper Large V3 Turbo sa poradie obracia. Apple Speech zaostáva v ôsmich z týchto desiatich jazykov, v čínštine sa delí o výsledok 7,97 a vedie len v kantončine: 8,69 (Apple Speech) oproti 36,75 (Whisper Large V3 Turbo) — pozri si kantonský riadok nižšie. Poznámky OpenAI k vydaniu Turbo uvádzajú kantončinu medzi jazykmi, kde sa model zhoršil najviac, takže 36,75 je známa slabina Whisper, nie zvláštnosť nášho behu.
V kórejčine urobí Apple Speech chybu približne v jednom znaku z 23. Najpresnejší model v tomto behu, Qwen3-ASR 1.7B, chybuje zhruba v jednom z 28: 4,31 (Apple Speech) oproti 3,54 (Qwen3-ASR 1.7B).
Parakeet V3 vyžaduje stiahnutie 465 MB a je presnejší v každom európskom jazyku, ktorý podporujú oba enginy: v angličtine 6,89 (Parakeet V3) oproti 8,80 (Apple Speech), vo francúzštine 5,83 oproti 7,61, v španielčine 4,86 oproti 5,41, v taliančine 3,43 oproti 4,39 a v brazílskej portugalčine 6,49 oproti 9,35. V nemčine majú oba výsledok 6,26. Parakeet nepodporuje japončinu, kórejčinu, čínštinu ani kantončinu — z tejto dvojice je tam dostupný len Apple Speech.
Medzi šiestimi riadkami, v ktorých vedie Qwen3-ASR 1.7B, sú angličtina, nemčina, francúzština a španielčina.
SenseVoice Small je tu najrýchlejší — 162,3× rýchlejšie než v reálnom čase. V čínštine a angličtine sú jeho výsledky blízko Apple Speech: 7,69 (SenseVoice Small) oproti 7,97 (Apple Speech) a 8,46 oproti 8,80. V kórejčine výrazne zaostáva: 7,85 (SenseVoice Small) oproti 4,31 (Apple Speech).
Veľkosť a rýchlosť
| Engine | Rýchlosť | Špičková pamäť | Stiahnutie |
|---|---|---|---|
| SenseVoice Small | 162,3× rýchlejšie než v reálnom čase | 0,95 GiB | 827 MB |
| Parakeet V3 | 75,6× rýchlejšie než v reálnom čase | 0,09 GiB | 465 MB |
| Apple Speech | 30,8× rýchlejšie než v reálnom čase | neuvedené | <5 MB |
| Qwen3-ASR 1.7B | 11,1× rýchlejšie než v reálnom čase | 2,43 GiB | asi 2,5 GB |
| Whisper Small | 7,9× rýchlejšie než v reálnom čase | 0,87 GiB | 600 MB |
| Whisper Large V3 Turbo | 3,0× rýchlejšie než v reálnom čase | 1,87 GiB | asi 1,6 GB |
Rýchlosť je medián každého enginu v trinástich jazykoch, ktoré tento článok meria bez skreslenia, a počítajú sa len tie, ktoré spustil — priepustnosť spracovania jednotlivých položiek, diagnostika, nie latencia produktu. Špičková pamäť je maximum skupiny procesov v tomto behu. Apple Speech dekóduje v službe macOS, ktorú volajúca aplikácia nevlastní, takže by tam žiadne číslo neznamenalo to isté ako pri ostatných piatich.
Apple Speech bežal 30,8× rýchlejšie než v reálnom čase, za Parakeet V3 so 75,6× a SenseVoice Small so 162,3×. Jeho jazykový balík stiahne macOS raz a zdieľajú ho všetky aplikácie, takže sa preň vo vlastnom procese aplikácie nič nealokuje. Služba vykonávajúca dekódovanie pamäť stále používa, ale nedokážeme jej túto spotrebu presne priradiť, preto namiesto nuly žiadnu hodnotu neuvádzame.
Whisper Large V3 Turbo je tu najpomalší — 3,0× rýchlejšie než v reálnom čase — a má najnižšiu chybovosť v štyroch z desiatich riadkov, pričom na disku zaberá asi 1,6 GB. Qwen3-ASR 1.7B vyhráva zostávajúcich šesť, zaberá približne 2,5 GB na disku a jeho špička pamäte je 2,43 GiB. Whisper Small so 600 MB je férové porovnanie pre vstavaný engine.
Pre ktoré jazyky je Apple Speech dobrou voľbou?
Jazyk po jazyku:
- Angličtina: nie je to dobrá voľba. Apple Speech mal 8,80; Qwen3-ASR 1.7B (4,49) alebo Whisper Large V3 Turbo (5,49) je jednoznačne presnejší.
- Nemčina: nie je to dobrá voľba. Apple Speech mal 6,26; Qwen3-ASR 1.7B (2,85) alebo Whisper Large V3 Turbo (4,05) je jednoznačne presnejší.
- Holandčina, ruština a poľština: Apple Speech pre tieto tri jazyky nemá model. Whisper Large V3 Turbo bol v každom najpresnejší, s 5,69, 5,13 a 5,45.
- Japončina: použiteľná. Apple Speech mal 6,36, za Whisper Large V3 Turbo s 5,30.
- Kórejčina: použiteľná. Apple Speech mal 4,31, za Qwen3-ASR 1.7B s 3,54.
- Francúzština: nie je to dobrá voľba. Apple Speech mal 7,61; Qwen3-ASR 1.7B (4,57) alebo Parakeet V3 (5,83) je jednoznačne presnejší.
- Čínčina: použiteľná. Apple Speech mal 7,97, rovnako ako Whisper Large V3 Turbo; najpresnejší bol Qwen3-ASR 1.7B s 6,49.
- Španielčina: nie je to dobrá voľba. Apple Speech mal 5,41; Qwen3-ASR 1.7B (3,38) alebo Whisper Large V3 Turbo (3,62) je jednoznačne presnejší.
Sťahované modely stále vyhrávajú v presnosti: každý riadok hlavnej tabuľky vedie Qwen3-ASR 1.7B alebo Whisper Large V3 Turbo. Apple Speech je reálna možnosť pre kórejčinu, japončinu a čínštinu; pre európske jazyky je lepšie siahnuť po Parakeet V3.
Vo Whisper Notes pre Mac platí, že Parakeet V3 je stále predvolený. V aplikácii pre Mac stiahnutej z našej webovej stránky je Apple Speech dostupný ako voliteľný model v macOS 26 alebo novšom a aplikácia ponúkne jazyk len vtedy, keď macOS hlási, že ho tvoj Mac podporuje.
Apple Speech je skrátený názov pre SpeechTranscriber od Apple používaný v tomto článku, API v zariadení, ktoré môže každá aplikácia pre Mac volať v macOS 26 alebo novšom. Je to systémový engine, nie model, ktorý sťahuješ: Whisper Notes pre Mac ho vie použiť vo verzii stiahnutej z našej webovej stránky, s jazykovým balíkom od macOS. Modely, ktoré si aplikácia sťahuje sama, sú stále Whisper, Parakeet V3, SenseVoice a Qwen3-ASR v tejto verzii a Whisper, Parakeet V3 a SenseVoice na iPhone a vo verzii z Mac App Store. Tabuľku podľa enginov nájdeš v našom zozname jazykov, ktoré podporujú Whisper, Parakeet V3 a SenseVoice.
Za hranicou týchto desiatich jazykov
| Jazyk | Apple Speech | Qwen3-ASR | Whisper Large | Whisper Small | Parakeet | SenseVoice |
|---|---|---|---|---|---|---|
| Taliančina | 4,39 | 2,58 | 2,58 | 7,64 | 3,43 | — |
| Kantončina | 8,69 | 6,44 | 36,75 | 119,01 | — | 37,23 |
| Portugalčina (Brazília) | 9,35 | 5,17 | 5,44 | 8,61 | 6,49 | — |
| Hindčina | 101,50 | 13,19 | 29,64 | 61,26 | — | — |
Ďalšie štyri jazyky z toho istého behu. Rovnaké stĺpce, farby a krátke názvy ako vyššie; CER pre kantončinu, WER pre ostatné.
Výsledok Apple Speech pre hindčinu sa z dôvodu opísaného nižšie do poradia tohto riadka nepočíta. Chybovosť môže prekročiť 100 %, pretože vložené prvky sa započítavajú aj do čitateľa.
Výsledok 4,39 (Apple Speech) radí taliančinu za zhodu 2,58 medzi Qwen3-ASR 1.7B a Whisper Large V3 Turbo. Kantončina je jediný jazyk, v ktorom Apple Speech skončil pred Whisper Large V3 Turbo: 8,69 (Apple Speech) oproti 36,75 (Whisper Large V3 Turbo); prvý bol Qwen3-ASR 1.7B so 6,44. V brazílskej portugalčine 9,35 (Apple Speech) — je to jeden z dvoch riadkov, kde je vpredu Whisper Small s 8,61.
Hindčina priniesla iný druh výsledku. Apple Speech zapísal hindskú reč anglickými písmenami namiesto znakov, ktorými sa hindčina bežne píše, takže sa takmer každé slovo počíta ako chybné a hodnota presahuje 100 %. Rovnako dopadli telugčina, urdčina, pandžábčina, bengálčina, nepálčina, malajálamčina, maráthčina, kannadčina, gudžarátčina a tamilčina — všetky nad 100 % — preto v tabuľke nie sú.
Ako funguje SpeechAnalyzer
SpeechAnalyzer nahrádza API na rozpoznávanie reči, ktoré Apple ponúka od iOS 10, na všetkých platformách Apple okrem watchOS. Aplikácia vytvorí SpeechAnalyzer, pridá mu moduly a odovzdáva zvuk ako asynchrónnu postupnosť, ktorú sama napĺňa; SpeechTranscriber je modul prevádzajúci reč na text. Výsledky sa vracajú ako druhá postupnosť, zvyčajne v inej úlohe, a každý buffer aj výsledok má časovú značku voči vlastnej časovej osi audia.
Jedna relácia, tri úlohy: zvuk prichádza ako AsyncSequence, SpeechAnalyzer a SpeechTranscriber ho analyzujú a výsledky sa vracajú ako druhá AsyncSequence, ktorú číta rozhranie. Zdroj: Apple, prednáška 277 z WWDC25.
Výsledky prichádzajú dvakrát. Čokoľvek v oblasti, ktorú Apple označuje ako premenlivú, možno ešte nahradiť lepším výsledkom; všetko mimo nej je konečné. Aplikácia tak ukazuje hrubý prepis, kým ešte hovoríš, a potom ho opraví. Apple uvádza päť cieľov návrhu modelu SpeechTranscriber: dlhý zvuk, konverzačnú reč, vzdialených hovoriacich, nízku latenciu a súkromie, teda beh v zariadení. Využívajú ho Poznámky, Diktafón, Denník a súhrny hovorov.
Päť cieľov návrhu modelu SpeechTranscriber podľa Apple. Zdroj: Apple, prednáška 277 z WWDC25.
Modely nie sú súčasťou žiadnej aplikácie. Systém ich sťahuje zo serverov Apple cez AssetInventory, ukladá, aktualizuje a zdieľa medzi aplikáciami. Nezväčšujú veľkosť stiahnutia aplikácie a dekódovanie prebieha mimo volajúceho procesu. Tam, kde SpeechTranscriber nemá model pre daný jazyk alebo zariadenie, prevezme prácu DictationTranscriber s rovnakými modelmi ako systémové diktovanie.
Metodika a obmedzenia
Päť zo šiestich enginov v týchto tabuľkách sú modely, ktoré sťahuje Whisper Notes. Každý engine prepisoval rovnaké nahrávky, v rovnakom poradí, jednu po druhej, na jedinom M5 MacBook Air (32 GB, macOS 27.0). Zvuk pochádza z testovacej časti Google FLEURS v revízii 70bb2e84 — približne 150 viet a 30 minút na jazyk. Pevný hash vlastných identifikátorov položiek datasetu určuje ich poradie; berieme najkratšiu postupnosť celých položiek, ktorá prekročí tridsať minút. Výstup modelov do tohto výberu nijako nezasahoval. Každú bunku sme znova zostavili z jej vlastného protokolu a znova overili; všetkých 285 prešlo kontrolou. Skóre je chybovosť slov tam, kde sú slová oddelené medzerami, a chybovosť znakov pre japončinu, kórejčinu, čínštinu a kantončinu; nikdy ich nezlučujeme do jediného čísla.
Stĺpce Whisper môžeš porovnať s vlastnými číslami OpenAI. Pre dvanásť jazykov, pri ktorých OpenAI zverejňuje výsledok FLEURS pre Whisper Large V3 Turbo, sa naše hodnoty líšia v priemere o 0,7 bodu a desať z dvanástich spadá do 95% intervalu nášho behu; pri jedenástich jazykoch mimo indických riadkov sa naše výsledky Whisper Small líšia v priemere o 1,0 bodu od tabuľky jednotlivých jazykov v článku o Whisper. Stĺpec Apple Speech vznikol z rovnakých nahrávok, rovnakého vyhodnotenia a rovnakej normalizácie.
FLEURS je čistá čítaná reč. Nič z toho nehovorí, ako sa enginy správajú v hlučnej miestnosti alebo počas dvojhodinovej schôdzky; rozdiely v takých podmienkach sme nemerali. Všetko bežalo na jedinom počítači. Pri približne 150 vetách na jazyk treba enginy s rozdielom menším než zhruba jeden bod považovať za zhodné; presné zhody už tabuľky označujú, napríklad v taliančine, kde Qwen3-ASR 1.7B aj Whisper Large V3 Turbo získali 2,58.
Často kladené otázky
Apple Speech, alebo Whisper Small: čo je presnejšie?
Apple Speech, v ôsmich z desiatich jazykov, ktoré oba enginy zmerali bez skreslenia. Prehráva v angličtine, 8,80 (Apple Speech) oproti 7,04 (Whisper Small), a v brazílskej portugalčine, 9,35 oproti 8,61. Najväčší náskok má v čínštine, 7,97 (Apple Speech) oproti 20,50 (Whisper Small); vo francúzštine 7,61 oproti 13,24; v japončine 6,36 oproti 11,37; a v kantončine 8,69 oproti 119,01. Whisper Small je stiahnutie 600 MB a bežal 7,9× rýchlejšie než v reálnom čase, oproti 30,8× pri Apple Speech.
Apple Speech, alebo Parakeet V3: čo je presnejšie?
Parakeet V3, v každom európskom jazyku, ktorý podporujú oba enginy: v angličtine 6,89 (Parakeet V3) oproti 8,80 (Apple Speech), vo francúzštine 5,83 oproti 7,61, v španielčine 4,86 oproti 5,41, v taliančine 3,43 oproti 4,39 a v brazílskej portugalčine 6,49 oproti 9,35; v nemčine majú oba 6,26. Parakeet V3 nepodporuje japončinu, kórejčinu, čínštinu ani kantončinu — z tejto dvojice je tam dostupný len Apple Speech. Parakeet V3 vyžaduje stiahnutie 465 MB a bežal 75,6× rýchlejšie než v reálnom čase, Apple Speech 30,8×.
Apple Speech, alebo Whisper Large V3 Turbo: čo je presnejšie?
Whisper Large V3 Turbo, v ôsmich z desiatich jazykov, ktoré oba enginy zmerali bez skreslenia: angličtina 5,49 (Whisper Large V3 Turbo) oproti 8,80 (Apple Speech), nemčina 4,05 oproti 6,26, japončina 5,30 oproti 6,36, kórejčina 4,25 oproti 4,31, francúzština 5,97 oproti 7,61, španielčina 3,62 oproti 5,41, taliančina 2,58 oproti 4,39, brazílska portugalčina 5,44 oproti 9,35. V čínštine sa delia o 7,97; Apple Speech vedie len v kantončine, 8,69 (Apple Speech) oproti 36,75 (Whisper Large V3 Turbo). Turbo navyše pokrýva holandčinu, ruštinu a poľštinu s 5,69, 5,13 a 5,45. Zaberá asi 1,6 GB a je tu najpomalší engine — 3,0× rýchlejšie než v reálnom čase.
Ktoré jazyky Apple Speech podporuje?
V našom behu vrátil Apple Speech výsledky v 21 z 83 konfigurácií: angličtina, nemčina, francúzština, španielčina, taliančina, portugalčina (Brazília), japončina, kórejčina, čínština, kantončina a jedenásť juhoázijských jazykov — hindčina, telugčina, urdčina, pandžábčina, bengálčina, nepálčina, malajálamčina, maráthčina, kannadčina, gudžarátčina a tamilčina — v ktorých odpovedal anglickými písmenami, nie znakmi, ktorými sa tieto jazyky bežne píšu. Holandčina, poľština ani ruština v zozname nie sú; zoznam určuje macOS na každom počítači. Najbližšie k víťazom je v kórejčine, japončine a čínštine, kde stráca 0,77, 1,06 a 1,48, najďalej v angličtine: 8,80 (Apple Speech) oproti 4,49 (Qwen3-ASR 1.7B). Vo všetkých desiatich jazykoch, ktoré zmerali oba, je presnejší než staré diktovanie. Whisper vo Whisper Notes pokrýva celý zoznam jazykov aplikácie na každom kanáli.
Čo je SpeechAnalyzer a je to to isté ako diktovanie Apple?
SpeechAnalyzer je API, ktoré Apple predstavil na WWDC 2025 a vydal v macOS 26 a iOS 26. SpeechTranscriber je engine prepisu v jeho vnútri, ktorému v tomto článku hovoríme Apple Speech; diktovanie je starší kompatibilný engine. Spustili sme oba a Apple Speech bol presnejší vo všetkých desiatich jazykoch, ktoré oba zmerali bez skreslenia. Diktovanie pokrýva viac jazykov — 33 konfigurácií oproti 21 vrátane holandčiny, poľštiny a ruštiny so 17,34 %, 13,50 % a 13,13 % WER (diktovanie) oproti 5,69 %, 5,45 % a 5,13 % (Whisper Large V3 Turbo).
Opustí zvuk môj Mac, keď použijem Apple Speech?
Apple opisuje SpeechTranscriber ako rozpoznávanie reči priamo v zariadení: macOS raz stiahne jazykové prostriedky a rozpoznávanie potom beží lokálne. Merali sme presnosť a rýchlosť, nie správanie siete, preto túto časť uvádzame podľa opisu Apple. Enginy, ktoré sťahuje samotný Whisper Notes — Whisper, Parakeet V3, SenseVoice a Qwen3-ASR — bežia na GPU alebo Neural Engine tvojho Macu bez účtu a API key a prepis funguje bez siete na každom kanáli. Apple Speech je dostupný v aplikácii pre Mac stiahnutej z našej webovej stránky, v macOS 26 alebo novšom: je to systémový engine na tvojom Macu a jeho jazykový balík sťahuje macOS.
Prečo tieto čísla nesedia s presnosťou, ktorú dostávam na svojich nahrávkach?
Pretože FLEURS obsahuje krátku, čistú, čítanú reč a tvoje nahrávky bývajú iné. Náš beh je kalibrácia na verejnom datasete: približne 150 viet a 30 minút na jazyk, jediný M5 MacBook Air a rovnaké nahrávky pre každý engine. Ukazuje, či je engine pre tvoj jazyk rozumnou voľbou, nie aký výsledok dostaneš na schôdzke, v hlučnom zvuku alebo v dvojhodinovom súbore.
Vyskúšaj to
Všetkých päť sťahovaných modelov — Whisper Small, Whisper Large V3 Turbo, Parakeet V3, SenseVoice Small a Qwen3-ASR 1.7B — je vo Whisper Notes pre Mac stiahnutom z našej webovej stránky v Nastaveniach → Model prepisu. V macOS 26 alebo novšom sa Apple Speech objaví v tom istom zozname; ak aplikáciu už máš, aktualizuj ju na najnovšiu verziu.
Ak naše čísla nesedia s tvojou skúsenosťou v nejakom jazyku, napíš na mac@whispernotes.app. Kompletné poznámky k vydaniu: whispernotes.app/changelog.
Zdroje: náš beh na testovacom splite Google FLEURS v revízii 70bb2e84, dokumentácia Apple k SpeechAnalyzer a predchádzajúci beh Qwen3-ASR v tridsiatich jazykoch.
Stiahnuť pre macOS