TL;DR
| Parakeet V3 | Porovnanie s Whisperom | |
|---|---|---|
| Rýchlosť | 10× vs Turbo; ~23× vs V3 | Referenčný bod: Turbo / Large V3 |
| Podporované jazyky | 25 | viac ako 100 |
| Chybovosť angličtiny (WER) | 6,32 % | Turbo 7,83 %; V3 7,44 % |
| Priem. chybovosť, 25 jazykov (WER) | 12,0 % | 12,6 % |
| Halucinácie | V našich testoch na tichu prakticky žiadne | Na tichu sa môžu objaviť |
| Vhodné pre | Angličtina a európske jazyky | Ázijské jazyky, arabčina, viac ako 100 |
* Rýchlosť: rovnaká 35-minútová nahrávka na Apple Silicon. Anglický WER: Hugging Face Open ASR Leaderboard. Priemer z 25 jazykov: benchmark FLEURS. Správanie na tichu je naše produktové pozorovanie, nie záruka nulových chýb.
Od verzie 1.3.2 (Direct Download / DMG) používa Whisper Notes pre Mac ako predvolený engine rozpoznávania reči NVIDIA Parakeet TDT 0.6B. Je 10x rýchlejší ako Whisper Large V3 Turbo pre angličtinu a navyše presnejší. Modely Whisper sú stále dostupné, ak potrebuješ iné jazyky.
Prečo sme zmenili predvolený model
Whisper je skvelý, ale bol navrhnutý ako univerzálny nástroj. Zvláda viac ako 100 jazykov, prekladá, generuje časové značky — taký švajčiarsky nožík. Daňou za to je rýchlosť. Na diktovanie v angličtine, keď jednoducho chceš slová na obrazovke čo najrýchlejšie, je to zbytočne veľa.
Toto ma štvalo: pri používaní systémového diktovania cez Fn s Whisperom som po asi minútovom úseku čakal 3–5 sekúnd, kým sa objavil prepis. Tá pauza rozbíja flow. Prestaneš hovoriť, čakáš, pozeráš na kurzor — a kúzlo hlasového písania je preč.
Parakeet to úplne zmenil. Rýchlosť je taká vysoká, že prepis sa objaví v momente, keď prestaneš hovoriť. Hovoríš a slová tam jednoducho sú. Keď raz zažiješ ten pocit — plynulý, okamžitý tok bez čakania — vrátiť sa na Whisper je naozaj ťažké.
Aký rýchly je Parakeet V3?
Čísla hovoria za všetko. Tu je reálne porovnanie na 35-minútovom audio súbore na tom istom Macu:
| Model | 35 min audio |
|---|---|
| Whisper Large V3 Turbo | 3 minúty |
| Parakeet TDT 0.6B v3 | 18 sekúnd |
To je 10x rýchlejšie. A keďže je model menší (600 miliónov vs. 800 miliónov parametrov), spotrebuje aj menej pamäte a batérie.
Čím je Parakeet v3 taký rýchly
Whisper spracováva audio rovnako, ako by si čítal knihu nahlas — slovo po slove, snímok po snímku, nikdy nepredbieha. Aj počas ticha stále spracováva a háda, čo príde ďalej. Je to dôkladné, ale pomalé.
Parakeet má zásadne odlišný prístup. Pred spracovaním skomprimuje audio signál 8x, takže model vidí len to podstatné. Potom, namiesto toho aby drvil každý jeden snímok, predpovedá nielen aké slovo si povedal, ale aj ako dlho to slovo trvá — a preskočí dopredu. Ticho? Preskočené. Dlhá samohláska? Jedna predikcia namiesto desiatok.
Výsledkom je model, ktorý spracováva reč tak, ako to robí tvoj mozog — sústreďuje sa na slová a ignoruje medzery. Preto je 10x rýchlejší s menším počtom parametrov a vyššou presnosťou.
Benchmarky: Parakeet v3 vs. Whisper
Parakeet v3 vyrovná alebo prekoná modely 2–4x väčšie na benchmarkoch FLEURS, CoVoST a MLS
Na Hugging Face Open ASR Leaderboard vedie Parakeet v3 rebríček s iba 600 miliónmi parametrov — menej ako polovica z 1,55 miliardy pri Whisper Large V3:
| Model | Parametre | Priemerný WER | Rýchlosť (RTFx) |
|---|---|---|---|
| Parakeet TDT 0.6B v3 | 0,6 mld. | 6,32 % | 3 333x |
| Canary 1B v2 | 1,0 mld. | 7,15 % | 749x |
| Whisper Large V3 | 1,55 mld. | 7,44 % | 146x |
| Whisper Large V3 Turbo | 0,8 mld. | 7,83 % | 350x |
Nižší WER = menej chýb. Vyšší RTFx = vyššia rýchlosť. Parakeet vyhráva v oboch. So 600 miliónmi parametrov je to navyše najmenší model v celom zozname — čo znamená, že na Apple Silicon beží krásne s minimálnou spotrebou pamäte a batérie.
Viacjazyčný WER: všetkých 25 jazykov
Tabuľka vyššie sa týka iba angličtiny. Tu je kompletný obraz — ako si tri modely dostupné vo Whisper Notes vedú vo všetkých 25 jazykoch, ktoré Parakeet podporuje, merané na benchmarku FLEURS. Nižší WER = menej chýb prepisu. Najlepšia hodnota medzi Large V3 a Parakeet je zvýraznená v každom riadku:
| Jazyk | Whisper Small | Whisper Large V3 | Parakeet V3 |
|---|---|---|---|
| Bulharčina | 37.3 | 12.9 | 12.6 |
| Chorvátčina | 33.4 | 11.1 | 12.5 |
| Čeština | 37.6 | 11.3 | 11.0 |
| Dánčina | 32.8 | 12.6 | 18.4 |
| Holandčina | 16.4 | 5.6 | 7.5 |
| Angličtina | 6.1 | 4.3 | 4.9 |
| Estónčina | 51.3 | 19.1 | 17.7 |
| Fínčina | 24.0 | 7.7 | 13.2 |
| Francúzština | 15.0 | 6.3 | 5.2 |
| Nemčina | 10.2 | 4.3 | 5.0 |
| Gréčtina | 30.8 | 27.0 | 20.7 |
| Maďarčina | 38.9 | 14.1 | 15.7 |
| Taliančina | 9.8 | 2.3 | 3.0 |
| Lotyština | 53.2 | 18.3 | 22.8 |
| Litovčina | 65.6 | 22.3 | 20.4 |
| Maltčina | 92.2 | 68.9 | 20.5 |
| Poľština | 14.7 | 4.7 | 7.3 |
| Portugalčina | 7.3 | 3.7 | 4.8 |
| Rumunčina | 29.8 | 8.2 | 12.4 |
| Ruština | 11.4 | 4.2 | 5.5 |
| Slovenčina | 33.3 | 8.4 | 8.8 |
| Slovinčina | 49.3 | 19.9 | 24.0 |
| Španielčina | 5.6 | 3.1 | 3.5 |
| Švédčina | 20.8 | 7.9 | 15.1 |
| Ukrajinčina | 19.3 | 6.5 | 6.8 |
| Priemer | 29.8 | 12.6 | 12.0 |
WER (%) na FLEURS. Dáta Whisper Small z Radford et al.; dáta Large V3 a Parakeet V3 z článku NVIDIA Canary-1B-v2.
Whisper Large V3 je vo väčšine jednotlivých jazykov o kúsok vpredu, ale Parakeet V3 sa mu v priemere tesne približuje (12,0 % vs 12,6 %), vedie v gréčtine, francúzštine, estónčine a maltčine a priemernú chybovosť Whisper Small znižuje zhruba o 60 %. Praktická výhoda spočíva v kombinácii: viacjazyčná presnosť na úrovni Large V3 pri zhruba 23× vyššej rýchlosti, menšie nároky za behu a v našich testoch diktovania oveľa spoľahlivejšie správanie na tichu.
Prečo na tichu halucinuje menej
Ak si Whisper používal na diktovanie, pravdepodobne si videl, ako počas ticha halucinuje — opakuje frázy, vymýšľa slová alebo odniekiaľ vypľuje „Subtitles by Amara.org“. Deje sa to preto, lebo autoregresívny dekodér Whisperu vždy očakáva, že vygeneruje text, aj keď nie je čo prepisovať.
Transducerová architektúra Parakeetu dokáže namiesto vynúteného textového tokenu vydať prázdny výstup. V našich testoch systémového diktovania je vďaka tomu oveľa menej pravdepodobné než pri Whisperi, že pauzu vyplní opakovaným alebo nesúvisiacim textom. Stále je to však rečový model, takže presné tvrdenie znie „menej pravdepodobné“, nie „nikdy“.
Aké jazyky Parakeet podporuje
Parakeet v3 podporuje 25 jazykov: bulharčinu, chorvátčinu, češtinu, dánčinu, holandčinu, angličtinu, estónčinu, fínčinu, francúzštinu, nemčinu, gréčtinu, maďarčinu, taliančinu, lotyštinu, litovčinu, maltčinu, poľštinu, portugalčinu, rumunčinu, ruštinu, slovenčinu, slovinčinu, španielčinu, švédčinu a ukrajinčinu.
To pokrýva väčšinu Európy, ale nie čínštinu, japončinu, kórejčinu, arabčinu ani hindčinu. Pre čínštinu, japončinu, kórejčinu a kantončinu zvoľ SenseVoice; pre arabčinu, hindčinu a ďalšie jazyky mimo sady Parakeetu použi Whisper Large V3 Turbo.
Prepínač modelov: Parakeet V3 (predvolený), SenseVoice Small, Whisper Small a Whisper Large V3 Turbo — všetko beží lokálne
Prepínač modelov vo Whisper Notes
Otvor Nastavenia a prepínaj medzi modelmi:
- Parakeet V3 (predvolený) — najrýchlejší, najlepší pre angličtinu a európske jazyky
- SenseVoice Small — najrýchlejší pre čínštinu, japončinu, kórejčinu a kantončinu
- Whisper Small — odľahčený, viac ako 100 jazykov
- Whisper Large V3 Turbo — široké pokrytie viac ako 100 jazykov
Všetky modely bežia na 100 % lokálne na tvojom Macu. Bez internetu, bez cloudu, žiadne dáta neopúšťajú tvoje zariadenie.
A čo Parakeet V2?
Ak si používal V2, možno ťa zaujíma porovnanie. V2 bol čisto anglický model — a jeho presnosť v angličtine je v skutočnosti o niečo lepšia ako pri V3 (WER 6,05 % vs 6,32 %). V3 túto nepatrnú stratu vymenil za podporu 25 jazykov. Oba sú výrazne presnejšie ako Whisper.
| Parakeet V2 | Parakeet V3 | Whisper Large V3 | |
|---|---|---|---|
| WER (angličtina) | 6,05 % | 6,32 % | 7,44 % |
| Jazyky | Iba angličtina | 25 | viac ako 100 |
Stručne: ak potrebuješ len angličtinu, V2 aj V3 sú skvelé. V3 je vo Whisper Notes predvolený, pretože viacjazyčná podpora je pre väčšinu používateľov dôležitá — a rozdiel v presnosti angličtiny je zanedbateľný.
A čo WhisperKit?
WhisperKit je open-source Swift framework od Argmaxu na spúšťanie modelov Whisper na zariadeniach Apple. Je to nástroj pre vývojárov, nie aplikácia pre koncových používateľov — a beží na ňom Whisper, nie Parakeet (čo je rodina modelov od NVIDIA). Ak chceš prepis na zariadení v štýle WhisperKitu bez toho, aby si sám písal Swift, Whisper Notes balí rovnakú myšlienku do hotovej aplikácie: Parakeet V3, Whisper Large V3 Turbo a SenseVoice, všetko beží lokálne na Macu aj na iPhone.
Porovnávaš všetky lokálne možnosti? Každý model prevodu reči na text bežiaci na zariadení — varianty Whisperu, Parakeet V3, SenseVoice aj Voxtral — porovnávame vedľa seba na našej stránke s porovnaním modelov Whisper. S Whisperom ešte len začínaš? Začni sprievodcom prepisom s Whisperom — čo je to za model, všetky spôsoby, ako ho spustiť, a koľko to stojí.
Často kladené otázky
Je Parakeet V3 lepší ako Whisper?
Pre angličtinu a európske jazyky často áno. V našom 35-minútovom teste bol Parakeet 10× rýchlejší ako Whisper Turbo a Open ASR Leaderboard uvádza pre Parakeet 6,32 % WER v angličtine oproti 7,83 % pri Turbe. Whisper však stále pokrýva oveľa viac jazykov: viac ako 100 oproti 25 pri Parakeete.
Aké jazyky podporuje Parakeet V3?
Parakeet V3 podporuje 25 jazykov: bulharčinu, chorvátčinu, češtinu, dánčinu, holandčinu, angličtinu, estónčinu, fínčinu, francúzštinu, nemčinu, gréčtinu, maďarčinu, taliančinu, lotyštinu, litovčinu, maltčinu, poľštinu, portugalčinu, rumunčinu, ruštinu, slovenčinu, slovinčinu, španielčinu, švédčinu a ukrajinčinu.
Môžem Parakeet V3 spustiť na Macu?
Áno. Whisper Notes pre Mac dodáva Parakeet V3 ako predvolený engine. Beží na 100 % lokálne na Apple Silicon — bez internetu, bez cloudu, žiadne dáta neopúšťajú tvoje zariadenie. Stiahni si DMG s bezplatnou skúšobnou verziou a vyskúšaj ho.
Halucinuje Parakeet V3 ako Whisper?
V našich testoch ticha oveľa menej často, ale žiadny rečový model si nezaslúži tvrdenie „nikdy“. Parakeet dokáže počas páuz vydávať prázdne výstupy, zatiaľ čo autoregresívny dekodér Whisperu má pri tichom vstupe väčší sklon k opakovaným frázam alebo nesúvisiacemu textu.
Parakeet V2 vs V3 — ktorý použiť?
Parakeet V2 je iba anglický, s nepatrne lepšou presnosťou v angličtine (6,05 % vs 6,32 % WER). V3 tento drobný rozdiel vymenil za 25 európskych jazykov a je vo Whisper Notes predvolený. Ak neprepisuješ výhradne angličtinu a nenaháňaš posledný zlomok percenta, používaj V3.
Podporuje Parakeet V3 japončinu, čínštinu alebo kórejčinu?
Nie — všetkých jeho 25 jazykov je európskych. Pre čínštinu, japončinu, kórejčinu alebo kantončinu obsahuje Whisper Notes SenseVoice (52x rýchlejší ako Whisper pre CJK) a modely Whisper. Všetko beží offline na Macu aj na iPhone.
Aký veľký je Parakeet V3?
600 miliónov parametrov — sťahovanie má 465 MB a pri prepise v našej verzii pre Mac spotrebuje zhruba 800 MB pamäte. Whisper Large V3 Turbo je sťahovanie s veľkosťou asi 1,6 GB a v tej istej aplikácii spotrebuje zhruba 1,6 GB pamäte.
Vyskúšaj to
Parakeet v3 je dostupný už teraz vo verzii pre Mac — stačí si stiahnuť najnovší DMG. Aktualizácia: Parakeet je teraz dostupný aj v najnovšej verzii pre iOS.
Otázky alebo spätná väzba? Napíš na support@whispernotes.app.
Stiahnuť pre iOS