Chceli sme odpovedať na jednu otázku: existuje lokálny model, ktorý prepíše tvoj jazyk presnejšie než Whisper Large V3? Preto sme tieto modely otestovali na datasete FLEURS.
FLEURS je dataset od Googlu s čítanou rečou v 102 jazykoch. Z každého jazyka sme vzali zhruba 75 viet a pustili tie isté nahrávky, v tom istom poradí, piatimi modelmi:
- Parakeet V3
- Whisper Large V3 Turbo
- SenseVoice Small
- Whisper Small
- Qwen3-ASR 1.7B
Výsledky vyzerajú takto.
Qwen3-ASR 1.7B proti Whisper Large V3 Turbo — náš vlastný beh FLEURS, jeden M5 MacBook Air, čítaná reč, krátke nahrávky.
| Qwen3-ASR 1.7B | Whisper Large V3 Turbo | |
|---|---|---|
| Podporované jazyky | 30 | 101 |
| Jasné výhody | kantončina, hindčina, thajčina, vietnamčina, francúzština (5) | fínčina, maďarčina, gréčtina a ďalších 8 jazykov (11) |
| Rýchlosť | 8,7× rýchlejšie než v reálnom čase | 2,4× rýchlejšie než v reálnom čase |
| Špičková pamäť | 2,43 GiB | 1,87 GiB |
| Veľkosť sťahovania | asi 2,5 GB | asi 1,6 GB |
Mimo silných jazykov každého modelu je rozdiel v presnosti malý.
Whisper Large V3 proti Qwen3-ASR: podrobné porovnanie
Všetkých 30 jazykov, zoradených od najväčšej výhry Qwenu po jeho najväčšiu prehru. V oboch stĺpcoch platí, že nižšie je lepšie.
Náš vlastný beh FLEURS, jeden M5 MacBook Air, čítaná reč. Pre čínčinu, kantončinu, japončinu, kórejčinu a thajčinu CER, pre zvyšok WER; zelenou je označený náskok, ktorý je širší než párové 95 % intervaly.
| Jazyk | Qwen3-ASR 1.7B | Whisper Large V3 Turbo |
|---|---|---|
| Kantončina | 6,00 | 37,97 |
| Hindčina | 13,67 | 30,42 |
| Thajčina | 5,92 | 12,95 |
| Vietnamčina | 5,07 | 9,79 |
| Perzština | 26,98 | 30,03 |
| Arabčina | 14,14 | 15,75 |
| Indonézština | 4,97 | 6,50 |
| Francúzština | 3,98 | 5,39 |
| Čínčina | 5,69 | 6,88 |
| Angličtina | 5,07 | 5,92 |
| Nemčina | 3,51 | 4,10 |
| Japončina | 5,39 | 5,71 |
| Kórejčina | 3,51 | 3,70 |
| Španielčina | 3,60 | 3,76 |
| Taliančina | 2,98 | 3,05 |
| Ruština | 5,98 | 5,51 |
| Portugalčina | 5,64 | 4,91 |
| Macedónčina | 17,81 | 16,64 |
| Malajčina | 11,60 | 10,18 |
| Holandčina | 7,65 | 5,63 |
| Turečtina | 8,34 | 5,53 |
| Dánčina | 20,12 | 14,92 |
| Poľština | 12,78 | 5,32 |
| Rumunčina | 18,97 | 8,22 |
| Filipínčina | 20,44 | 9,37 |
| Švédčina | 20,04 | 8,72 |
| Čeština | 23,92 | 11,15 |
| Gréčtina | 30,20 | 12,97 |
| Fínčina | 26,08 | 6,54 |
| Maďarčina | 36,35 | 13,66 |
Náš vlastný párový beh na testovacom splite FLEURS, revízia 70bb2e84, zhruba 75 viet na jazyk, jeden M5 MacBook Air.
Päť jazykov, ktoré Qwen3-ASR 1.7B vyhráva jasne. Chybovosť v percentách, Qwen proti Turbu: kantončina (6,0 proti 38,0), hindčina (13,7 proti 30,4), thajčina (5,9 proti 13,0), vietnamčina (5,1 proti 9,8), francúzština (4,0 proti 5,4). Kantončina a thajčina sa počítajú po znakoch, zvyšok po slovách. Jeho výhoda leží v jazykoch počítaných po znakoch: pri čínčine, kantončine, japončine, kórejčine a thajčine mal priemer 5,3 % proti 13,4 % u Turba. Vo zvyšných dvadsiatich piatich, počítaných po slovách, mal priemer 14,0 % proti 10,2 % u Turba.
Jedenásť jazykov, ktoré Whisper Large V3 Turbo vyhráva jasne. Chybovosť v percentách, Qwen proti Turbu, všade počítané po slovách: maďarčina (36,4 proti 13,7), gréčtina (30,2 proti 13,0), fínčina (26,1 proti 6,5), čeština (23,9 proti 11,2), filipínčina (20,4 proti 9,4), dánčina (20,1 proti 14,9), švédčina (20,0 proti 8,7), rumunčina (19,0 proti 8,2), poľština (12,8 proti 5,3), turečtina (8,3 proti 5,5), holandčina (7,7 proti 5,6).
Štrnásť jazykov, kde je to tesné alebo vyrovnané. Angličtina (5,1 proti 5,9), nemčina (3,5 proti 4,1), španielčina (3,6 proti 3,8), taliančina (3,0 proti 3,1), ruština (6,0 proti 5,5), portugalčina (5,6 proti 4,9); čínčina (5,7 proti 6,9), japončina (5,4 proti 5,7) a kórejčina (3,5 proti 3,7) sa počítajú po znakoch. Ďalej arabčina, indonézština, perzština, malajčina a macedónčina. Každý rozdiel v tejto skupine je malý a leží vnútri 95 % pásma, takže tento beh oba modely nerozlíši.
Kantončina je jediný riadok, ktorý mení rozhodnutie: 6,00 % proti 37,97 %. SenseVoice Small, ktorý sme doteraz uvádzali ako odpoveď pre kantončinu, mal na tých istých nahrávkach 36,71 % CER. Na tejto sade čítanej reči latku neprekročí ani jeden z nich, takže staršie odporúčanie má odteraz túto výhradu.
Aký rýchly je Qwen3-ASR 1.7B?
Všetkých päť enginov sme merali v tom istom testovacom prostredí na jednom stroji (M5 MacBook Air), takže navzájom porovnateľné aspoň sú.
Medián faktora reálneho času cez všetky jazyky každého enginu v tom istom behu FLEURS, jeden M5 MacBook Air, čítaná reč.
| Engine | Jazyky | Medián rýchlosti v tomto behu (krátke nahrávky) |
|---|---|---|
| SenseVoice Small | 6 jazykov | 161,0× |
| Parakeet TDT 0.6B v3 | 25 | 82,9× |
| Qwen3-ASR 1.7B | 30 uvádzaných | 8,7× |
| Whisper Small | 101 | 6,4× |
| Whisper Large V3 Turbo | 101 | 2,4× |
Toto sú čísla namerané rovnakým meracím skriptom na krátkych nahrávkach a sú nižšie než to, čo tie isté enginy zvládnu na dlhej nahrávke. Ten stĺpec používaj len na porovnanie enginov medzi sebou vnútri tohto jedného behu.
Parakeet V3 a SenseVoice Small sú v tom istom prostredí zhruba o rád rýchlejšie než Qwen3-ASR. Na dlhých súboroch namiesto krátkych nahrávok bežal Parakeet 103× rýchlejšie než v reálnom čase na M4 Pro a SenseVoice 52× a lepšie: iné meranie na inom zvuku, ale ukazuje rovnakým smerom.
Qwen3-ASR je niekde uprostred. V tomto behu na krátkych nahrávkach nebol najpomalší, najpomalší bol Whisper Large V3 Turbo. Kolíše však medzi jazykmi viac než ostatné: od 2,7× v gréčtine po 12,4× v japončine.
Koľko Qwen3-ASR stojí pamäte a miesta na disku?
Špičková pamäť je najväčšia stopa procesu nameraná na položkách toho istého behu FLEURS, jeden M5 MacBook Air, čítaná reč, krátke nahrávky.
| Engine | Veľkosť sťahovania | Špičková pamäť v tomto behu |
|---|---|---|
| Parakeet TDT 0.6B v3 | 465 MB | 0,09 GiB |
| Whisper Small | 600 MB | 0,87 GiB |
| SenseVoice Small | 827 MB | 0,95 GiB |
| Whisper Large V3 Turbo | asi 1,6 GB | 1,87 GiB |
| Qwen3-ASR 1.7B | asi 2,5 GB | 2,43 GiB |
Na oboch osiach je Qwen3-ASR z pätice najťažší: asi 2,5 GB na stiahnutie a 2,43 GiB špičkovej pamäte procesu v tomto behu, proti asi 1,6 GB a 1,87 GiB pri Whisper Large V3 Turbo.
Na stroji s 8 GB existuje ľahšia cesta. Parakeet V3 pokryje 25 jazykov v 465 MB a 0,09 GiB a Whisper Small 101 jazykov v 600 MB a 0,87 GiB.
Ako sme merali: FLEURS, 30 jazykov, jeden Mac
Qwen3-ASR 1.7B bežal ako build MLX 8-bit, Whisper Large V3 Turbo ako build ggml pre whisper.cpp na Metale. Dáta sú testovací split Google FLEURS v revízii 70bb2e84 (CC-BY-4.0): 83 zo 102 jazykov, zhruba 75 viet a 15 minút na každý, tie isté nahrávky v tom istom poradí pre každý model; párové porovnanie je 30 jazykov Qwenu. WER pre jazyky oddelené medzerami, CER pre čínčinu, kantončinu, japončinu, kórejčinu a thajčinu, nikdy nezlučované do jedného čísla; intervaly chyby sú bootstrap na úrovni položiek s 10 000 prevzorkovaniami. Jeden M5 MacBook Air, 32 GB, macOS 26.5, ani jeden model nevrátil prázdne výstupy či chyby.
FLEURS je čítaná reč, nie porada a nie diktovanie. Poradie z čítanej reči nám dvakrát neprežilo stret so skutočným zvukom, takže ho neextrapolujeme na dlhé nahrávky: tieto tabuľky hovoria, či je model pre tvoj jazyk vôbec kandidát, nie akú presnosť dostaneš. Vyhodnotenie Qwen3-ASR 1.7B na skutočných poradách vyjde samostatne.
Máš prejsť z Whisper Large V3 na Qwen3-ASR?
Jazyk po jazyku — takto by sme na to odpovedali vnútri Whisper Notes pre Mac.
- Ak prepisuješ kantončinu, hindčinu, thajčinu, vietnamčinu alebo francúzštinu: vezmi Qwen3-ASR 1.7B.
- Ak prepisuješ čínčinu, japončinu, kórejčinu, angličtinu, nemčinu, španielčinu alebo taliančinu: viedol o vlások a viac než vlások tvrdiť nebudeme. Oba modely sú v poriadku, rovnako ako pri perzštine, arabčine, indonézštine, ruštine, portugalčine, macedónčine a malajčine.
- Ak prepisuješ fínčinu, maďarčinu, gréčtinu, češtinu, švédčinu, dánčinu, poľštinu, rumunčinu, filipínčinu, turečtinu alebo holandčinu: zostaň pri Whisper Large V3 Turbo. Všetkých jedenásť vyhral jasne.
- Ak ti ide o rýchlosť alebo miesto na disku: tento engine to nie je. Parakeet V3 a SenseVoice Small boli o rád rýchlejšie pri zlomku veľkosti sťahovania a Whisper Small pokryje 101 jazykov v 600 MB pri 6,4×.
- Ak si na iPhone alebo na verzii z Mac App Store: tam engine zatiaľ nie je. Na týchto kanáloch je pre kantončinu voľbou SenseVoice.
Toto je port otvoreného Qwen3-ASR od Alibaby do zariadenia, ako ho urobil Whisper Notes pre Mac: otvorené váhy prevedené do Apple MLX v 8-bit, bežiace na GPU tvojho Macu, bez odosielania zvuku na servery Alibaby. Nie je to ten istý model ako 0.6B, ktorý SenseVoice nahradil v priamom stiahnutí pre Mac (DMG) 1.5.0.
Ako ho zapnúť (priame stiahnutie pre Mac, DMG 1.6.0 a novšie): Nastavenia → Model prepisu → Qwen3-ASR 1.7B. Model sa stiahne vnútri aplikácie pri prvom použití a má asi 2,5 GB. Vyžaduje macOS 15 alebo novší na Apple silicon, odporúčame 16 GB pamäte; zvyšok aplikácie beží na macOS 14. Zoznam jazykov po enginoch je na stránke podpory jazykov. Lokálne CLI a MCP server prijímajú „qwen“, „qwen3“ a „qwen3-asr“.
Ak prepínať nechceš, meniť nemusíš nič: Parakeet V3 je stále predvolený.
Často kladené otázky
Je Qwen3-ASR presnejší než Whisper Large V3 Turbo?
Závisí od jazyka a pomer je takmer vyrovnaný. V našom vlastnom behu FLEURS vnútri Whisper Notes pre Mac, v 30 jazykoch, ktoré pokrývajú oba modely, bol Qwen3-ASR 1.7B vpredu v 15 a Whisper Large V3 Turbo v 15. Qwen viedol jasne v kantončine (6,00 % proti 37,97 % CER), hindčine (13,67 % proti 30,42 % WER), thajčine, vietnamčine a francúzštine. Turbo viedlo jasne vo fínčine (6,54 % proti 26,08 % WER), maďarčine, gréčtine, češtine, švédčine, dánčine, poľštine, rumunčine, filipínčine, turečtine a holandčine. Štrnásť z tridsiatich rozdielov leží vnútri intervalov chyby a treba ich čítať ako remízu. Zvoľ Qwen3-ASR, ak je tvoj jazyk v jeho stĺpci výhier a používaš priame stiahnutie Whisper Notes pre Mac (DMG); vo všetkom ostatnom a pre každý jazyk mimo tých 30 zvoľ Whisper Large V3 Turbo, pretože Whisper zvládne všetkých 101 jazykov.
Môžem Qwen3-ASR použiť na iPhone alebo z Mac App Store?
Dnes je v priamom stiahnutí Whisper Notes pre Mac (DMG) od verzie 1.6.0. Verzia z Mac App Store má novšie enginy dostať v neskorších vydaniach, dátum však nemáme. Zatiaľ majú aplikácia pre iPhone aj verzia z Mac App Store tri rodiny enginov — Whisper, Parakeet V3 a SenseVoice — a každý jazyk, ktorý Qwen rozpozná, tam pokrýva aj Whisper. Počítané v modeloch ponúka verzia z Mac App Store dnes štyri a priame stiahnutie päť, pretože Whisper je k dispozícii ako Small aj ako Large V3 Turbo. Ak potrebuješ kantončinu na iPhone, použi tam SenseVoice.
Qwen3-ASR, alebo SenseVoice na čínčinu, japončinu a kórejčinu?
V presnosti sú blízko, v rýchlosti veľmi ďaleko od seba. V našom behu FLEURS mal Qwen3-ASR 5,69 % CER v čínčine, 5,39 % v japončine a 3,51 % v kórejčine; SenseVoice Small na tých istých nahrávkach 7,06 %, 6,85 % a 7,82 %. SenseVoice v tom behu išiel na mediáne 161× rýchlejšie než v reálnom čase proti 8,7× u Qwenu, sťahuje 827 MB proti asi 2,5 GB a je k dispozícii na iPhone aj v oboch verziách pre Mac. Zvoľ SenseVoice, iba ak neprepisuješ kantončinu: tam mal Qwen3-ASR 6,00 % CER proti 36,71 % u SenseVoice a ten rozdiel za čakanie stojí.
Aké sú systémové požiadavky Qwen3-ASR 1.7B?
Mac s Apple silicon na macOS 15 alebo novšom, odporúčaných 16 GB pamäte, plus asi 2,5 GB miesta na disku na samotný model. Je to viac než zvyšok Whisper Notes pre Mac, ktorý beží na macOS 14 a novšom. V našom benchmarkovom behu model vyšplhal na 2,43 GiB pamäte procesu, najvyššie z piatich enginov. Na Macu s 8 GB pokryje ten istý zoznam 101 jazykov Whisper Small v 600 MB a 25 európskych jazykov Parakeet V3 v 465 MB.
Opustí zvuk môj Mac, keď použijem Qwen3-ASR?
Nie. Alibaba ponúka Qwen3-ASR aj ako cloudovú službu cez API DashScope Real-time a FileTrans, kam sa zvuk nahráva na ich servery. Whisper Notes ich nepoužíva. Otvorené váhy spúšťa lokálne ako model MLX 8-bit na GPU tvojho Macu, bez účtu a bez API kľúča, a prepis funguje s vypnutou sieťou. Platí to o každej rodine enginov v aplikácii, vo všetkých kanáloch.
Prečo tieto čísla nesedia s presnosťou, ktorú dostávam na svojich nahrávkach?
Pretože FLEURS je krátka, čistá, čítaná reč, a tvoje nahrávky nie sú. Náš beh je kalibrácia na verejnom datasete: zhruba 75 viet na jazyk, jeden M5 MacBook Air, tie isté nahrávky pre každý model. Hodí sa na otázku, či je model pre daný jazyk vôbec kandidát, a nie je to predpoveď tvojej presnosti na porade, na hlučnom zvuku, na reči s prízvukom ani na dvojhodinovom súbore.
Vyskúšaj to
Qwen3-ASR 1.7B je vo Whisper Notes pre Mac 1.6.0 a novších, len v priamom stiahnutí (DMG). Nastavenia → Model prepisu. Bezplatný skúšobný režim zahŕňa 10 000 slov, čo stačí na to, aby si ním prehnal vlastný jazyk a s tabuľkami vyššie nesúhlasil.
Keď nájdeš jazyk, kde naše čísla nesedia s tvojou skúsenosťou, napíš na mac@whispernotes.app. Kompletné poznámky k vydaniu: whispernotes.app/changelog.
Zdroje ku všetkému vyššie: náš beh na testovacom splite Google FLEURS v revízii 70bb2e84, karta modelu Qwen3-ASR 1.7B a tabuľka jazykov po enginoch na stránke podpory jazykov, ktorá sa generuje z vlastného zdrojového kódu aplikácie.
Stiahnuť pre macOS