TL;DR
| Parakeet V3 | Whisper-jämförelse | |
|---|---|---|
| Hastighet | 10× vs Turbo; ~23× vs V3 | Turbo / Large V3 som baslinje |
| Språkstöd | 25 | 100+ |
| Felfrekvens engelska (WER) | 6,32% | Turbo 7,83%; V3 7,44% |
| Snittfel, 25 språk (WER) | 12,0% | 12,6% |
| Hallucinationer | Praktiskt taget inga vid tystnad i våra tester | Kan uppstå vid tystnad |
| Bäst för | Engelska & europeiska språk | Asiatiska språk, arabiska, 100+ |
* Hastighet: samma 35-minuters ljudfil på Apple Silicon. Engelsk WER: Hugging Face Open ASR Leaderboard. Snitt över 25 språk: FLEURS-benchmark. Beteendet vid tystnad är vår produktobservation, inte en garanti om noll fel.
Från och med version 1.3.2 (Direct Download / DMG) levereras Whisper Notes för Mac med NVIDIA Parakeet TDT 0.6B som standardmotor för tal. Den är 10× snabbare än Whisper Large V3 Turbo för engelska, och mer träffsäker. Whisper-modellerna finns kvar om du behöver andra språk.
Varför vi bytte standardmodell
Whisper är utmärkt, men den designades som en allmängiltig modell. Den hanterar 100+ språk, översätter, genererar tidsstämplar — en schweizisk armékniv. Priset är hastigheten. För engelsk diktering, där du bara vill ha orden på skärmen snabbt, är den överdimensionerad.
Här är det som störde mig: när jag använde systemomfattande diktering med Fn-tangenten och Whisper innebar en ~1 minut lång mening att vänta 3–5 sekunder på att transkriptet skulle dyka upp. Den pausen bryter flödet. Du slutar prata, du väntar, du stirrar på markören — det dödar magin i att röstskriva.
Parakeet förändrade det helt. Hastigheten är så hög att transkriptet visas i samma ögonblick som du slutar tala. Prata, och orden är bara där. När du väl har upplevt den känslan — det sömlösa flödet utan väntetid — är det verkligen svårt att gå tillbaka till Whisper.
Hur snabb är Parakeet V3?
Siffror säger mer än ord. Här är en verklig jämförelse med en 35-minuters ljudfil på samma Mac:
| Modell | 35 min ljud |
|---|---|
| Whisper Large V3 Turbo | 3 minuter |
| Parakeet TDT 0.6B v3 | 18 sekunder |
Det är 10× snabbare. Och eftersom modellen är mindre (600M mot 800M parametrar) använder den också mindre minne och mindre batteri.
Vad som gör Parakeet v3 så snabb
Whisper lyssnar på ljud på samma sätt som du skulle läsa en bok högt — ord för ord, bildruta för bildruta, utan att hoppa framåt. Även under tystnad fortsätter den att bearbeta och gissa vad som kommer härnäst. Det är grundligt, men långsamt.
Parakeet tar ett i grunden annorlunda grepp. Den komprimerar ljudsignalen 8× före bearbetningen, så modellen ser bara det som betyder något. Sedan, istället för att mala igenom varenda bildruta, förutsäger den inte bara vilket ord du sa, utan hur länge ordet varar — och hoppar framåt. Tystnad? Hoppas över helt. En lång vokal? En förutsägelse istället för dussintals.
Resultatet är en modell som bearbetar tal som din hjärna gör — fokuserar på orden och ignorerar luckorna. Det är därför den är 10× snabbare med färre parametrar och högre träffsäkerhet.
Benchmarks: Parakeet v3 vs Whisper
Parakeet v3 matchar eller slår modeller 2–4× dess storlek på FLEURS-, CoVoST- och MLS-benchmarks
På Hugging Face Open ASR Leaderboard toppar Parakeet v3 listan med bara 600M parametrar — mindre än hälften av Whisper Large V3:s 1,55B:
| Modell | Parametrar | Snitt-WER | Hastighet (RTFx) |
|---|---|---|---|
| Parakeet TDT 0.6B v3 | 0,6B | 6,32% | 3 333× |
| Canary 1B v2 | 1,0B | 7,15% | 749× |
| Whisper Large V3 | 1,55B | 7,44% | 146× |
| Whisper Large V3 Turbo | 0,8B | 7,83% | 350× |
Lägre WER = färre fel. Högre RTFx = snabbare. Parakeet vinner på båda. Med 600M parametrar är den dessutom den minsta modellen på listan — vilket betyder att den går utmärkt på Apple Silicon med minimal minnes- och batteripåverkan.
Flerspråkig WER: alla 25 språken
Topplistan ovan gäller enbart engelska. Här är hela bilden — hur de tre modellerna i Whisper Notes står sig över alla 25 språk som Parakeet stöder, uppmätt på FLEURS-benchmarken. Lägre WER = färre transkriptionsfel. Bästa värdet mellan Large V3 och Parakeet är markerat per rad:
| Språk | Whisper Small | Whisper Large V3 | Parakeet V3 |
|---|---|---|---|
| Bulgariska | 37,3 | 12,9 | 12,6 |
| Kroatiska | 33,4 | 11,1 | 12,5 |
| Tjeckiska | 37,6 | 11,3 | 11,0 |
| Danska | 32,8 | 12,6 | 18,4 |
| Nederländska | 16,4 | 5,6 | 7,5 |
| Engelska | 6,1 | 4,3 | 4,9 |
| Estniska | 51,3 | 19,1 | 17,7 |
| Finska | 24,0 | 7,7 | 13,2 |
| Franska | 15,0 | 6,3 | 5,2 |
| Tyska | 10,2 | 4,3 | 5,0 |
| Grekiska | 30,8 | 27,0 | 20,7 |
| Ungerska | 38,9 | 14,1 | 15,7 |
| Italienska | 9,8 | 2,3 | 3,0 |
| Lettiska | 53,2 | 18,3 | 22,8 |
| Litauiska | 65,6 | 22,3 | 20,4 |
| Maltesiska | 92,2 | 68,9 | 20,5 |
| Polska | 14,7 | 4,7 | 7,3 |
| Portugisiska | 7,3 | 3,7 | 4,8 |
| Rumänska | 29,8 | 8,2 | 12,4 |
| Ryska | 11,4 | 4,2 | 5,5 |
| Slovakiska | 33,3 | 8,4 | 8,8 |
| Slovenska | 49,3 | 19,9 | 24,0 |
| Spanska | 5,6 | 3,1 | 3,5 |
| Svenska | 20,8 | 7,9 | 15,1 |
| Ukrainska | 19,3 | 6,5 | 6,8 |
| Genomsnitt | 29,8 | 12,6 | 12,0 |
WER (%) på FLEURS. Whisper Small-data från Radford m.fl.; Large V3- och Parakeet V3-data från NVIDIA:s Canary-1B-v2-artikel.
Whisper Large V3 ligger före på de flesta enskilda språk, men Parakeet V3 är nära i genomsnitt (12,0% mot 12,6%), leder på grekiska, franska, estniska och maltesiska, och sänker Whisper Smalls genomsnittliga felfrekvens med omkring 60%. Den praktiska fördelen är kombinationen: flerspråkig träffsäkerhet i nivå med Large V3 i ungefär 23× hastigheten, ett mindre minnesavtryck och betydligt pålitligare hantering av tystnad i våra dikteringstester.
Varför den hallucinerar mindre vid tystnad
Om du har använt Whisper för diktering har du förmodligen sett den hallucinera under tystnad — upprepa fraser, hitta på ord eller spotta ur sig "Subtitles by Amara.org" från ingenstans. Det händer eftersom Whispers autoregressiva avkodare alltid förväntar sig att producera text, även när det inte finns något att transkribera.
Parakeets transducer-arkitektur kan avge tomma utdata istället för att tvinga fram en texttoken. I våra tester med systemomfattande diktering gör det den betydligt mindre benägen än Whisper att fylla en paus med upprepad eller orelaterad text. Den är fortfarande en talmodell, så "mindre benägen" är det korrekta påståendet, inte "aldrig".
Språk som Parakeet stöder
Parakeet v3 stöder 25 språk: bulgariska, kroatiska, tjeckiska, danska, nederländska, engelska, estniska, finska, franska, tyska, grekiska, ungerska, italienska, lettiska, litauiska, maltesiska, polska, portugisiska, rumänska, ryska, slovakiska, slovenska, spanska, svenska och ukrainska.
Det täcker större delen av Europa, men inte kinesiska, japanska, koreanska, arabiska eller hindi. För kinesiska, japanska, koreanska och kantonesiska, välj SenseVoice; för arabiska, hindi och andra språk utanför Parakeets uppsättning, använd Whisper Large V3 Turbo.
Modellväljare: Parakeet V3 (standard), SenseVoice Small, Whisper Small och Whisper Large V3 Turbo — alla körs lokalt
Modellväljaren i Whisper Notes
Öppna Inställningar för att växla mellan modeller:
- Parakeet V3 (standard) — Snabbast, bäst för engelska och europeiska språk
- SenseVoice Small — Snabbast för kinesiska, japanska, koreanska och kantonesiska
- Whisper Small — Lättviktig, 100+ språk
- Whisper Large V3 Turbo — Bred täckning av 100+ språk
Alla modeller körs 100% lokalt på din Mac. Inget internet, inget moln, ingen data lämnar din enhet.
Hur är det med Parakeet V2?
Om du använde V2 tidigare undrar du kanske hur de står sig mot varandra. V2 var en modell enbart för engelska — och dess engelska träffsäkerhet är faktiskt något bättre än V3:s (6,05% mot 6,32% WER). V3 byter den lilla marginalen mot stöd för 25 språk. Båda är betydligt mer träffsäkra än Whisper.
| Parakeet V2 | Parakeet V3 | Whisper Large V3 | |
|---|---|---|---|
| Engelsk WER | 6,05% | 6,32% | 7,44% |
| Språk | Endast engelska | 25 | 100+ |
Kort sagt: om du bara behöver engelska är både V2 och V3 utmärkta. V3 är standard i Whisper Notes eftersom flerspråkigt stöd betyder mest för de flesta användare — och skillnaden i engelsk träffsäkerhet är försumbar.
Hur är det med WhisperKit?
WhisperKit är Argmax öppna Swift-ramverk för att köra Whisper-modeller på Apple-enheter. Det är ett utvecklarverktyg, inte en app för slutanvändare — och det kör Whisper, inte Parakeet (som är NVIDIA:s modellfamilj). Vill du ha transkription på enheten i WhisperKit-stil utan att själv skriva Swift paketerar Whisper Notes samma idé som en färdig app: Parakeet V3, Whisper Large V3 Turbo och SenseVoice, alla lokalt på Mac och iPhone.
Vill du jämföra alla lokala alternativ? Varje tal-till-text-modell på enheten — Whisper-varianterna, Parakeet V3, SenseVoice och Voxtral — jämförs sida vid sida på vår jämförelsesida för Whisper-modeller. Ny på Whisper? Börja med Whisper-transkriptionsguiden — vad modellen är, alla sätt att köra den och vad den kostar.
Vanliga frågor
Är Parakeet V3 bättre än Whisper?
För engelska och europeiska språk, ofta ja. I vårt 35-minuterstest var Parakeet 10× snabbare än Whisper Turbo, och Open ASR Leaderboard rapporterar 6,32% engelsk WER för Parakeet mot 7,83% för Turbo. Whisper täcker fortfarande långt fler språk: 100+ mot Parakeets 25.
Vilka språk stöder Parakeet V3?
Parakeet V3 stöder 25 språk: bulgariska, kroatiska, tjeckiska, danska, nederländska, engelska, estniska, finska, franska, tyska, grekiska, ungerska, italienska, lettiska, litauiska, maltesiska, polska, portugisiska, rumänska, ryska, slovakiska, slovenska, spanska, svenska och ukrainska.
Kan jag köra Parakeet V3 på Mac?
Ja. Whisper Notes för Mac levereras med Parakeet V3 som standardmotor. Den körs 100% lokalt på Apple Silicon — inget internet, inget moln, ingen data lämnar din enhet. Ladda ner DMG:n med gratis provperiod för att testa.
Hallucinerar Parakeet V3 som Whisper?
Mycket mer sällan i våra tystnadstester, men ingen talmodell förtjänar påståendet "aldrig". Parakeet kan avge tomma utdata under pauser, medan Whispers autoregressiva avkodare är mer benägen till upprepade fraser eller orelaterad text när insignalen är tyst.
Parakeet V2 vs V3 — vilken ska jag använda?
Parakeet V2 är enbart engelska med något bättre engelsk träffsäkerhet (6,05% mot 6,32% WER). V3 byter den lilla marginalen mot 25 europeiska språk och är standard i Whisper Notes. Om du inte uteslutande transkriberar engelska och jagar den sista tiondelen av en procent, använd V3.
Stöder Parakeet V3 japanska, kinesiska eller koreanska?
Nej — dess 25 språk är alla europeiska. För kinesiska, japanska, koreanska eller kantonesiska innehåller Whisper Notes SenseVoice (52× snabbare än Whisper för CJK) och Whisper-modellerna. Alla körs offline på både Mac och iPhone.
Hur stor är Parakeet V3?
600 miljoner parametrar — en nedladdning på 465 MB som använder ungefär 800 MB minne under transkription i vår Mac-version. Whisper Large V3 Turbo är en nedladdning på cirka 1,6 GB och använder ungefär 1,6 GB minne i samma app.
Prova själv
Parakeet v3 finns nu i Mac-versionen — ladda bara ner den senaste DMG:n. Uppdatering: Parakeet finns nu även i den senaste iOS-versionen.
Frågor eller synpunkter? Mejla support@whispernotes.app.
Ladda ner för iOS