Apple, macOS 26 ve iOS 26 ile birlikte cihaz üzerinde çalışan yeni nesil konuşma tanımayı kullanıma sundu: SpeechAnalyzer ve SpeechTranscriber; aşağıda kısaca Apple Speech diyeceğiz. Eski dikte motorundan belirgin biçimde daha doğru. Öğrenmek istediğimiz, gerçek kullanımda insanların indirdiği cihaz üzerinde çalışan açık modellerle — Whisper, Parakeet, Qwen3-ASR ve SenseVoice — karşılaştırıldığında nasıl bir sonuç verdiğiydi: Apple'ın yerleşik konuşma tanıması artık bir transkripsiyon uygulamasını tamamen atlayabileceğiniz kadar iyi mi?
Zaten sahip olduğunuz dikteye göre ne kadar daha iyi?
Şimdiye kadar Mac'in konuşma tanıması, sistem diktesinin bugün hâlâ kullandığı SFSpeechRecognizer döneminden kalma motordu (DictationTranscriber). macOS 26 ve iOS 26'nın eklediği, SpeechAnalyzer API'si ve onun SpeechTranscriber modülüdür. İkisini de aynı Mac'te, dil başına yaklaşık 150 cümle ve 30 dakikadan oluşan FLEURS test bölümünde çalıştırdık.
| Dil | Apple Dikte | Apple Speech |
|---|---|---|
| Korece | 7.11 | 4.31 |
| İtalyanca | 6.93 | 4.39 |
| İspanyolca (Latin Amerika) | 8.43 | 5.41 |
| Almanca | 12.69 | 6.26 |
| Japonca | 9.37 | 6.36 |
| Fransızca | 17.10 | 7.61 |
| Çince | 10.28 | 7.97 |
| Kantonca | 10.18 | 8.69 |
| İngilizce | 13.83 | 8.80 |
| Portekizce (Brezilya) | 10.85 | 9.35 |
İki Apple motorunun da temiz ölçtüğü tüm diller, Apple Speech'in hata oranına göre sıralı; yeşil satırdaki daha iyi değeri gösterir. Aynı koşu, aynı klipler, aynı Mac. Japonca, Korece, Çince ve Kantonca için CER, kalanlar için WER.
Apple Speech, iki motorun da temiz ölçtüğü on dilin tamamında daha doğruydu. Fransızca ve Almancada hataların yarıdan fazlası, medyan dilde yaklaşık üçte biri, Brezilya Portekizcesi ve Kantoncada ise yaklaşık her yedi hatadan biri ortadan kalktı.
Dikte hâlâ daha fazla dile ulaşır. Apple Speech bu koşudaki 83 dil yapılandırmasının 21'inde, dikte ise 33'ünde sonuç verdi; bunlara yeni motorda bulunmayan Felemenkçe, Lehçe ve Rusça da 17.34, 13.50 ve 13.13 değerleriyle dahildir. Alıntılanacak sabit bir liste de yoktur. Dil varlıkları macOS'a aittir; bu nedenle bir uygulama, ilgili makinede nelerin bulunduğunu çalışma zamanında sorar.
Öyleyse indirilen modelleri atlayabilir misiniz?
Altı motor, aynı klipler, tek bir Mac. Aşağıdaki on dil, en çok kullanılan dillerden onudur ve puanlarla ilgisi olmayan sabit bir sıradadır.
| Dil | Apple Speech | Qwen3-ASR | Whisper Large | Whisper Small | Parakeet | SenseVoice |
|---|---|---|---|---|---|---|
| İngilizce | 8.80 | 4.49 | 5.49 | 7.04 | 6.89 | 8.46 |
| Almanca | 6.26 | 2.85 | 4.05 | 8.67 | 6.26 | — |
| Felemenkçe | — | 7.36 | 5.69 | 16.75 | 8.58 | — |
| Rusça | — | 5.65 | 5.13 | 11.37 | 7.12 | — |
| Lehçe | — | 12.59 | 5.45 | 15.81 | 8.30 | — |
| Japonca | 6.36 | 5.74 | 5.30 | 11.37 | — | 6.78 |
| Korece | 4.31 | 3.54 | 4.25 | 7.30 | — | 7.85 |
| Fransızca | 7.61 | 4.57 | 5.97 | 13.24 | 5.83 | — |
| Çince | 7.97 | 6.49 | 7.97 | 20.50 | — | 7.69 |
| İspanyolca (Latin Amerika) | 5.41 | 3.38 | 3.62 | 6.22 | 4.86 | — |
En çok kullanılan dillerden onu, sütun başına bir motor. Her hücre o motorun hata oranıdır; düşük olan daha iyidir. Yeşil satırın en düşüğünü, beyaz ikinci düşüğünü gösterir. Japonca, Korece ve Çince için CER, kalanlar için WER kullanıldı; ikisi hiçbir zaman tek bir sayıda birleştirilmedi. Whisper Notes ekibi olarak kendi FLEURS koşumuz, tek bir M5 MacBook Air üzerinde, okunmuş konuşma.
Kısa adlar: Qwen3-ASR = Qwen3-ASR 1.7B, Whisper Large = Whisper Large V3 Turbo, Parakeet = Parakeet V3, SenseVoice = SenseVoice Small. Tire, motorun o dil için modeli olmadığı anlamına gelir.
On dilin altısında en düşük hata oranı Qwen3-ASR 1.7B'ye, diğer dördünde Whisper Large V3 Turbo'ya ait; Apple Speech hiçbirinde lider değil. Satır liderine en çok Korecede yaklaşır; fark 0.77 puandır. Ardından 1.06 ile Japonca ve 1.48 ile Çince gelir; Çincede 7.97 ile Whisper Large V3 Turbo'yla aynı düzeydedir. En büyük fark İngilizcededir: 4.49'a (Qwen3-ASR 1.7B) karşı 8.80 (Apple Speech). Felemenkçe, Lehçe ve Rusçada ise Apple Speech sonucu hiç yoktur.
Whisper Small'a karşı Apple Speech, ikisinin de temiz ölçtüğü on dilin sekizinde daha doğruydu. Kaybettiği iki dil İngilizce, 7.04'e (Whisper Small) karşı 8.80 (Apple Speech), ve Brezilya Portekizcesi, 8.61'e karşı 9.35'tir.
Temmuz ayında yayımlanan bir karşılaştırma, İngilizcede Apple Speech'i Whisper Small'a karşı ölçtü ve Apple'ı önde buldu. Karşılaştırmaya hangi Whisper sürümünün girdiği kadar klipler de önemlidir. O çalışma, sesli kitap anlatıcılarının yüksek sesle okuduğu LibriSpeech'i kullandı; bizimki ise çok sayıda farklı konuşmacının Vikipedi cümlelerini okuduğu FLEURS'tür. Bizim koşumuz İngilizcedeki farkı gösterir, nedenini açıklayamaz.
Whisper Large V3 Turbo'yla karşılaştırıldığında sıralama tersine döner. Apple Speech bu on dilin sekizinde geride kalır, Çincede 7.97 ile berabere kalır ve yalnızca Kantoncada 36.75'e (Whisper Large V3 Turbo) karşı 8.69 (Apple Speech) ile öne geçer — aşağıdaki Kantonca satırına bakın. OpenAI'ın Turbo sürüm notları, Kantoncayı modelin en çok gerilediği diller arasında sayar; dolayısıyla 36.75 bu koşuya özgü bir tuhaflık değil, Whisper'ın bilinen bir zayıflığıdır.
Korecede Apple Speech yaklaşık her 23 karakterden birini yanlış tanır. Bu koşunun en doğru modeli Qwen3-ASR 1.7B ise yaklaşık her 28 karakterden birini yanlış tanır: değerler 4.31'e (Apple Speech) karşı 3.54'tür (Qwen3-ASR 1.7B).
Parakeet V3 465 MB indirir ve iki motorun da kapsadığı her Avrupa dilinde daha doğrudur: İngilizcede 8.80'e (Apple Speech) karşı 6.89 (Parakeet V3), Fransızcada 7.61'e karşı 5.83, İspanyolcada 5.41'e karşı 4.86, İtalyancada 4.39'a karşı 3.43 ve Brezilya Portekizcesinde 9.35'e karşı 6.49; Almancada ikisi de 6.26 ile beraberdir. Japonca, Korece, Çince veya Kantonca modeli yoktur; dolayısıyla bu dillerde ikisi arasında var olan motor Apple Speech'tir.
Qwen3-ASR 1.7B'nin lider olduğu altı satır arasında İngilizce, Almanca, Fransızca ve İspanyolca bulunur.
SenseVoice Small, 162.3× gerçek zamanla buradaki en hızlı motordur; Çince ve İngilizcede Apple Speech'le aynı düzeydedir: sırasıyla 7.97'ye (Apple Speech) karşı 7.69 (SenseVoice Small) ve 8.80'e karşı 8.46. Korecede ise 4.31'e (Apple Speech) karşı 7.85 (SenseVoice Small) ile çok geride kalır.
Boyut ve hız
| Motor | Hız | Zirve bellek | İndirme |
|---|---|---|---|
| SenseVoice Small | 162.3× gerçek zaman | 0.95 GiB | 827 MB |
| Parakeet V3 | 75.6× gerçek zaman | 0.09 GiB | 465 MB |
| Apple Speech | 30.8× gerçek zaman | bildirilmedi | <5 MB |
| Qwen3-ASR 1.7B | 11.1× gerçek zaman | 2.43 GiB | yaklaşık 2.5 GB |
| Whisper Small | 7.9× gerçek zaman | 0.87 GiB | 600 MB |
| Whisper Large V3 Turbo | 3.0× gerçek zaman | 1.87 GiB | yaklaşık 1.6 GB |
Hız, yalnızca çalıştırdığı diller sayılarak bu yazının temiz ölçtüğü on üç dilde her motorun medyanıdır: tekil öğe işleme verimi, bir tanılama değeri; ürün gecikmesi değil. Zirve bellek, bu koşudaki süreç grubunun zirvesidir. Apple Speech, çağıran uygulamaya ait olmayan bir macOS hizmetinde kod çözer; bu yüzden oradaki hiçbir sayı diğer beş motorla aynı şeyi ifade etmez.
Apple Speech 30.8× gerçek zamanda çalıştı; Parakeet V3'ün 75.6× ve SenseVoice Small'un 162.3× hızlarının gerisinde kaldı. Dil paketi macOS tarafından bir kez indirilir ve tüm uygulamalar arasında paylaşılır; bu nedenle uygulamanın kendi sürecinde bunun için hiçbir şey ayrılmaz. Kod çözme hizmeti yine de bellek kullanır ve bunu tam olarak ilişkilendiremeyiz; bu yüzden sıfır yazmak yerine orada sayı bildirmiyoruz.
Whisper Large V3 Turbo, 3.0× gerçek zamanla buradaki en yavaş motordur; on satırın dördünde en düşük hata oranına sahiptir ve diskte yaklaşık 1.6 GB yer kaplar. Qwen3-ASR 1.7B diğer altı satırda liderdir; diskte yaklaşık 2.5 GB yer kaplar ve 2.43 GiB zirveye ulaşır. Yerleşik bir motor için adil karşılaştırma, 600 MB'lık Whisper Small'dır.
Apple Speech hangi diller için iyi bir seçim?
Dil dil:
- İngilizce: iyi bir seçim değil. Apple Speech 8.80 aldı; Qwen3-ASR 1.7B (4.49) veya Whisper Large V3 Turbo (5.49) açıkça daha doğru.
- Almanca: iyi bir seçim değil. Apple Speech 6.26 aldı; Qwen3-ASR 1.7B (2.85) veya Whisper Large V3 Turbo (4.05) açıkça daha doğru.
- Felemenkçe, Rusça ve Lehçe: Apple Speech'in bu üç dil için modeli yok. Whisper Large V3 Turbo her birinde 5.69, 5.13 ve 5.45 ile en doğru motordu.
- Japonca: kullanılabilir. Apple Speech 6.36 aldı ve Whisper Large V3 Turbo'nun 5.30 ile gerisinde kaldı.
- Korece: kullanılabilir. Apple Speech 4.31 aldı ve Qwen3-ASR 1.7B'nin 3.54 ile gerisinde kaldı.
- Fransızca: iyi bir seçim değil. Apple Speech 7.61 aldı; Qwen3-ASR 1.7B (4.57) veya Parakeet V3 (5.83) açıkça daha doğru.
- Çince: kullanılabilir. Apple Speech 7.97 aldı ve Whisper Large V3 Turbo ile aynı düzeydeydi; en doğru motor Qwen3-ASR 1.7B ve sonucu 6.49'du.
- İspanyolca: iyi bir seçim değil. Apple Speech 5.41 aldı; Qwen3-ASR 1.7B (3.38) veya Whisper Large V3 Turbo (3.62) açıkça daha doğru.
Doğrulukta hâlâ indirilen modeller kazanıyor: ana tablonun her satırında Qwen3-ASR 1.7B veya Whisper Large V3 Turbo lider. Apple Speech Korece, Japonca ve Çincede gerçek bir seçenek; Avrupa dillerinde ise Parakeet V3 tercih edilmeli.
Mac için Whisper Notes'ta Parakeet V3 hâlâ varsayılan model. Mac uygulamasının web sitemizden indirilen sürümünde Apple Speech, macOS 26 veya sonrasında isteğe bağlı bir model olarak kullanılabiliyor; uygulama bir dili yalnızca macOS o dilin Mac'inizde desteklendiğini bildirdiğinde sunuyor.
Apple Speech, bu yazıda Apple'ın SpeechTranscriber teknolojisine verilen kısa addır; macOS 26 veya sonrasında her Mac uygulamasının çağırabileceği cihaz üzerindeki API'dir. İndirdiğiniz bir model değil, sistemin motorudur: Mac için Whisper Notes bunu web sitemizden indirilen sürümde, macOS'un sağladığı dil paketiyle kullanabilir. Uygulamanın kendi indirdiği modeller ise bu sürümde yine Whisper, Parakeet V3, SenseVoice ve Qwen3-ASR; iPhone ve Mac App Store sürümünde Whisper, Parakeet V3 ve SenseVoice. Motor başına tablo Whisper, Parakeet V3 ve SenseVoice tarafından desteklenen diller listemizde.
On dilin ötesi
| Dil | Apple Speech | Qwen3-ASR | Whisper Large | Whisper Small | Parakeet | SenseVoice |
|---|---|---|---|---|---|---|
| İtalyanca | 4.39 | 2.58 | 2.58 | 7.64 | 3.43 | — |
| Kantonca | 8.69 | 6.44 | 36.75 | 119.01 | — | 37.23 |
| Portekizce (Brezilya) | 9.35 | 5.17 | 5.44 | 8.61 | 6.49 | — |
| Hintçe | 101.50 | 13.19 | 29.64 | 61.26 | — | — |
Aynı koşudan dört dil daha. Yukarıdakiyle aynı sütunlar, renkler ve kısa adlar; Kantonca için CER, kalanlar için WER.
Apple Speech'in Hintçe sonucu, aşağıda açıklanan nedenle o satırın sıralamasına alınmıyor. Eklemeler de paya dahil edildiğinden hata oranı %100'ü aşabilir.
İtalyancadaki 4.39 (Apple Speech), Qwen3-ASR 1.7B ile Whisper Large V3 Turbo arasındaki 2.58'lik beraberliğin gerisinde. Bu dört dil arasında Kantonca, Apple Speech'in Whisper Large V3 Turbo'yu geride bıraktığı tek dildir; değerler 36.75'e (Whisper Large V3 Turbo) karşı 8.69 (Apple Speech), lider ise 6.44 ile Qwen3-ASR 1.7B'dir. Brezilya Portekizcesindeki 9.35 (Apple Speech), Whisper Small'un 8.61 ile öne geçtiği iki satırdan biridir.
Hintçe farklı türde bir sonuçtur. Apple Speech Hintçeyi kendi yazım biçimiyle yazmak yerine İngilizce harflerle heceledi; bu nedenle neredeyse her sözcük yanlış sayıldı ve oran %100'ü aştı. Teluguca, Urduca, Pencapça, Bengalce, Nepalce, Malayalamca, Marathice, Kannadaca, Guceratça ve Tamilce de aynı şekilde geldi; hepsi %100'ün üzerindeydi, bu yüzden tablodan çıkarıldı.
SpeechAnalyzer nasıl çalışır
SpeechAnalyzer, Apple'ın iOS 10'dan beri sunduğu konuşma tanıma API'sinin watchOS dışındaki tüm Apple platformlarında yerini alır. Bir uygulama bir SpeechAnalyzer oluşturur, ona modüller verir ve kendi doldurduğu eşzamansız bir dizi olarak ses besler; konuşmayı metne çeviren modül SpeechTranscriber'dır. Sonuçlar genellikle başka bir görevde ikinci bir dizi olarak döner; her arabellek ve her sonuç, sesin kendi zaman çizelgesine göre zaman kodludur.
Bir oturum, üç görev: ses AsyncSequence olarak girer, SpeechAnalyzer ve SpeechTranscriber bunu analiz eder, sonuçlar da arayüzün okuyabileceği ikinci bir AsyncSequence olarak döner. Kaynak: Apple, WWDC25 277. oturum.
Sonuçlar iki kez gelir. Apple'ın değişken aralık dediği bölümün içindeki her şey daha iyi bir sonuçla değiştirilebilir; dışındaki her şey kesindir. Bir uygulama siz hâlâ konuşurken kaba bir dökümü böyle gösterir ve ardından düzeltir. Apple, SpeechTranscriber modeli için beş tasarım hedefi belirtiyor: uzun ses, konuşma dili, uzaktaki konuşmacılar, düşük gecikme ve cihaz üzerinde çalışma anlamında gizlilik. Notlar, Sesli Notlar, Günlük ve arama özetleme bunun üzerine kurulu.
Apple'ın SpeechTranscriber modeli için belirttiği beş tasarım hedefi. Kaynak: Apple, WWDC25 277. oturum.
Modeller hiçbir uygulamanın parçası değil. AssetInventory aracılığıyla Apple'ın sunucularından indirilir, sistem tarafından saklanıp güncellenir ve uygulamalar arasında paylaşılır. Uygulamanın indirme boyutuna bir şey eklemezler; kod çözme çağrıyı yapan sürecin dışında gerçekleşir. SpeechTranscriber'ın bir dil veya cihaz için modeli yoksa DictationTranscriber, sistem diktesiyle aynı modelleri kullanarak devralır.
Yöntem ve sınırlamalar
Bu tablolardaki altı motorun beşi Whisper Notes'un indirdiği modellerdir. Her motor aynı klipleri, aynı sırada, teker teker bir M5 MacBook Air'da (32 GB, macOS 27.0) yazıya döktü. Ses, Google FLEURS test bölümünün 70bb2e84 revizyonundan; dil başına yaklaşık 150 cümle ve 30 dakika. Veri kümesinin kendi öğe kimliklerinin sabit özeti öğeleri sıralıyor ve otuz dakikayı geçen en kısa tam öğe dizisini alıyoruz; hiçbir model çıktısı bu seçimde rol oynamadı. Her hücre kendi kaydından yeniden oluşturulup tekrar kontrol edildi ve 285'inin tamamı geçti. Puanlar, sözcüklerin boşluklarla ayrıldığı dillerde WER; Japonca, Korece, Çince ve Kantoncada CER'dir ve ikisi asla tek sayıda birleştirilmez.
Whisper sütunlarını OpenAI'ın kendi sayılarıyla karşılaştırabilirsiniz. OpenAI'ın Whisper Large V3 Turbo için FLEURS sonucu yayımladığı on iki dilde sayılarımız onlarınkinden ortalama 0.7 puan farklıdır ve on iki dilin onu bu koşunun %95 aralığına girer; Güney Asya dillerine ait satırların dışındaki on bir dilde Whisper Small sayılarımız, Whisper makalesindeki dil başına tablodan ortalama 1.0 puan farklıdır. Apple Speech sütunu aynı klipler, aynı puanlayıcı ve aynı normalleştiriciyle elde edildi.
FLEURS temiz okunmuş konuşmadır. Buradaki hiçbir şey bu motorların gürültülü bir odada veya iki saatlik bir toplantı boyunca nasıl davrandığını söylemez; orada aralarındaki farkı ölçmedik. Hepsi tek bir makinede çalıştı. Dil başına yaklaşık 150 cümleyle, aralarında yaklaşık bir puandan az fark bulunan iki motor beraberedir; tablolar da tam beraberlikleri böyle işaretler. Örneğin İtalyancada Qwen3-ASR 1.7B ve Whisper Large V3 Turbo 2.58 ile beraberdir.
Sık Sorulan Sorular
Apple Speech mi, Whisper Small mı daha doğru?
Apple Speech; ikisinin de temiz ölçtüğü on dilin sekizinde. Kaybettiği diller İngilizce, 7.04'e (Whisper Small) karşı 8.80 (Apple Speech), ve Brezilya Portekizcesi, 8.61'e karşı 9.35. En büyük farkları Çince, 20.50'ye (Whisper Small) karşı 7.97 (Apple Speech); Fransızca, 13.24'e karşı 7.61; Japonca, 11.37'ye karşı 6.36; ve Kantonca, 119.01'e karşı 8.69. Whisper Small 600 MB indirir ve Apple Speech'in 30.8×'ine karşı 7.9× gerçek zamanda çalıştı.
Apple Speech mi, Parakeet V3 mü daha doğru?
Parakeet V3; iki motorun da kapsadığı her Avrupa dilinde: İngilizcede 8.80'e (Apple Speech) karşı 6.89 (Parakeet V3), Fransızcada 7.61'e karşı 5.83, İspanyolcada 5.41'e karşı 4.86, İtalyancada 4.39'a karşı 3.43 ve Brezilya Portekizcesinde 9.35'e karşı 6.49; Almancada ikisi de 6.26 ile beraberdir. Parakeet V3'ün Japonca, Korece, Çince veya Kantonca modeli yoktur; dolayısıyla bu dillerde ikisi arasında var olan motor Apple Speech'tir. Parakeet V3 465 MB indirir ve 75.6× gerçek zamanda çalıştı; Apple Speech ise 30.8×.
Apple Speech mi, Whisper Large V3 Turbo mu daha doğru?
Whisper Large V3 Turbo; ikisinin de temiz ölçtüğü on dilin sekizinde: İngilizcede 8.80'e (Apple Speech) karşı 5.49 (Whisper Large V3 Turbo), Almancada 6.26'ya karşı 4.05, Japoncada 6.36'ya karşı 5.30, Korecede 4.31'e karşı 4.25, Fransızcada 7.61'e karşı 5.97, İspanyolcada 5.41'e karşı 3.62, İtalyancada 4.39'a karşı 2.58, Brezilya Portekizcesinde 9.35'e karşı 5.44. Çincede 7.97 ile berabereler; Apple Speech yalnızca Kantoncada öndedir: 36.75'e (Whisper Large V3 Turbo) karşı 8.69 (Apple Speech). Turbo ayrıca Felemenkçe, Rusça ve Lehçeyi de kapsar: 5.69, 5.13 ve 5.45. Yaklaşık 1.6 GB'dır ve 3.0× gerçek zamanla buradaki en yavaş motordur.
Apple Speech hangi dilleri destekliyor?
Koşumuzda Apple Speech 83 yapılandırmanın 21'inde sonuç verdi: İngilizce, Almanca, Fransızca, İspanyolca, İtalyanca, Portekizce (Brezilya), Japonca, Korece, Çince, Kantonca ve on bir Güney Asya dili — Hintçe, Teluguca, Urduca, Pencapça, Bengalce, Nepalce, Malayalamca, Marathice, Kannadaca, Guceratça ve Tamilce — bunlarda kendi yazım biçimleri yerine İngilizce harflerle yanıt verdi. Felemenkçe, Lehçe veya Rusça yok; listeye her makinede macOS karar verir. Satır liderlerine en çok Korece, Japonca ve Çincede yaklaşır; farklar 0.77, 1.06 ve 1.48. En uzak olduğu dil İngilizcedir: 4.49'a (Qwen3-ASR 1.7B) karşı 8.80 (Apple Speech). İkisinin de ölçtüğü on dilin tamamında eski dikteden daha doğrudur. Whisper Notes'taki Whisper, uygulamanın tüm dil listesini her kanalda kapsar.
SpeechAnalyzer nedir, Apple Dikte ile aynı şey midir?
SpeechAnalyzer, Apple'ın WWDC 2025'te tanıttığı ve macOS 26 ile iOS 26'da kullanıma sunduğu API'dir. SpeechTranscriber, içindeki transkripsiyon motorudur ve bu yazıda Apple Speech dediğimiz motordur; dikte ise eski uyumluluk motorudur. İkisini de çalıştırdık ve Apple Speech, ikisinin de temiz ölçtüğü on dilin tamamında daha doğruydu. Dikte 21'e karşı 33 yapılandırmayla daha fazla dile ulaşır; Felemenkçe, Lehçe ve Rusçada %17.34, %13.50 ve %13.13 WER (dikte) alırken değerler %5.69, %5.45 ve %5.13'tür (Whisper Large V3 Turbo).
Apple Speech kullandığımda ses Mac'imden çıkar mı?
Apple, SpeechTranscriber'ı cihaz üzerinde konuşma tanıma olarak belgeliyor: macOS dil varlıklarını bir kez indiriyor ve tanıma yerel olarak çalışıyor. Biz ağ davranışını değil doğruluğu ve hızı ölçtük; bu nedenle o bölümü Apple'ın tanımladığı şekilde aktarıyoruz. Whisper Notes'un indirdiği motorlar — Whisper, Parakeet V3, SenseVoice ve Qwen3-ASR — kendi Mac'inizin GPU veya Neural Engine biriminde, hesap ve API key olmadan çalışır; transkripsiyon her kanalda ağ kapalıyken de çalışır. Apple Speech, web sitemizden indirilen Mac uygulamasında macOS 26 veya sonrasında kullanılabiliyor: Mac'inizde çalışan bir sistem motoru, dil paketini macOS indiriyor.
Bu sayılar kayıtlarımda aldığım doğrulukla neden eşleşmiyor?
Çünkü FLEURS kısa, temiz, okunmuş konuşmadır; sizin kayıtlarınız değildir. Koşumuz, açık bir veri kümesinde kalibrasyondur: dil başına yaklaşık 150 cümle ve 30 dakika, tek bir M5 MacBook Air, her motor için aynı klipler. Bir motorun sizin diliniz için makul olup olmadığını gösterir; toplantıda, gürültülü seste veya iki saatlik dosyada alacağınız sonucu değil.
Deneyin
Buradaki beş indirilebilir modelin tamamı — Whisper Small, Whisper Large V3 Turbo, Parakeet V3, SenseVoice Small ve Qwen3-ASR 1.7B — web sitemizden indirilen Whisper Notes Mac uygulamasında, Ayarlar ve ardından Transkripsiyon Modeli altında bulunur. macOS 26 veya sonrasında Apple Speech de aynı listede yer alıyor; uygulama zaten yüklüyse en son sürüme güncelleyin.
Sayılarımız bir dildeki deneyiminizle eşleşmiyorsa mac@whispernotes.app adresine e-posta gönderin. Tam sürüm notları: whispernotes.app/changelog.
Kaynaklar: Google FLEURS test bölümünün 70bb2e84 revizyonundaki koşumuz, Apple'ın SpeechAnalyzer belgeleri, ayrıca önceki otuz dilli Qwen3-ASR koşusu.
macOS için indir