TL;DR
| Parakeet V3 | Порівняння з Whisper | |
|---|---|---|
| Швидкість | 10× проти Turbo; ~23× проти V3 | База: Turbo / Large V3 |
| Підтримувані мови | 25 | 100+ |
| Помилки англ. (WER) | 6.32% | Turbo 7.83%; V3 7.44% |
| Сер. помилки 25 мов (WER) | 12.0% | 12.6% |
| Галюцинації | Практично немає на тиші в наших тестах | Можливі на тиші |
| Краще для | Англійська та європейські | Азійські, арабська, 100+ |
* Швидкість: те саме 35-хвилинне аудіо на Apple Silicon. Англ. WER: Hugging Face Open ASR Leaderboard. Середнє за 25 мовами: бенчмарк FLEURS. Поведінка на тиші — наше продуктове спостереження, а не гарантія нульових помилок.
Починаючи з версії 1.3.2 (Direct Download / DMG), Whisper Notes для Mac використовує NVIDIA Parakeet TDT 0.6B як рушій розпізнавання мовлення за замовчуванням. Він у 10 разів швидший за Whisper Large V3 Turbo для англійської і при цьому точніший. Моделі Whisper залишаються доступними, якщо тобі потрібні інші мови.
Чому ми змінили модель за замовчуванням
Whisper — чудова модель, але вона створювалась як універсальний інструмент. Підтримує 100+ мов, вміє перекладати, розставляти мітки часу — справжній швейцарський ніж. Ціна за це — швидкість. Для диктування англійською, коли тобі просто потрібні слова на екрані якнайшвидше, це надмірно.
Ось що мене дратувало: при використанні системного диктування через Fn з Whisper після хвилинного фрагменту доводилося чекати 3–5 секунд, поки з'явиться текст. Ця пауза збиває весь ритм. Припиняєш говорити, чекаєш, дивишся на курсор — і вся магія голосового набору зникає.
Parakeet усе змінив. Швидкість настільки висока, що текст з'являється в мить, коли ти припиняєш говорити. Говориш — і слова просто вже там. Коли відчуєш це — миттєвий відгук без затримок — повернутися на Whisper дуже важко.
Наскільки швидкий Parakeet V3?
Цифри кажуть самі за себе. Ось реальне порівняння на 35-хвилинному аудіофайлі на тому ж Mac:
| Модель | 35 хв аудіо |
|---|---|
| Whisper Large V3 Turbo | 3 хвилини |
| Parakeet TDT 0.6B v3 | 18 секунд |
У 10 разів швидше. А оскільки модель менша (600M проти 800M параметрів), вона ще й споживає менше пам'яті та батареї.
Чому Parakeet v3 такий швидкий
Whisper обробляє аудіо так, як ти б читав книгу вголос — слово за словом, фрейм за фреймом, ніколи не забігаючи вперед. Навіть під час тиші він продовжує обробляти й вгадувати, що буде далі. Це ретельно, але повільно.
Parakeet використовує принципово інший підхід. Він стискає аудіосигнал у 8 разів перед обробкою, тож модель бачить лише те, що важливо. Далі, замість того щоб перемелювати кожен окремий фрейм, вона передбачає не тільки яке слово ти сказав, а й як довго воно триває — і перескакує вперед. Тиша? Пропускається повністю. Довга голосна? Одне передбачення замість десятків.
У результаті маємо модель, яка обробляє мовлення так, як твій мозок — фокусується на словах, ігнорує паузи. Саме тому вона в 10 разів швидша при меншій кількості параметрів і вищій точності.
Бенчмарки: Parakeet v3 проти Whisper
Parakeet v3 не поступається або перевершує моделі у 2-4 рази більші на бенчмарках FLEURS, CoVoST та MLS
На Hugging Face Open ASR Leaderboard Parakeet v3 очолює рейтинг із лише 600M параметрами — це менше половини від 1.55B у Whisper Large V3:
| Модель | Параметри | Середній WER | Швидкість (RTFx) |
|---|---|---|---|
| Parakeet TDT 0.6B v3 | 0.6B | 6.32% | 3,333x |
| Canary 1B v2 | 1.0B | 7.15% | 749x |
| Whisper Large V3 | 1.55B | 7.44% | 146x |
| Whisper Large V3 Turbo | 0.8B | 7.83% | 350x |
Менший WER = менше помилок. Більший RTFx = швидше. Parakeet перемагає за обома показниками. З 600M параметрами це ще й найкомпактніша модель у списку — а значить, чудово працює на Apple Silicon із мінімальним споживанням пам'яті та батареї.
Багатомовний WER: усі 25 мов
Таблиця вище стосується лише англійської. Ось повна картина — як три моделі, доступні у Whisper Notes, порівнюються на всіх 25 мовах, які підтримує Parakeet, на бенчмарку FLEURS. Менший WER = менше помилок транскрипції. Найкраще значення між Large V3 та Parakeet виділено в кожному рядку:
| Мова | Whisper Small | Whisper Large V3 | Parakeet V3 |
|---|---|---|---|
| Болгарська | 37.3 | 12.9 | 12.6 |
| Хорватська | 33.4 | 11.1 | 12.5 |
| Чеська | 37.6 | 11.3 | 11.0 |
| Данська | 32.8 | 12.6 | 18.4 |
| Нідерландська | 16.4 | 5.6 | 7.5 |
| Англійська | 6.1 | 4.3 | 4.9 |
| Естонська | 51.3 | 19.1 | 17.7 |
| Фінська | 24.0 | 7.7 | 13.2 |
| Французька | 15.0 | 6.3 | 5.2 |
| Німецька | 10.2 | 4.3 | 5.0 |
| Грецька | 30.8 | 27.0 | 20.7 |
| Угорська | 38.9 | 14.1 | 15.7 |
| Італійська | 9.8 | 2.3 | 3.0 |
| Латвійська | 53.2 | 18.3 | 22.8 |
| Литовська | 65.6 | 22.3 | 20.4 |
| Мальтійська | 92.2 | 68.9 | 20.5 |
| Польська | 14.7 | 4.7 | 7.3 |
| Португальська | 7.3 | 3.7 | 4.8 |
| Румунська | 29.8 | 8.2 | 12.4 |
| Російська | 11.4 | 4.2 | 5.5 |
| Словацька | 33.3 | 8.4 | 8.8 |
| Словенська | 49.3 | 19.9 | 24.0 |
| Іспанська | 5.6 | 3.1 | 3.5 |
| Шведська | 20.8 | 7.9 | 15.1 |
| Українська | 19.3 | 6.5 | 6.8 |
| Середнє | 29.8 | 12.6 | 12.0 |
WER (%) на FLEURS. Дані Whisper Small з Radford et al.; дані Large V3 та Parakeet V3 зі статті NVIDIA Canary-1B-v2.
Whisper Large V3 трохи попереду на більшості окремих мов, але в середньому Parakeet V3 йде впритул (12,0% проти 12,6%), лідирує на грецькій, французькій, естонській та мальтійській і скорочує середню частку помилок Whisper Small приблизно на 60%. Практична перевага — у поєднанні: багатомовна точність рівня Large V3 за приблизно 23-кратної швидкості, менший обсяг у пам'яті та значно надійніша поведінка на тиші в наших тестах диктування.
Чому вона менше галюцинує на тиші
Якщо ти користувався Whisper для диктування, то напевно стикався з галюцинаціями під час тиші — модель повторює фрази, вигадує слова або видає звідкись «Subtitles by Amara.org». Це трапляється тому, що авторегресивний декодер Whisper завжди очікує згенерувати текст, навіть коли розпізнавати нічого.
Архітектура трансдюсера в Parakeet може видавати порожній вихід замість примусового текстового токена. У наших тестах системного диктування це робить її значно менш схильною за Whisper заповнювати паузу повтореним чи стороннім текстом. Це все ще мовленнєва модель, тож чесне формулювання — «значно рідше», а не «ніколи».
Які мови підтримує Parakeet
Parakeet v3 підтримує 25 мов: болгарську, хорватську, чеську, данську, нідерландську, англійську, естонську, фінську, французьку, німецьку, грецьку, угорську, італійську, латвійську, литовську, мальтійську, польську, португальську, румунську, російську, словацьку, словенську, іспанську, шведську та українську.
Це охоплює більшу частину Європи, але не китайську, японську, корейську, арабську чи гінді. Для китайської, японської, корейської та кантонської обери SenseVoice; для арабської, гінді та інших мов поза набором Parakeet використовуй Whisper Large V3 Turbo.
Перемикач моделей: Parakeet V3 (за замовчуванням), SenseVoice Small, Whisper Small і Whisper Large V3 Turbo — усе працює локально
Перемикач моделей у Whisper Notes
Відкрий Налаштування, щоб перемикатися між моделями:
- Parakeet V3 (за замовчуванням) — Найшвидша, найкращий вибір для англійської та європейських мов
- SenseVoice Small — Найшвидша для китайської, японської, корейської та кантонської
- Whisper Small — Легка, 100+ мов
- Whisper Large V3 Turbo — Широке покриття 100+ мов
Усі моделі працюють на 100% локально на твоєму Mac. Без інтернету, без хмари, дані не залишають пристрій.
А що з Parakeet V2?
Якщо ти раніше користувався V2, тобі може бути цікаво, як вони співвідносяться. V2 — модель лише для англійської, і її точність в англійській насправді трохи вища за V3 (WER 6,05% проти 6,32%). V3 обмінює цю крихітну різницю на підтримку 25 мов. Обидві значно точніші за Whisper.
| Parakeet V2 | Parakeet V3 | Whisper Large V3 | |
|---|---|---|---|
| WER (англійська) | 6.05% | 6.32% | 7.44% |
| Мови | Лише англійська | 25 | 100+ |
Коротко: якщо тобі потрібна лише англійська, і V2, і V3 чудові. V3 встановлено за замовчуванням у Whisper Notes, бо підтримка багатьох мов важлива для більшості користувачів — а різниця в точності англійської мізерна.
А що таке WhisperKit?
WhisperKit — це відкритий Swift-фреймворк від Argmax для запуску моделей Whisper на пристроях Apple. Це інструментарій для розробників, а не готовий застосунок — і запускає він Whisper, а не Parakeet (це сімейство моделей NVIDIA). Якщо хочеш локальну транскрипцію в стилі WhisperKit без написання Swift власноруч, Whisper Notes пакує ту саму ідею в готовий застосунок: Parakeet V3, Whisper Large V3 Turbo і SenseVoice — усе працює локально на Mac та iPhone.
Порівнюєш усі локальні варіанти? Кожна модель перетворення мовлення на текст на пристрої — варіанти Whisper, Parakeet V3, SenseVoice і Voxtral — зіставлена пліч-о-пліч на нашій сторінці порівняння моделей Whisper. Тільки знайомишся з Whisper? Почни з гіда з транскрипції Whisper — що це за модель, всі способи її запустити та скільки це коштує.
Поширені запитання
Чи кращий Parakeet V3 за Whisper?
Для англійської та європейських мов — часто так. У нашому 35-хвилинному тесті Parakeet був у 10 разів швидшим за Whisper Turbo, а Open ASR Leaderboard фіксує для Parakeet 6.32% WER в англійській проти 7.83% у Turbo. Whisper усе ще покриває значно більше мов: 100+ проти 25 у Parakeet.
Які мови підтримує Parakeet V3?
Parakeet V3 підтримує 25 мов: болгарську, хорватську, чеську, данську, нідерландську, англійську, естонську, фінську, французьку, німецьку, грецьку, угорську, італійську, латвійську, литовську, мальтійську, польську, португальську, румунську, російську, словацьку, словенську, іспанську, шведську та українську.
Чи можна запустити Parakeet V3 на Mac?
Так. Whisper Notes для Mac постачає Parakeet V3 як рушій за замовчуванням. Він працює на 100% локально на Apple Silicon — без інтернету, без хмари, дані не залишають пристрій. Завантаж безкоштовний пробний DMG, щоб спробувати.
Чи галюцинує Parakeet V3, як Whisper?
У наших тестах на тиші — значно рідше, але жодна мовленнєва модель не заслуговує на слово «ніколи». Parakeet може видавати порожній вихід під час пауз, тоді як авторегресивний декодер Whisper більш схильний до повторених фраз чи стороннього тексту, коли на вході тиша.
Parakeet V2 чи V3 — що обрати?
Parakeet V2 — лише для англійської, з трохи кращою точністю в ній (WER 6,05% проти 6,32%). V3 обмінює цю крихітну різницю на 25 європейських мов і є моделлю за замовчуванням у Whisper Notes. Якщо ти не транскрибуєш виключно англійську в гонитві за останніми частками відсотка — обирай V3.
Чи підтримує Parakeet V3 японську, китайську або корейську?
Ні — усі його 25 мов європейські. Для китайської, японської, корейської чи кантонської у Whisper Notes є SenseVoice (у 52 рази швидший за Whisper для CJK) та моделі Whisper. Усе працює офлайн і на Mac, і на iPhone.
Наскільки великий Parakeet V3?
600 мільйонів параметрів — завантаження на 465 MB, що під час транскрипції в нашій Mac-збірці використовує близько 800 MB пам'яті. Whisper Large V3 Turbo — це завантаження близько 1,6 ГБ, і в тому самому застосунку він використовує приблизно 1,6 ГБ пам'яті.
Спробуй
Parakeet v3 вже доступний у версії для Mac — просто завантаж останній DMG. (Оновлення: Parakeet тепер доступний і в останній версії для iOS.)
Питання чи зворотний зв'язок? Пиши на support@whispernotes.app.
Завантажити для iOS