Ngày 22/9/2026, Moondream phát hành Parakeet Ultra, phiên bản huấn luyện thêm của NVIDIA Parakeet TDT 0.6B v3, giữ nguyên kiến trúc và 0,6 tỷ tham số. Theo thẻ mô hình của Moondream, tỷ lệ lỗi từ trung bình trên FLEURS ở 25 ngôn ngữ giảm từ 11,62% xuống 9,55%, tức ít lỗi hơn khoảng 17,8%. Bọn mình muốn biết: khi dùng thực tế, Parakeet Ultra chính xác hơn Parakeet V3 bao nhiêu, ở từng ngôn ngữ?
Trước đây bọn mình đã đo Parakeet V3, Whisper, Qwen3-ASR và SenseVoice trên một bộ câu FLEURS cố định trong bài so sánh Apple SpeechAnalyzer và Whisper; bài so sánh Qwen3-ASR và Whisper cũng dùng bộ câu này cho 30 ngôn ngữ. Lần này bọn mình chạy Parakeet Ultra trên đó. Các con số do bọn mình tự đo trong Whisper Notes trên một máy Mac, và bọn mình trình bày chúng thẳng thắn nhất có thể.
Parakeet Ultra chính xác hơn bao nhiêu?
Bọn mình chạy cả hai mô hình trên tập kiểm thử FLEURS: 25 ngôn ngữ mà Parakeet hỗ trợ, 3.976 câu đọc, 12,55 giờ âm thanh. Mỗi câu đều được phiên âm đúng như cách Whisper Notes thực sự chạy mô hình.
| Ngôn ngữ | Parakeet V3 | Parakeet Ultra |
|---|---|---|
| Tiếng Anh | 6,89% | 5,89% |
| Tiếng Đức | 4,69% | 3,72% |
| Tiếng Hà Lan | 7,59% | 6,91% |
| Tiếng Tây Ban Nha (Mỹ Latinh) | 4,73% | 3,77% |
| Tiếng Pháp | 5,66% | 4,95% |
| Tiếng Ba Lan | 8,02% | 6,34% |
| Tiếng Nga | 6,99% | 5,72% |
| Tiếng Ukraina | 6,59% | 5,11% |
| Tiếng Phần Lan | 13,72% | 10,03% |
| Tiếng Ý | 3,33% | 2,48% |
| Tiếng Bồ Đào Nha (Brasil) | 6,37% | 5,69% |
| Tiếng Thụy Điển | 16,18% | 13,12% |
| Tiếng Séc | 13,70% | 10,85% |
| Tiếng Litva | 24,50% | 18,00% |
| Tiếng Latvia | 30,25% | 20,70% |
| Tiếng Hy Lạp | 36,10% | 20,96% |
| Tiếng Estonia | 20,12% | 15,40% |
| Tiếng Slovakia | 11,84% | 8,58% |
| Tiếng Romania | 13,74% | 9,54% |
| Tiếng Đan Mạch | 19,22% | 15,68% |
| Tiếng Hungary | 18,78% | 13,63% |
| Tiếng Bulgaria | 14,05% | 12,28% |
| Tiếng Croatia | 13,37% | 12,49% |
| Tiếng Slovenia | 23,82% | 18,49% |
| Tiếng Malta | 24,46% | 19,19% |
| Cả 25 ngôn ngữ | 13,99% | 10,63% |
Tỷ lệ lỗi từ, càng thấp càng tốt. Màu xanh lá: Parakeet Ultra chính xác hơn và chênh lệch nằm ngoài khoảng 95%. Tiếng Croatia: không có khác biệt rõ ràng. Do bọn mình tự đo trong Whisper Notes trên một máy Mac Apple M5.
Gộp cả 25 ngôn ngữ, tỷ lệ lỗi từ giảm từ 13,99% xuống 10,63%, tức ít lỗi hơn khoảng 24%: từ khoảng một từ sai trong bảy từ xuống còn một từ sai trong chín từ. Parakeet Ultra chính xác hơn ở 24 ngôn ngữ và không kém hơn ở ngôn ngữ nào.
Ngôn ngữ nào cải thiện nhiều nhất?
Tỷ lệ lỗi từ theo ngôn ngữ, Parakeet V3 màu xám và Parakeet Ultra màu xanh lá, sắp xếp theo mức giảm tính bằng điểm phần trăm. Nguồn: bọn mình tự đo trong Whisper Notes, tập kiểm thử FLEURS.
Mức cải thiện lớn nhất nằm ở những ngôn ngữ mà Parakeet V3 yếu nhất: tiếng Latvia giảm từ 30,25% xuống 20,70%, tiếng Litva từ 24,50% xuống 18,00%, tiếng Slovenia từ 23,82% xuống 18,49% và tiếng Malta từ 24,46% xuống 19,19%. Trong Whisper Notes, tiếng Hy Lạp giảm nhiều nhất, từ 36,10% xuống 20,96%, và vẫn cao nhất trong 25 ngôn ngữ. Các ngôn ngữ phổ biến vốn đã thấp hơn nên cải thiện ít hơn: tiếng Anh, Đức, Tây Ban Nha, Pháp, Ý, Bồ Đào Nha, Hà Lan và Nga giảm từ 0,68 đến 1,27 điểm phần trăm, nhưng mức giảm ở từng ngôn ngữ vẫn lớn hơn thanh sai số.
Parakeet Ultra có chậm hơn không?
| Parakeet V3 | Parakeet Ultra | |
|---|---|---|
| Tốc độ xử lý | 74,5× thời gian thực | 74,0× thời gian thực |
| Tải mô hình, trung vị | 0,10 giây | 0,10 giây |
200 đoạn FLEURS, tám đoạn đầu của mỗi ngôn ngữ, 37,2 phút âm thanh. Mỗi đoạn được chạy liền nhau trên cả hai mô hình, luân phiên mô hình nào chạy trước. Chỉ tính thời gian xử lý của công cụ, không gồm khởi động tiến trình hay tải mô hình; đây không phải độ trễ đầu cuối trong ứng dụng. Mac Apple M5, macOS 27.0.
Bọn mình không thấy khác biệt nào đo được. Parakeet Ultra chạy ở 74,0× thời gian thực và Parakeet V3 ở 74,5×, tỷ lệ tốc độ 0,99 với khoảng 95% từ 0,94 đến 1,06. Ở tốc độ này, một giờ âm thanh mất khoảng 49 giây trên máy Mac này, với mô hình nào cũng vậy.
Hai mô hình có cùng kiến trúc và số tham số, chỉ khác trọng số, nên tốc độ bằng nhau là điều dễ hiểu. Parakeet Ultra chính xác hơn mà tốc độ vẫn như cũ.
Khi có tiếng ồn nền, nó có còn tốt hơn không?
FLEURS là giọng nói sạch, nên bọn mình kiểm tra tiếng ồn trong một bài thử riêng. Bọn mình trộn tiếng ồn nền từ bộ dữ liệu MUSAN vào các câu đọc từ LibriSpeech và từ FLEURS tiếng Đức, tiếng Tây Ban Nha ở tỷ số tín hiệu trên nhiễu 10, 5 và 0 dB: chín điều kiện, 1.320 câu, chạy trên Mac với đúng mô hình Core ML mà Whisper Notes dùng.
| Điều kiện | Parakeet V3 | Parakeet Ultra | Thay đổi |
|---|---|---|---|
| LibriSpeech test-other, 10 dB | 4,72% | 3,87% | −18% |
| LibriSpeech test-other, 5 dB | 5,71% | 4,86% | −15% |
| LibriSpeech test-other, 0 dB | 9,91% | 8,75% | −12% |
| FLEURS tiếng Đức, 10 dB | 9,80% | 8,04% | −18% |
| FLEURS tiếng Đức, 5 dB | 13,86% | 10,55% | −24% |
| FLEURS tiếng Đức, 0 dB | 24,21% | 17,88% | −26% |
| FLEURS tiếng Tây Ban Nha, 10 dB | 11,17% | 5,46% | −51% |
| FLEURS tiếng Tây Ban Nha, 5 dB | 11,90% | 5,77% | −51% |
| FLEURS tiếng Tây Ban Nha, 0 dB | 13,43% | 6,96% | −48% |
| Trung bình chín điều kiện | 11,63% | 8,02% | −31% |
Bài thử tiếng ồn riêng, không phải lượt chạy FLEURS ở trên: tỷ lệ lỗi từ tính bằng phần trăm, mỗi điều kiện 200 câu LibriSpeech hoặc 120 câu FLEURS. Tỷ lệ lỗi ở đây không so sánh được với bảng FLEURS; chỉ mức thay đổi tương đối là có ý nghĩa.
Tính trung bình trên chín điều kiện, Parakeet Ultra mắc ít lỗi hơn Parakeet V3 khoảng 31%, và chính xác hơn ở cả chín điều kiện với chênh lệch lớn hơn thanh sai số. Với tiếng Đức, mức cải thiện tăng theo độ ồn; tiếng Tây Ban Nha giảm khoảng một nửa số lỗi ở mọi mức.
Chỉ định ngôn ngữ làm Parakeet kém đi
Nhiều người dùng Whisper Notes đã hỏi vì sao Parakeet không có cài đặt ngôn ngữ. Có thể báo trước cho Parakeet ngôn ngữ cần nhận dạng, nhưng trong Whisper Notes điều đó lại khiến nó kém chính xác hơn, ở cả hai phiên bản. Bọn mình đo điều này bằng cách chạy mỗi câu hai lần, một lần tự nhận diện ngôn ngữ và một lần chỉ định ngôn ngữ.
| Ngôn ngữ | Ultra, chỉ định | Ultra, tự nhận diện | V3, chỉ định | V3, tự nhận diện |
|---|---|---|---|---|
| Tiếng Đức | 5,19 | 3,72 | 6,26 | 4,69 |
| Tiếng Hà Lan | 7,89 | 6,91 | 8,58 | 7,59 |
| Tiếng Slovenia | 20,32 | 18,49 | 25,51 | 23,82 |
| Tiếng Hy Lạp | 34,00 | 20,96 | 36,49 | 36,10 |
| Cả 25 ngôn ngữ | 11,59 | 10,63 | 14,30 | 13,99 |
Tỷ lệ lỗi từ tính bằng phần trăm. Màu xanh lá đánh dấu giá trị thấp hơn trong cặp của mỗi mô hình. Với Parakeet Ultra, mọi chênh lệch hiển thị đều nằm ngoài khoảng 95%, và 18 trong 25 ngôn ngữ chính xác hơn khi tự nhận diện, không ngôn ngữ nào kém hơn; với Parakeet V3, bọn mình không tính khoảng tin cậy.
Bọn mình đoán rằng chỉ định ngôn ngữ không giúp Parakeet nghe tốt hơn. Nó chỉ xóa khỏi bản phiên âm những từ trông không giống ngôn ngữ đó, và tên riêng hay từ mượn thường bị xóa nhầm. Vì vậy Parakeet trong Whisper Notes luôn tự nhận diện ngôn ngữ; Whisper, SenseVoice và Qwen3-ASR cho phép bạn chọn ngôn ngữ, và với SenseVoice, chọn ngôn ngữ cho tỷ lệ lỗi thấp hơn một chút.
Parakeet Ultra phù hợp với những ngôn ngữ nào?
- Tiếng Latvia, Litva, Slovenia, Malta, Hungary, Estonia và Hy Lạp cải thiện nhiều nhất, từ 4,72 đến 15,14 điểm phần trăm.
- Tiếng Anh, Đức, Tây Ban Nha, Pháp, Ý, Bồ Đào Nha và Hà Lan vốn đã có tỷ lệ lỗi thấp và cải thiện từ 0,68 đến 1,01 điểm phần trăm. Tiếng Croatia không có khác biệt rõ ràng.
- Tiếng Ukraina, Séc, Estonia, Hungary, Litva và Slovakia: trong các lượt chạy FLEURS của bọn mình, Parakeet Ultra giờ có tỷ lệ lỗi thấp hơn Whisper Large V3 Turbo.
- Các ngôn ngữ ngoài 25 ngôn ngữ này, như tiếng Trung, Nhật, Hàn, Ả Rập và Hindi: hãy dùng SenseVoice Small cho tiếng Trung, Quảng Đông, Nhật và Hàn, và Whisper cho các ngôn ngữ còn lại trong danh sách ngôn ngữ của bọn mình, tức Whisper Large V3 Turbo trên Mac và Whisper Small trên iPhone.
Parakeet Ultra là gì?
| Nhà phát triển | Moondream |
| Mô hình gốc | NVIDIA Parakeet TDT 0.6B v3 |
| Phát hành | Ngày 22/9/2026 |
| Kích thước | 0,6 tỷ tham số, cùng kiến trúc và tokenizer với mô hình gốc; khoảng 600 MB trong ứng dụng Mac |
| Ngôn ngữ | Cùng 25 ngôn ngữ châu Âu như Parakeet V3 |
| Dữ liệu huấn luyện | Không công bố |
| Giấy phép | CC BY 4.0; trang mô hình: moondream/parakeet-ultra |
| Chạy trên | Thiết bị của bạn, ngoại tuyến, trên Apple Neural Engine, dưới dạng bản chuyển đổi Core ML của Fluid Inference |
| Trong Whisper Notes | Tích hợp sẵn, không cần tải riêng: ứng dụng Mac tải từ trang web của chúng tôi từ phiên bản 1.6.4, ứng dụng iPhone từ phiên bản 1.8.9. Trong Cài đặt, mô hình hiển thị là “Parakeet” trên Mac và “Parakeet V3” trên iPhone. |
Bọn mình đã so sánh trọng số sau chuyển đổi với bản phát hành của Moondream theo từng tensor; chúng khớp nhau trong giới hạn độ chính xác của phép chuyển đổi. Moondream, NVIDIA và Fluid Inference không bảo chứng cho Whisper Notes.
Cách bọn mình kiểm tra
Mọi con số đều được đo từ đầu đến cuối trong Whisper Notes, nên chạy mô hình gốc ở nơi khác có thể cho kết quả khác. Bọn mình dùng tập kiểm thử Google FLEURS: 25 ngôn ngữ, 3.976 câu, với cùng các câu và cách chấm điểm như các bài thử trước. Tỷ lệ lỗi từ được gộp trên mọi từ của một ngôn ngữ, khoảng 95% có được bằng cách lấy mẫu lại các câu, và mọi thứ đều chạy trên một máy Mac Apple M5. Nếu chỉ định ngôn ngữ thay vì tự nhận diện, kết luận vẫn như vậy (từ 14,30% xuống 11,59%), và trên một mẫu FLEURS riêng, bọn mình đo được đúng mức giảm 17,8% mà thẻ mô hình của Moondream công bố.
FLEURS là giọng đọc sạch trong các đoạn dưới 30 giây, nên chưa bao gồm cuộc họp, âm thanh thu từ xa, giọng địa phương nặng hay bản ghi dài; iPhone dùng cùng mô hình và không được thử riêng.
Câu hỏi thường gặp
Parakeet Ultra hay Parakeet V3: mô hình nào chính xác hơn?
Parakeet Ultra. Trên 25 ngôn ngữ FLEURS trong Whisper Notes, tỷ lệ lỗi từ là 10,63% (Parakeet Ultra) so với 13,99% (Parakeet V3), tức ít lỗi hơn khoảng 24%; chính xác hơn ở 24 ngôn ngữ và không kém hơn ở ngôn ngữ nào. Cải thiện lớn nhất là tiếng Hy Lạp, từ 36,10% xuống 20,96%, và tiếng Latvia, từ 30,25% xuống 20,70%.
Parakeet Ultra có chậm hơn Parakeet V3 không?
Không. Trên máy Mac Apple M5, mô hình này chạy ở 74,0× thời gian thực so với 74,5× của Parakeet V3, tỷ lệ tốc độ 0,99 với khoảng 95% từ 0,94 đến 1,06. Tức là khoảng 49 giây cho một giờ âm thanh, với mô hình nào cũng vậy.
Parakeet Ultra hỗ trợ những ngôn ngữ nào?
Cùng 25 ngôn ngữ châu Âu như Parakeet V3: tiếng Bulgaria, Croatia, Séc, Đan Mạch, Hà Lan, Anh, Estonia, Phần Lan, Pháp, Đức, Hy Lạp, Hungary, Ý, Latvia, Litva, Malta, Ba Lan, Bồ Đào Nha, Romania, Nga, Slovakia, Slovenia, Tây Ban Nha, Thụy Điển và Ukraina. Với tiếng Trung, Quảng Đông, Nhật và Hàn, Whisper Notes có SenseVoice Small; với các ngôn ngữ khác là Whisper.
Làm sao để dùng Parakeet Ultra?
Đây là mô hình Parakeet tích hợp sẵn trong Whisper Notes: ứng dụng Mac tải từ trang web của chúng tôi từ phiên bản 1.6.4 và ứng dụng iPhone từ phiên bản 1.8.9. Không cần tải gì thêm, và mô hình phiên âm ngoại tuyến ngay trên thiết bị của bạn.
Thử ngay
Parakeet Ultra giờ đã có sẵn trong Whisper Notes. Dùng các nút bên dưới để tải ứng dụng iPhone từ App Store hoặc ứng dụng Mac từ trang web của chúng tôi. Có câu hỏi? Hãy gửi email đến support@whispernotes.app.
Tải cho iOS