Whisper Notes có 6 mô hình nhận dạng giọng nói, tất cả đều chạy ngoại tuyến:
- Parakeet (tích hợp sẵn)
- Whisper Large V3 Turbo
- Whisper Small
- Qwen3-ASR 1.7B (Mac)
- SenseVoice Small
- Apple Speech (Mac, macOS 26 trở lên)
Mô hình nào chính xác nhất còn tùy vào ngôn ngữ bạn nói.
Mô hình nào chính xác nhất?
Chúng tôi đã lần lượt thử nghiệm các mô hình này trên cùng một chiếc MacBook Air (M5). Kết quả như sau (tỷ lệ lỗi, càng thấp càng tốt; giá trị thấp nhất ở mỗi hàng được tô xanh lá):
| Ngôn ngữ | Parakeet | Whisper Large V3 Turbo | Whisper Small | Qwen3-ASR 1.7B1 | SenseVoice Small | Apple Speech1 |
|---|---|---|---|---|---|---|
| Tiếng Anh | 5,89% | 5,49% | 7,04% | 4,49% | 8,46% | 8,80% |
| Tiếng Đức | 5,19% | 4,05% | 8,67% | 2,85% | — | 6,26% |
| Tiếng Hà Lan | 7,89% | 5,69% | 16,75% | 7,36% | — | — |
| Tiếng Nhật | — | 5,30% | 11,37% | 5,74% | 6,78% | 6,36% |
| Tiếng Ba Lan | 6,59% | 5,45% | 15,81% | 12,59% | — | — |
| Tiếng Nga | 6,17% | 5,13% | 11,37% | 5,65% | — | — |
| Tiếng Pháp | 5,19% | 5,97% | 13,24% | 4,57% | — | 7,61% |
| Tiếng Tây Ban Nha | 3,95% | 3,62% | 6,22% | 3,38% | — | 5,41% |
| Tiếng Hàn | — | 4,25% | 7,30% | 3,54% | 7,85% | 4,31% |
| Tiếng Ukraina | 5,11% | 6,33% | 17,48% | — | — | — |
| Tiếng Trung | — | 7,97% | 20,50% | 6,49% | 7,69% | 7,97% |
| Tiếng Quảng Đông | — | —2 | —2 | 6,44% | —2 | 8,69% |
| Tiếng Ý | 2,62% | 2,58% | 7,64% | 2,58% | — | 4,39% |
| Tiếng Bồ Đào Nha | 5,81% | 5,44% | 8,61% | 5,17% | — | 9,35% |
| Tiếng Thụy Điển | 13,30% | 8,78% | 21,66% | 19,80% | — | — |
| Tiếng Thổ Nhĩ Kỳ | — | 5,95% | 14,24% | 8,81% | — | — |
| Tiếng Séc | 11,03% | 11,94% | 38,71% | 24,59% | — | — |
| Tiếng Na Uy | — | 8,99% | 24,50% | — | — | — |
| Tiếng Phần Lan | 10,44% | 7,11% | 25,91% | 27,71% | — | — |
| Tiếng Ả Rập | — | 15,72% | 32,81% | 14,32% | — | — |
| Tiếng Slovak | 8,79% | 9,59% | 32,43% | — | — | — |
| Tiếng Đan Mạch | 15,92% | 13,63% | 34,14% | 22,24% | — | — |
| Tiếng Hindi | — | 29,64% | 61,26% | 13,19% | — | —3 |
| Tiếng Thái | — | 13,40% | 23,52% | 6,53% | — | — |
| Tiếng Indonesia | — | 6,31% | 16,31% | 4,91% | — | — |
| Tiếng Hungary | 13,74% | 14,59% | 40,65% | 36,63% | — | — |
| Tiếng Việt | — | 8,10% | 18,12% | 4,91% | — | — |
| Tiếng Mã Lai | — | 9,22% | 19,72% | 10,62% | — | — |
| Tiếng Hy Lạp | 34,00% | 13,94% | 31,64% | 30,22% | — | — |
| Tiếng Romania | 9,68% | 8,36% | 29,45% | 20,20% | — | — |
| Tiếng Filipino | — | 9,72% | 25,60% | 23,31% | — | — |
| Tiếng Bulgaria | 12,44% | 14,54% | 39,68% | — | — | — |
| Tiếng Slovenia | 20,32% | 19,15% | 48,54% | — | — | — |
| Tiếng Estonia | 15,56% | 19,08% | 50,84% | — | — | — |
| Tiếng Croatia | 12,49% | 11,49% | 33,76% | — | — | — |
| Tiếng Litva | 17,97% | 23,28% | 67,23% | — | — | — |
| Tiếng Malta | 19,38% | 74,35% | 95,68% | — | — | — |
| Tiếng Iceland | — | 19,75% | 73,96% | — | — | — |
| Tiếng Catalan | — | 5,80% | 15,51% | — | — | — |
| Tiếng Galicia | — | 12,23% | 31,09% | — | — | — |
| Tiếng Macedonia | — | 17,46% | 37,11% | 18,57% | — | — |
| Tiếng Bosnia | — | 14,85% | 39,60% | — | — | — |
Tiếng Trung, tiếng Nhật, tiếng Hàn, tiếng Quảng Đông và tiếng Thái tính theo tỷ lệ lỗi ký tự, các ngôn ngữ còn lại theo tỷ lệ lỗi từ. Ngôn ngữ không có trong bảng: xem trang Ngôn ngữ hỗ trợ.
1 Chỉ có trên Mac. Hiện có trong bản Mac tải từ trang web của chúng tôi; bản Mac App Store đang được cập nhật dần. 2 Chúng tôi tạm chưa đưa điểm tiếng Quảng Đông của SenseVoice Small và Whisper vào bảng, vì chưa chắc bài test này chấm điểm hai mô hình đó công bằng. 3 Apple Speech viết toàn bộ tiếng Hindi bằng chữ Latinh nên không chấm điểm được.
Mô hình nào nhanh nhất? Phiên âm bản ghi dài một giờ mất bao lâu?
| Mô hình | Tốc độ (× thời gian thực) | 1 giờ ghi âm | Dung lượng tải về | Bộ nhớ |
|---|---|---|---|---|
| SenseVoice Small | 115–131× | khoảng 30 giây | khoảng 450 MB | khoảng 700 MB |
| Parakeet | 75,8× | khoảng 50 giây | Tích hợp sẵn (khoảng 630 MB) | khoảng 800 MB |
| Apple Speech | 19,7× | khoảng 3 phút | Do macOS quản lý | — |
| Qwen3-ASR 1.7B | 7,6× | khoảng 8 phút | khoảng 2,5 GB | khoảng 2,6 GB |
| Whisper Small | 6,5× | khoảng 9 phút | khoảng 400 MB | khoảng 1 GB |
| Whisper Large V3 Turbo | 2,7× | khoảng 22 phút | khoảng 2 GB | khoảng 2,4 GB |
Tốc độ, dung lượng tải về và bộ nhớ lấy theo thẻ của từng mô hình trong bản Mac. Tốc độ chỉ tính thời gian mô hình xử lý; thời gian cho 1 giờ ghi âm được quy đổi từ đó.
Mô hình chính xác nhất thường cũng là mô hình chậm nhất, và bản ghi càng dài thì càng phải chờ lâu.
iPhone và Mac dùng được những mô hình nào?
| Mô hình | iPhone | Mac |
|---|---|---|
| Parakeet | Có, tích hợp sẵn | Có, tích hợp sẵn |
| Whisper Large V3 Turbo | Không | Có |
| Whisper Small | Có | Có |
| Qwen3-ASR 1.7B | Không | Có (Beta)1 |
| SenseVoice Small | Có | Có |
| Apple Speech | Không | Có (macOS 26 trở lên)1 |
Màu xanh lá nghĩa là có, màu hổ phách nghĩa là không có. 1 Hiện có trong bản Mac tải từ trang web của chúng tôi; bản Mac App Store đang được cập nhật dần.
Chúng tôi cũng muốn đưa thêm mô hình lên iPhone. Mô hình người dùng yêu cầu nhiều nhất là Whisper Large V3, nhưng dù là bản đầy đủ hay bản nén, nó chỉ chạy được trên vài đời iPhone mới nhất; phần lớn điện thoại không chạy nổi. Qwen3-ASR 1.7B cũng vậy. Chúng tôi vẫn đang thử các mô hình mới và những phiên bản nhỏ hơn của các mô hình hiện có. Gần đây nhất, chúng tôi đã đổi mô hình mặc định từ Parakeet V3 sang Parakeet Ultra; trên 25 ngôn ngữ, mô hình mới ít lỗi hơn khoảng 24%. Xem chi tiết trong bài Parakeet Ultra vs Parakeet V3.
Chuyển mô hình như thế nào?
Trên Mac, mở Cài đặt, rồi trong mục Mô hình chuyển văn bản, bấm vào thẻ của một mô hình để tải về hoặc chuyển sang mô hình đó; liên kết Ngôn ngữ được hỗ trợ trên mỗi thẻ cho biết tỷ lệ lỗi của mô hình ở từng ngôn ngữ.
Cài đặt → Mô hình chuyển văn bản trong bản Mac
Chúng tôi thử nghiệm như thế nào?
Chúng tôi chạy mọi mô hình trên cùng một chiếc MacBook Air (M5), dùng giọng đọc từ bộ dữ liệu FLEURS: 83 tập dữ liệu ngôn ngữ, 12.090 câu. Kết quả Whisper chúng tôi đo được rất sát với số liệu OpenAI công bố. Đây là giọng đọc rõ ràng trong môi trường yên tĩnh; với cuộc họp hay bản ghi có nhiều tiếng ồn, tỷ lệ lỗi sẽ cao hơn.
Câu hỏi thường gặp
Mô hình Whisper nào tốt nhất?
Whisper Large V3 Turbo. Với mọi ngôn ngữ trong bảng, mô hình này đều chính xác hơn Whisper Small, chẳng hạn với tiếng Anh, tỷ lệ lỗi là 5,49% so với 7,04%. Đổi lại, nó chậm hơn nhiều, và ứng dụng iPhone chỉ có Whisper Small.
Mô hình nào nhận dạng tiếng Nhật tốt nhất?
Whisper Large V3 Turbo, với tỷ lệ lỗi ký tự 5,30%, tiếp theo là Qwen3-ASR 1.7B với 5,74%. Trên iPhone, hãy dùng SenseVoice Small (6,78%).
Mô hình nào nhận dạng tiếng Trung phổ thông tốt nhất?
Qwen3-ASR 1.7B trên Mac, với tỷ lệ lỗi ký tự 6,49%. Xếp sau là SenseVoice Small với 7,69%, và mô hình này dùng được cả trên iPhone.
Mô hình Parakeet nào tốt nhất?
Parakeet Ultra. Trên 25 ngôn ngữ, mô hình này mắc ít lỗi hơn Parakeet V3 khoảng 24% (10,63% so với 13,99%), và đã được tích hợp sẵn trong ứng dụng iPhone (từ phiên bản 1.8.9) và bản Mac tải từ trang web của chúng tôi (từ phiên bản 1.6.4).
Tải cho iOS
Bài đánh giá chi tiết