Parakeet V3 vs Whisper：10 倍速 + 更高精度（基準測試）

為什麼換掉預設模型

Whisper 很好用，但它本質上是個通用模型——支援 100 多種語言、能翻譯、能產生時間戳，根本就是把瑞士刀。代價就是速度。對於英文聽寫這種只需要快速出字的情境，它實在太重了。

最讓我受不了的是：用 Fn 鍵啟動全系統語音輸入時，講完大約 1 分鐘的話，要等 3 到 5 秒才看得到轉錄結果。這段等待直接打斷了節奏——你講完了，盯著游標，什麼都沒出來，語音打字的魔力瞬間消失。

Parakeet 徹底改變了這件事。它快到你話音剛落，文字就出現了。說完即得，毫無延遲。一旦體驗過這種感覺——這種絲滑、零等待的流暢——就很難再回去用 Whisper 了。

Parakeet V3 到底有多快？

數字最有說服力。同一台 Mac 上，同一段 35 分鐘的音檔：

快了 10 倍。而且模型更小（6 億 vs 8 億參數），記憶體和電量消耗也更低。

Parakeet v3 為什麼這麼快

Whisper 處理音訊的方式就像逐字朗讀一本書——一幀一幀，從不跳過。就算是靜音，它也在處理、在猜測下一個詞是什麼。這很嚴謹，但太慢了。

Parakeet 的做法完全不同。它先把音訊訊號壓縮 8 倍，只留下關鍵資訊。接著，它不再逐幀硬磨，而是同時預測兩件事：你說了什麼詞，以及這個詞持續多久——然後直接跳到下一個詞。靜音？直接跳過。一個長母音？一次預測就搞定，不用重複幾十次。

結果就是，模型處理語音的方式更像你的大腦——只關注有意義的詞，忽略中間的空白。這就是為什麼它用更少的參數、更高的準確率，做到了 10 倍的速度。

基準測試：Parakeet v3 vs Whisper

Parakeet v3 在 FLEURS、CoVoST 和 MLS 基準測試中，表現媲美甚至超越參數量 2-4 倍的模型

在 Hugging Face Open ASR 排行榜上，Parakeet v3 僅憑 6 億參數就拿下榜首——不到 Whisper Large V3 的 15.5 億參數的一半：

詞錯率越低越好，RTFx 越高越快。Parakeet 兩項全贏。6 億參數也代表它是這張表裡最小的模型——在 Apple Silicon 上跑起來非常順暢，記憶體和電量消耗都很低。

多語言詞錯率：全部 25 種語言

上面的排行榜只涵蓋英語。接下來是完整面貌——Whisper Notes 中可用的三個模型在 Parakeet 支援的全部 25 種語言上的表現，基於 FLEURS 基準測試。詞錯率越低 = 轉錄錯誤越少。每列中 Large V3 和 Parakeet 的最佳值已高亮顯示：

詞錯率（%）基於 FLEURS 測試集。Whisper Small 資料來自 Radford 等人；Large V3 和 Parakeet V3 資料來自 NVIDIA Canary-1B-v2 論文。

Whisper Large V3 在大多數單一語言上略勝一籌——畢竟它的參數量是 Parakeet 的 2.5 倍。但 Parakeet V3 在平均值上與之持平（12.0% vs 12.6%），在希臘語、法語、愛沙尼亞語和馬爾他語上大幅領先，且全面碾壓 Whisper Small（平均減少 60% 的錯誤）。真正的重點不在於零點幾個百分點的詞錯率差異——而在於總體實力：Large V3 等級的準確度，23 倍的速度，40% 的記憶體佔用，零幻覺，全部在你的 Mac 上本機運行。

告別幻覺問題

如果你用 Whisper 做過聽寫，大概遇過它在靜音時產生幻覺——重複句子、憑空造詞，甚至突然冒出「Subtitles by Amara.org」這種莫名其妙的文字。這是因為 Whisper 的自回歸解碼器總是預期要產生文字，就算根本沒有內容可轉錄。

NVIDIA 用了 36,000 小時的純非語音音訊（背景噪音、咳嗽、靜音）來訓練 Parakeet，目標輸出全部設為空字串。模型學會了什麼是靜默，在沒人說話時保持安靜。對於系統級全域聽寫來說，這是根本性的改變——你停下來想事情的時候，螢幕上不會再莫名冒出亂碼。

Parakeet 支援的語言

Parakeet v3 支援 25 種語言：保加利亞語、克羅埃西亞語、捷克語、丹麥語、荷蘭語、英語、愛沙尼亞語、芬蘭語、法語、德語、希臘語、匈牙利語、義大利語、拉脫維亞語、立陶宛語、馬爾他語、波蘭語、葡萄牙語、羅馬尼亞語、俄語、斯洛伐克語、斯洛維尼亞語、西班牙語、瑞典語和烏克蘭語。

基本上涵蓋了整個歐洲，但不支援中文、日文、韓文、阿拉伯語和印地語。所以我們保留了 Whisper 模型作為可下載選項。如果你用日語或中文聽寫，可以在模型選擇器中切換到 Whisper Large V3 Turbo。對於英語和歐洲語言，Parakeet v3 就是更好的引擎。

模型選擇器：Parakeet V3（預設）、Whisper Small 和 Whisper Large V3 Turbo — 全部在本機運行

Parakeet V2 呢？

如果你之前用過 V2，可能想知道它和 V3 有什麼不同。V2 是純英語模型，英語準確率其實比 V3 略高（WER 6.05% vs 6.32%）。V3 用這一點差距換來了 25 種語言的支援。不過兩者都比 Whisper 準確得多。

簡單來說：如果你只需要英語，V2 和 V3 都很優秀。Whisper Notes 預設使用 V3，因為多語言支援對大多數使用者更有價值——英語準確率的差異幾乎可以忽略。

來試試看

Parakeet v3 已經在 Mac 版中可以使用了——直接下載最新的 DMG 就能體驗。（更新：最新版 iOS 已支援 Parakeet。）

有問題或建議？歡迎寄信到 support@whispernotes.app。

下載 iOS 版 下載 macOS 版