Whisper Notes 有 6 個可以離線執行的語音模型：
- Parakeet（內建）
- Whisper Large V3 Turbo
- Whisper Small
- Qwen3-ASR 1.7B（Mac）
- SenseVoice Small
- Apple Speech（Mac，macOS 26 以上）
哪個最準，要看你說的是什麼語言。
一、哪個模型最準？
我們在同一台 MacBook Air（M5）上分別測試了這些模型，結果如下（錯誤率越低越好，每一列最低的以綠色標示）：
| 語言 | Parakeet | Whisper Large V3 Turbo | Whisper Small | Qwen3-ASR 1.7B1 | SenseVoice Small | Apple Speech1 |
|---|---|---|---|---|---|---|
| 英語 | 5.89% | 5.49% | 7.04% | 4.49% | 8.46% | 8.80% |
| 德語 | 5.19% | 4.05% | 8.67% | 2.85% | — | 6.26% |
| 荷蘭語 | 7.89% | 5.69% | 16.75% | 7.36% | — | — |
| 日語 | — | 5.30% | 11.37% | 5.74% | 6.78% | 6.36% |
| 波蘭語 | 6.59% | 5.45% | 15.81% | 12.59% | — | — |
| 俄語 | 6.17% | 5.13% | 11.37% | 5.65% | — | — |
| 法語 | 5.19% | 5.97% | 13.24% | 4.57% | — | 7.61% |
| 西班牙語 | 3.95% | 3.62% | 6.22% | 3.38% | — | 5.41% |
| 韓語 | — | 4.25% | 7.30% | 3.54% | 7.85% | 4.31% |
| 烏克蘭語 | 5.11% | 6.33% | 17.48% | — | — | — |
| 中文 | — | 7.97% | 20.50% | 6.49% | 7.69% | 7.97% |
| 粵語 | — | —2 | —2 | 6.44% | —2 | 8.69% |
| 義大利語 | 2.62% | 2.58% | 7.64% | 2.58% | — | 4.39% |
| 葡萄牙語 | 5.81% | 5.44% | 8.61% | 5.17% | — | 9.35% |
| 瑞典語 | 13.30% | 8.78% | 21.66% | 19.80% | — | — |
| 土耳其語 | — | 5.95% | 14.24% | 8.81% | — | — |
| 捷克語 | 11.03% | 11.94% | 38.71% | 24.59% | — | — |
| 挪威語 | — | 8.99% | 24.50% | — | — | — |
| 芬蘭語 | 10.44% | 7.11% | 25.91% | 27.71% | — | — |
| 阿拉伯語 | — | 15.72% | 32.81% | 14.32% | — | — |
| 斯洛伐克語 | 8.79% | 9.59% | 32.43% | — | — | — |
| 丹麥語 | 15.92% | 13.63% | 34.14% | 22.24% | — | — |
| 印地語 | — | 29.64% | 61.26% | 13.19% | — | —3 |
| 泰語 | — | 13.40% | 23.52% | 6.53% | — | — |
| 印尼語 | — | 6.31% | 16.31% | 4.91% | — | — |
| 匈牙利語 | 13.74% | 14.59% | 40.65% | 36.63% | — | — |
| 越南語 | — | 8.10% | 18.12% | 4.91% | — | — |
| 馬來語 | — | 9.22% | 19.72% | 10.62% | — | — |
| 希臘語 | 34.00% | 13.94% | 31.64% | 30.22% | — | — |
| 羅馬尼亞語 | 9.68% | 8.36% | 29.45% | 20.20% | — | — |
| 菲律賓語 | — | 9.72% | 25.60% | 23.31% | — | — |
| 保加利亞語 | 12.44% | 14.54% | 39.68% | — | — | — |
| 斯洛維尼亞語 | 20.32% | 19.15% | 48.54% | — | — | — |
| 愛沙尼亞語 | 15.56% | 19.08% | 50.84% | — | — | — |
| 克羅埃西亞語 | 12.49% | 11.49% | 33.76% | — | — | — |
| 立陶宛語 | 17.97% | 23.28% | 67.23% | — | — | — |
| 馬爾他語 | 19.38% | 74.35% | 95.68% | — | — | — |
| 冰島語 | — | 19.75% | 73.96% | — | — | — |
| 加泰隆尼亞語 | — | 5.80% | 15.51% | — | — | — |
| 加利西亞語 | — | 12.23% | 31.09% | — | — | — |
| 馬其頓語 | — | 17.46% | 37.11% | 18.57% | — | — |
| 波士尼亞語 | — | 14.85% | 39.60% | — | — | — |
中文、日語、韓語、粵語和泰語為字元錯誤率，其他語言為詞錯誤率。表中沒有的語言，請見支援語言。
1 僅限 Mac。目前在從官網下載的 Mac 版提供，Mac App Store 版正在跟進。2 SenseVoice Small 和 Whisper 的粵語成績暫不列出：我們還不確定這項測試對它們的計分是否公平。3 Apple Speech 把印地語全部寫成英文字母，所以無法計分。
二、哪個最快？轉一小時的錄音要多久？
| 模型 | 速度（即時倍率） | 轉 1 小時錄音 | 下載大小 | 記憶體 |
|---|---|---|---|---|
| SenseVoice Small | 115–131× | 約 30 秒 | 約 450 MB | 約 700 MB |
| Parakeet | 75.8× | 約 50 秒 | 內建（約 630 MB） | 約 800 MB |
| Apple Speech | 19.7× | 約 3 分鐘 | 由 macOS 管理 | — |
| Qwen3-ASR 1.7B | 7.6× | 約 8 分鐘 | 約 2.5 GB | 約 2.6 GB |
| Whisper Small | 6.5× | 約 9 分鐘 | 約 400 MB | 約 1 GB |
| Whisper Large V3 Turbo | 2.7× | 約 22 分鐘 | 約 2 GB | 約 2.4 GB |
速度、下載大小和記憶體都取自 Mac 版的模型卡片。速度只計算模型處理的時間，轉 1 小時錄音所需的時間由此換算。
最準的模型往往也最慢，錄音越長，要等的時間就越久。
三、iPhone 和 Mac 各能用哪些模型？
| 模型 | iPhone | Mac |
|---|---|---|
| Parakeet | 有，內建 | 有，內建 |
| Whisper Large V3 Turbo | 沒有 | 有 |
| Whisper Small | 有 | 有 |
| Qwen3-ASR 1.7B | 沒有 | 有（測試版）1 |
| SenseVoice Small | 有 | 有 |
| Apple Speech | 沒有 | 有（macOS 26 以上）1 |
綠色表示可以用，琥珀色表示不能用。1 目前在從官網下載的 Mac 版提供，Mac App Store 版正在跟進。
我們也希望 iPhone 能用上更多模型。呼聲最高的 Whisper Large V3，不管是完整版還是壓縮版，都只有最新的幾款 iPhone 跑得動，大部分手機都跑不起來；Qwen3-ASR 1.7B 也一樣。我們會持續測試新的模型，以及現有模型的輕量版本。最近，我們把預設模型從 Parakeet V3 換成了 Parakeet Ultra，25 種語言合計的錯誤少了約 24%，詳見〈Parakeet Ultra vs Parakeet V3〉。
四、怎麼切換模型？
在 Mac 上打開「設定」，在「轉錄模型」裡點一下模型卡片，就能下載或切換過去；每張卡片上的「支援的語言」連結，會列出這個模型在每種語言的錯誤率。
Mac 版：設定 → 轉錄模型
五、我們是怎麼測的？
測試資料是 FLEURS 的朗讀語音，共 83 組語言、12,090 句，所有模型都在同一台 MacBook Air（M5）上執行。我們測出的 Whisper 成績，和 OpenAI 公布的數字相當接近。這些都是在安靜環境下朗讀的句子，換成會議或吵雜環境的錄音，錯誤率會更高。
常見問題
哪個 Whisper 模型最好？
Whisper Large V3 Turbo。表中每一種語言，它都比 Whisper Small 準，例如英語是 5.49% 對 7.04%；不過它慢得多，而且 iPhone 版只有 Whisper Small。
日語語音辨識用哪個模型最準？
Whisper Large V3 Turbo，字元錯誤率 5.30%；其次是 Qwen3-ASR 1.7B，5.74%。在 iPhone 上就用 SenseVoice Small（6.78%）。
中文語音辨識用哪個模型最準？
Mac 上的 Qwen3-ASR 1.7B，字元錯誤率 6.49%。其次是 SenseVoice Small，7.69%，iPhone 上也能用。
哪個 Parakeet 模型最好？
Parakeet Ultra。以 25 種語言合計，它的錯誤比 Parakeet V3 少約 24%（10.63% 對 13.99%），已內建於 iPhone 版（1.8.9 以上版本）和從官網下載的 Mac 版（1.6.4 以上版本）。
下載 iOS 版
各模型詳細評測