TL;DR
| Parakeet V3 | Whisper 对比 | |
|---|---|---|
| 速度 | 比 Turbo 快 10×；比 V3 快约 23× | Turbo / Large V3 基准 |
| 支持语种 | 25 | 100+ |
| 英语错误率 (WER) | 6.32% | Turbo 7.83%；V3 7.44% |
| 25 种语言平均错误率 (WER) | 12.0% | 12.6% |
| 幻觉 | 实测静音时极少出现 | 静音时可能出现 |
| 适用 | 英语和欧洲语言 | 亚洲、阿拉伯等语言 |
* 速度：同一段 35 分钟音频，Apple Silicon 实测。英语 WER：Hugging Face Open ASR Leaderboard。25 语言均值：FLEURS。静音表现来自产品实测，不代表零错误保证。
从1.3.2 (Direct Download / DMG)版本开始，Mac 版 Whisper Notes 默认使用 NVIDIA Parakeet TDT 0.6B 作为语音引擎。英文转录速度比 Whisper Large V3 Turbo 快 10 倍，准确率也更高。如果你需要其他语言，Whisper 模型仍然可用。
为什么换了默认模型
Whisper 很好用，但它是个通用模型——支持 100+ 种语言、能翻译、能生成时间戳，是把瑞士军刀。代价是速度。对于英文听写这种只需要快速出字的场景，它太重了。
最让我难受的是：按住 Fn 用全局语音输入时，说完大概1分钟的话，要等3到5秒才能看到转录结果。这个等待打断了节奏——你说完了，盯着光标，什么都没出来，voice typing 的魔力瞬间消失。
Parakeet 彻底改变了这一点。它的速度快到说完的瞬间，文字就出现了。言出法随，毫无延迟。一旦体验过这种感觉——这种丝滑的、零等待的流畅——就很难再回到 Whisper 了。
Parakeet V3 有多快？
数字最有说服力。同一台 Mac 上，同一段 35 分钟的音频：
| 模型 | 35 分钟音频 |
|---|---|
| Whisper Large V3 Turbo | 3 分钟 |
| Parakeet TDT 0.6B v3 | 18 秒 |
快了 10 倍。而且模型更小（6 亿 vs 8 亿参数），内存和电量消耗也更低。
Parakeet v3 为什么这么快
Whisper 处理音频的方式就像逐字朗读一本书——一帧一帧，从不跳过。即使是静音，它也在处理，在猜测下一个词是什么。这很严谨，但太慢了。
Parakeet 的思路完全不同。它先把音频信号压缩 8 倍，只保留关键信息。然后，它不再逐帧磨，而是同时预测两件事：你说了什么词，以及这个词持续多久——然后直接跳到下一个词。静音？直接跳过。一个长元音？一次预测搞定，而不是重复几十次。
结果就是，模型处理语音的方式更像你的大脑——只关注有意义的词，忽略中间的空白。这就是为什么它用更少的参数、更高的准确率，做到了 10 倍的速度。
基准测试：Parakeet v3 vs Whisper
Parakeet v3 在 FLEURS、CoVoST 和 MLS 基准测试中匹敌甚至超越参数量 2-4 倍的模型
在 Hugging Face Open ASR 排行榜上，Parakeet v3 仅凭 6 亿参数就登顶——不到 Whisper Large V3 的 15.5 亿参数的一半：
| 模型 | 参数量 | 平均词错率 | 速度 (RTFx) |
|---|---|---|---|
| Parakeet TDT 0.6B v3 | 6 亿 | 6.32% | 3,333x |
| Canary 1B v2 | 10 亿 | 7.15% | 749x |
| Whisper Large V3 | 15.5 亿 | 7.44% | 146x |
| Whisper Large V3 Turbo | 8 亿 | 7.83% | 350x |
词错率越低越好，RTFx 越高越快。Parakeet 两项全赢。6 亿参数也意味着它是列表中最小的模型——在 Apple Silicon 上运行极其流畅，内存和电量消耗都很低。
多语言词错率：全部 25 种语言
上面的排行榜只涵盖英语。接下来是全貌——Whisper Notes 中可用的三个模型在 Parakeet 支持的全部 25 种语言上的表现，基于 FLEURS 基准测试。词错率越低 = 转录错误越少。每行中 Large V3 和 Parakeet 的最佳值已高亮显示：
| 语言 | Whisper Small | Whisper Large V3 | Parakeet V3 |
|---|---|---|---|
| 保加利亚语 | 37.3 | 12.9 | 12.6 |
| 克罗地亚语 | 33.4 | 11.1 | 12.5 |
| 捷克语 | 37.6 | 11.3 | 11.0 |
| 丹麦语 | 32.8 | 12.6 | 18.4 |
| 荷兰语 | 16.4 | 5.6 | 7.5 |
| 英语 | 6.1 | 4.3 | 4.9 |
| 爱沙尼亚语 | 51.3 | 19.1 | 17.7 |
| 芬兰语 | 24.0 | 7.7 | 13.2 |
| 法语 | 15.0 | 6.3 | 5.2 |
| 德语 | 10.2 | 4.3 | 5.0 |
| 希腊语 | 30.8 | 27.0 | 20.7 |
| 匈牙利语 | 38.9 | 14.1 | 15.7 |
| 意大利语 | 9.8 | 2.3 | 3.0 |
| 拉脱维亚语 | 53.2 | 18.3 | 22.8 |
| 立陶宛语 | 65.6 | 22.3 | 20.4 |
| 马耳他语 | 92.2 | 68.9 | 20.5 |
| 波兰语 | 14.7 | 4.7 | 7.3 |
| 葡萄牙语 | 7.3 | 3.7 | 4.8 |
| 罗马尼亚语 | 29.8 | 8.2 | 12.4 |
| 俄语 | 11.4 | 4.2 | 5.5 |
| 斯洛伐克语 | 33.3 | 8.4 | 8.8 |
| 斯洛文尼亚语 | 49.3 | 19.9 | 24.0 |
| 西班牙语 | 5.6 | 3.1 | 3.5 |
| 瑞典语 | 20.8 | 7.9 | 15.1 |
| 乌克兰语 | 19.3 | 6.5 | 6.8 |
| 平均 | 29.8 | 12.6 | 12.0 |
词错率（%）基于 FLEURS 测试集。Whisper Small 数据来自 Radford 等人；Large V3 和 Parakeet V3 数据来自 NVIDIA Canary-1B-v2 论文。
Whisper Large V3 在多数单语言上略胜一筹，但 Parakeet V3 的平均值很接近（12.0% vs 12.6%），在希腊语、法语、爱沙尼亚语和马耳他语上领先，而且比 Whisper Small 的平均错误率低约 60%。实际优势是这组组合：接近 Large V3 的多语言准确率、约 23 倍速度、更小的运行时占用，以及我们在听写测试中观察到的更可靠静音处理。
为什么它在静音时更少出现幻觉
如果你用 Whisper 做过听写，可能遇到过它在静音时产生幻觉——重复短语、凭空造词，甚至输出"Subtitles by Amara.org"这种莫名其妙的文字。这是因为 Whisper 的自回归解码器总是期望生成文本，即使根本没有内容可转录。
Parakeet 的转导器架构可以输出空白，不必在每个时间点强行生成文字。在我们的全局听写测试里，它比 Whisper 更少在停顿时补出重复或无关内容。但它仍是语音模型，所以准确的说法是“更少”，不是“从不”。
Parakeet 支持的语言
Parakeet v3 支持 25 种语言：保加利亚语、克罗地亚语、捷克语、丹麦语、荷兰语、英语、爱沙尼亚语、芬兰语、法语、德语、希腊语、匈牙利语、意大利语、拉脱维亚语、立陶宛语、马耳他语、波兰语、葡萄牙语、罗马尼亚语、俄语、斯洛伐克语、斯洛文尼亚语、西班牙语、瑞典语和乌克兰语。
它基本覆盖欧洲语言，但不支持中文、日语、韩语、阿拉伯语或印地语。中日韩粤建议用 SenseVoice；阿拉伯语、印地语和其他不在 Parakeet 列表里的语言，用 Whisper Large V3 Turbo。
模型选择器：Parakeet V3（默认）、SenseVoice Small、Whisper Small 和 Whisper Large V3 Turbo，全部本地运行
Whisper Notes 中的模型选择器
打开设置即可切换模型：
- Parakeet V3（默认）— 最快，最适合英语和欧洲语言
- SenseVoice Small — 中文、日语、韩语和粤语速度最快
- Whisper Small — 更轻量，覆盖 100+ 种语言
- Whisper Large V3 Turbo — 覆盖 100+ 种语言，准确率更高
所有模型都在你的 Mac 上 100% 本地运行。无需联网，无需云端，数据不会离开你的设备。
Parakeet V2 怎么样？
如果你之前用过 V2，可能想知道它和 V3 有什么不同。V2 是纯英语模型，英语准确率实际上比 V3 略高（WER 6.05% vs 6.32%）。V3 用这一点点差距换来了 25 种语言的支持。不过两者都比 Whisper 准确得多。
| Parakeet V2 | Parakeet V3 | Whisper Large V3 | |
|---|---|---|---|
| 英语 WER | 6.05% | 6.32% | 7.44% |
| 支持语种 | 仅英语 | 25 | 100+ |
简单来说：如果你只需要英语，V2 和 V3 都很优秀。Whisper Notes 默认使用 V3，因为多语言支持对大多数用户更有价值——英语准确率的差异几乎可以忽略。
WhisperKit 又是什么？
WhisperKit 是 Argmax 为 Apple 设备开发的开源 Swift 框架，运行的是 Whisper 系列模型；Parakeet 则来自 NVIDIA。一个是开发工具，一个是模型家族，不能直接当作同类产品比较。Whisper Notes 把 Parakeet V3、Whisper Large V3 Turbo 和 SenseVoice 做成可直接使用的 Mac 与 iPhone 应用。
想把所有设备端模型放在一起比较，可查看本地语音模型对比；如果想先弄清 Whisper 的型号、运行方式和费用，可从Whisper 转录指南开始。
常见问题
Parakeet V3 比 Whisper 更好吗？
对英语和欧洲语言通常是。在我们的 35 分钟测试里，Parakeet 比 Whisper Turbo 快 10 倍；Open ASR Leaderboard 的英语 WER 为 6.32%，Turbo 为 7.83%。但 Whisper 覆盖 100+ 种语言，Parakeet 只有 25 种。
Parakeet V3 支持哪些语言？
它支持 25 种欧洲语言，包括英语、法语、德语、西班牙语、葡萄牙语、意大利语、俄语和乌克兰语。完整列表见上文。
Mac 能运行 Parakeet V3 吗？
可以。Whisper Notes Mac 版把 Parakeet V3 设为默认引擎，在 Apple Silicon 上完全本地运行。
Parakeet V3 会像 Whisper 一样产生幻觉吗？
我们的静音测试中明显更少，但不能承诺从不发生。Parakeet 可以在停顿时输出空白；Whisper 的自回归解码器更容易在静音时生成重复或无关文字。
Parakeet V2 和 V3 该选哪个？
V2 只支持英语，英语 WER 略低；V3 用很小的准确率差异换来 25 种语言支持，因此更适合作为默认模型。
Parakeet V3 支持中文、日语或韩语吗？
不支持。中日韩粤可在 Whisper Notes 中选择 SenseVoice；其他非欧洲语言选择 Whisper。两类引擎都支持 Mac 和 iPhone 离线运行。
Parakeet V3 有多大？
6 亿参数。在 Whisper Notes Mac 版中，下载约 465 MB，转写时内存约 800 MB；Whisper Large V3 Turbo 下载和运行内存都约 1.6 GB。
来试试
Parakeet v3 现已在 Mac 版中可用——直接下载最新 DMG 即可体验。（更新：最新版 iOS 已支持 Parakeet。）
有问题或反馈？邮件联系 support@whispernotes.app。
下载 iOS 版