TL;DR：我们自己跑的 FLEURS，30 种共同语言
| Qwen3-ASR 1.7B（Beta） | Whisper Large V3 Turbo | |
|---|---|---|
| 支持语言 | 标称 30 种 | 101 种 |
| 30 种共同语言里胜出几种 | 15 | 15 |
| 其中超出误差范围的 | 5 | 11 |
| 字错率均值（中文、粤语、日语、韩语、泰语） | 5.30% | 13.44% |
| 词错率均值（其余 25 种） | 13.99% | 10.16% |
| 粤语 | 6.00% 字错率 | 37.97% 字错率 |
| 下载体积 / 本轮峰值内存 | 约 2.5 GB / 2.43 GiB | 约 1.6 GB / 1.87 GiB |
| 哪里能用 | 仅 Mac 直接下载版（DMG）1.6.0 及以上 | 两个 Mac 版本都有 |
* 这是我们自己的测量，不是官方榜单。数据集为 Google FLEURS 测试集，版本号 70bb2e84，每种语言每个模型约 15 分钟音频，机器是一台 M5 MacBook Air（32 GB，macOS 26.5）。FLEURS 是短句朗读语音，干净、规整，因此这些数字不能预测会议、听写、噪声环境和长录音。词错率与字错率不会合并成一个总分。
有没有哪个本地模型，在你说的这门语言上比 Whisper 更准？从 Mac 直接下载版（DMG）1.6.0 起，Mac 版 Whisper Notes 多了第四个可选引擎：Qwen3-ASR 1.7B，以 MLX 8-bit 完全在你的 Mac 上运行，目前是 Beta。我们把它和 Whisper Large V3 Turbo 放在同一台机器、同一批音频、同一套评分标准下，跑完了它标称的全部 30 种语言。结论是：15 种更准——另外 15 种归 Whisper。但这 15 种和我们原本以为的那 15 种，不是同一批。
我们是做这个 app 的人，所以尽量让这次对比难以做手脚。对比的 Whisper 用的是 Large V3 Turbo，因为那是 app 里最大的 Whisper。但它终究是我们自己测的，不是第三方基准，而且是朗读音频，不是真实录音。
先说结论
- 如果你转写粤语，这是本轮差距最大的一项。Qwen3-ASR 1.7B 字错率 6.00%，Whisper Large V3 Turbo 是 37.97%，SenseVoice Small 在同一批音频上是 36.71%。粤语是唯一一门被这个新引擎在 Whisper Notes 的 Mac 直接下载版上改变了可行性的语言。
- 如果你转写印地语、泰语、越南语或法语，Qwen3-ASR 1.7B 的领先幅度超出了误差范围：印地语领先 16.7 个百分点，泰语 7.0，越南语 4.7，法语 1.4。
- 如果你转写中文、日语、韩语、英语、德语、西班牙语或意大利语，它领先，但只领先一点点，我们也只敢说这一点点。这些差距都落在 95% 区间以内，意味着本轮数据分不出高下。两个模型都可以用。波斯语、阿拉伯语和印尼语也在这一档；俄语、葡萄牙语、马其顿语和马来语同样在这一档，只是方向偏向 Turbo。
- 如果你转写芬兰语、匈牙利语、希腊语、捷克语、瑞典语、丹麦语、波兰语、罗马尼亚语、菲律宾语、土耳其语或荷兰语，请继续用 Whisper Large V3 Turbo。这十一种它都明确胜出，芬兰语和匈牙利语的差距超过 19 个百分点。
- 如果你在意的是速度和占用，这个引擎不适合你。同一套测试里，Parakeet V3 和 SenseVoice Small 快了一个数量级，体积也只有它的零头。
- 如果你用的是 iPhone 版或 Mac App Store 版，这个引擎根本不在里面。它只在 Mac 直接下载版（DMG）1.6.0 及以后的版本中。
Qwen3-ASR 1.7B 是什么，不是什么？
Qwen3-ASR 是阿里巴巴的语音识别模型系列，建立在 Qwen3-Omni 基础模型的音频理解能力之上。1.7B 的模型卡自称"在开源 ASR 模型中达到业界最好水平"，并列出 52 种语言和方言：30 种语言，加 22 种中文方言。
阿里巴巴同时把 Qwen3-ASR 作为云服务出售。如果你看到过"Qwen3-ASR API"的说法，指的是百炼（DashScope）上的实时 API 或录音文件转写 API：音频上传到阿里的服务器，返回文本。
Whisper Notes 走的不是这条路。我们拿的是开放权重，转成 Apple MLX 的 8-bit 格式，跑在你自己 Mac 的 GPU 上。没有账号，没有 API key，没有上传。音频不会离开这台机器——这一点和另外三个引擎完全一样。我们把模型放在本地跑，本来就是为了这件事，而它也是选择器里唯一一条不随引擎变化的事实。
三个"不是"——另外三个引擎系列每个渠道都有，只有它不在 iPhone 上，不在 Mac App Store 版里，也还没有走出 Beta。那三个是 Whisper、Parakeet V3 和 SenseVoice；Mac 直接下载版（DMG）1.6.0 及以后多出 Qwen3-ASR 1.7B 这第四个。
SenseVoice 不是已经换掉 Qwen3-ASR 了吗？
换掉了，那句话现在依然成立。直接下载版（DMG）1.5.0 里，我们用 SenseVoice Small 替换了 Qwen3-ASR。当时移除的是 0.6B 版本，走 sherpa-onnx 在 CPU 上自回归推理，27 分钟的中文播客要跑 224 秒。SenseVoice 处理同一个文件只用了 13.83 秒。
1.6.0 里来的是另一个模型。参数量接近三倍，运行方式从 CPU 上的 sherpa-onnx 换成 GPU 上的 MLX，下文所有数据也都是单独重跑的。0.6B 不会回来了。把这两个理解成同一家族的两个成员，而不是同一个模型走了又回来。
SenseVoice 也没有被拿掉。中文、日语、韩语仍然首选它，所有渠道都有，而且它是两者中唯一能在 iPhone 上跑的。
我们是怎么测的？
这一轮跑的是冻结好的协议，不是随手掐的几个表。下面这些细节足够你拿来反驳我们。
- 模型。Qwen3-ASR 1.7B 用的是 app 内置的那个 MLX 8-bit 版本；Whisper Large V3 Turbo 用的是 app 内置的 whisper.cpp ggml 版本，跑在 Metal 上。
- 数据。Google FLEURS 的测试集，版本锁定在 70bb2e84，CC-BY-4.0 许可。
- 抽样。每种语言按固定顺序取前 15 分钟，不随机抽。所有模型听到的是同一批片段、同样的顺序，没有谁抽到更容易的题。
- 评分。以空格分词的语言用词错率，中文、粤语、日语、韩语、泰语用字错率。两者绝不合并成一个全局分数——一个数字符、一个数词，含义本来就不同。
- 误差范围。每一格都做 10,000 次自助重采样。FLEURS 没有公开说话人聚类信息，所以区间是条目级的，我们也如实标注。
- 机器。一台 M5 MacBook Air，32 GB，macOS 26.5。空输出和失败都计入分母。两个模型这一项都是零。
下面这段比协议本身更重要。FLEURS 是短句、干净、朗读的语音：有人对着好麦克风念一句话。你的会议不是这样。你的听写也不是这样。我们自己的测试里已经两次看到朗读集排名在真实音频面前失效，所以我们在基准测试的仓库里定了条规矩：朗读集排名不外推到真实长录音。这张表适合用来判断"这个模型在我这门语言上值不值得一试"，不适合用来预期"我能拿到的准确率就是这个数"。
我们还没有跑完 Qwen3-ASR 1.7B 在真实会议场景上的评测。跑完了会单独写一篇，并附上它自己的方法说明。
两个模型各自赢在哪里？
全部 30 种语言，按 Qwen 领先最多到落后最多排列。两列都是越低越好。最后一列表示这个差距有没有超出配对 95% 区间；写"否"的行，本轮数据分不出两个模型的高下，请当成平手来读。
我们自己跑的 FLEURS，一台 M5 MacBook Air，朗读语音。
| 语言 | 指标 | Qwen3-ASR 1.7B | Whisper Large V3 Turbo | 差值（百分点） | 超出误差范围？ |
|---|---|---|---|---|---|
| 粤语 | 字错率 | 6.00 | 37.97 | -31.98 | 是 |
| 印地语 | 词错率 | 13.67 | 30.42 | -16.74 | 是 |
| 泰语 | 字错率 | 5.92 | 12.95 | -7.04 | 是 |
| 越南语 | 词错率 | 5.07 | 9.79 | -4.72 | 是 |
| 波斯语 | 词错率 | 26.98 | 30.03 | -3.05 | 否 |
| 阿拉伯语 | 词错率 | 14.14 | 15.75 | -1.61 | 否 |
| 印尼语 | 词错率 | 4.97 | 6.50 | -1.54 | 否 |
| 法语 | 词错率 | 3.98 | 5.39 | -1.40 | 是 |
| 中文 | 字错率 | 5.69 | 6.88 | -1.19 | 否 |
| 英语 | 词错率 | 5.07 | 5.92 | -0.85 | 否 |
| 德语 | 词错率 | 3.51 | 4.10 | -0.60 | 否 |
| 日语 | 字错率 | 5.39 | 5.71 | -0.32 | 否 |
| 韩语 | 字错率 | 3.51 | 3.70 | -0.18 | 否 |
| 西班牙语 | 词错率 | 3.60 | 3.76 | -0.15 | 否 |
| 意大利语 | 词错率 | 2.98 | 3.05 | -0.07 | 否 |
| 俄语 | 词错率 | 5.98 | 5.51 | +0.47 | 否 |
| 葡萄牙语 | 词错率 | 5.64 | 4.91 | +0.73 | 否 |
| 马其顿语 | 词错率 | 17.81 | 16.64 | +1.18 | 否 |
| 马来语 | 词错率 | 11.60 | 10.18 | +1.41 | 否 |
| 荷兰语 | 词错率 | 7.65 | 5.63 | +2.02 | 是 |
| 土耳其语 | 词错率 | 8.34 | 5.53 | +2.81 | 是 |
| 丹麦语 | 词错率 | 20.12 | 14.92 | +5.20 | 是 |
| 波兰语 | 词错率 | 12.78 | 5.32 | +7.46 | 是 |
| 罗马尼亚语 | 词错率 | 18.97 | 8.22 | +10.75 | 是 |
| 菲律宾语 | 词错率 | 20.44 | 9.37 | +11.07 | 是 |
| 瑞典语 | 词错率 | 20.04 | 8.72 | +11.31 | 是 |
| 捷克语 | 词错率 | 23.92 | 11.15 | +12.77 | 是 |
| 希腊语 | 词错率 | 30.20 | 12.97 | +17.23 | 是 |
| 芬兰语 | 词错率 | 26.08 | 6.54 | +19.53 | 是 |
| 匈牙利语 | 词错率 | 36.35 | 13.66 | +22.69 | 是 |
我们自己的配对测试，FLEURS 测试集版本 70bb2e84，每种语言约 15 分钟，一台 M5 MacBook Air。差值单位为百分点。"超出误差范围"指差值的配对 95% 自助区间不包含零。
这张表能读出三件事，只有一件对我们有利。
比分是平的。各胜 15 种。这份数据没有任何一种读法能得出"Qwen3-ASR 1.7B 可以全面替代 Whisper"，我们也不会那样讲。30 个差距里有 16 个超出误差范围——Qwen 占 5 个，Turbo 占 11 个；剩下 14 个只在小数点上分得出胜负。
赢的地方和输的地方不在同一片区域。按字计分的五种语言——中文、粤语、日语、韩语、泰语——Qwen 平均 5.30%，Turbo 是 13.44%。按词计分的另外二十五种，Qwen 平均 13.99%，Turbo 是 10.16%。它明确赢下的是按字计分的那几种，加上印地语、泰语和越南语；而在 Turbo 处理得游刃有余的北欧和中欧语言上它垮得很彻底，菲律宾语也一样，Turbo 领先 11 个百分点。
粤语这一行才是真正会改变选择的。6.00% 对 37.97%，这不是调参能解释的差距。我们此前把 SenseVoice 写成粤语的答案，而在同一批音频上 SenseVoice 是 36.71% 字错率，和 Turbo 差不多。在这套朗读语音数据上，这两个数字都不足以支撑粤语。与其让旧的推荐不加限定地留在那里，不如把这个限定条件补上。如果你说粤语、并且用的是 Mac 直接下载版，值得试试这个 Beta。如果你在 iPhone 或 Mac App Store 版上，SenseVoice 仍是你能用的粤语引擎；而且它在中文、日语、韩语上的表现，比粤语这一行给人的印象好得多。
这份准确率要付出什么代价？
准确率只是一个维度。另外三个维度在同一套测试、同一台机器上测得，所以至少这几个引擎彼此之间是可比的。
| 引擎 | 语言数 | 本轮速度中位数（短片段） | 峰值内存 | 下载体积 | 可用渠道 |
|---|---|---|---|---|---|
| SenseVoice Small | 6 个选项 | 161.0 倍 | 0.95 GiB | 827 MB | iPhone、两个 Mac 版本 |
| Parakeet TDT 0.6B v3 | 25 | 82.9 倍 | 0.09 GiB | 465 MB | iPhone、两个 Mac 版本 |
| Qwen3-ASR 1.7B（Beta） | 标称 30 种 | 8.7 倍 | 2.43 GiB | 约 2.5 GB | 仅 Mac 直接下载版（DMG）1.6.0+ |
| Whisper Small | 101 | 6.4 倍 | 0.87 GiB | 600 MB | iPhone、两个 Mac 版本 |
| Whisper Large V3 Turbo | 101 | 2.4 倍 | 1.87 GiB | 约 1.6 GB | 两个 Mac 版本 |
同一次 FLEURS 测试中，各引擎在其支持语言上的实时倍率中位数，机器为一台 M5 MacBook Air。这些是短片段的测试台数据，比 app 处理长录音时的实际表现要低。这一列只能用来在这一轮里横向比较各引擎，不能用于别处。峰值内存为逐条目观测到的进程最大占用。
这张表要当阶梯看，不要当排行榜看。同一套测试里，Parakeet V3 和 SenseVoice Small 比 Qwen3-ASR 快了大约一个数量级，体积则是 465 MB 和 827 MB 对 2.5 GB。在 app 里处理长文件时，Parakeet 在 M4 Pro 上跑到过 103 倍实时，SenseVoice 是 52 倍以上——那是另一套音频上的另一种测量，但指向是一致的。
Qwen3-ASR 落在这道阶梯的中间。它并不是本轮短片段测试里最慢的引擎，最慢的是 Whisper Large V3 Turbo；但它在语言之间的波动比谁都大，希腊语 2.7 倍，日语 12.4 倍。而在资源占用上，它是 app 里最重的：下载最大，峰值内存最高，也是唯一一个抬高了系统要求的引擎。
切换之前还需要知道什么？
这个引擎附带五个条件。没有一个是缺陷，它们只是一个 1.7B 模型跑在笔记本上应有的样子。
- 它是 Beta。模型选择器里就是这么标的，意思是行为和默认值在版本之间仍可能变动。另外四个引擎不是 Beta。
- 它需要 macOS 15 及以上、Apple 芯片，建议 16 GB 内存。Mac 版 app 的其余部分在 macOS 14 上就能跑。只有这个引擎要求更多，本轮 2.43 GiB 的进程峰值内存就是原因；如果你的 Mac 是 8 GB 内存，Parakeet V3 和 Whisper Small 用 465 MB 和 600 MB 就能干同样的活。
- 它是约 2.5 GB 的下载。首次使用时在 app 内下载，取消或断网后可以续传，使用前会校验完整性。如果磁盘吃紧，Whisper Small 用 600 MB 就覆盖 101 种语言。
- 用它做语音输入时是准确率优先，不是边说边出字。按住 Fn 说话，松开，完整文本一次性粘贴。我们用同一批音频把真流式版本和这个版本做过对拍，流式那条路更差：30 组英语配对是 9.25% 对 3.13% 词错率，30 组德语是 22.60% 对 2.93%。我们选了准确率。它能接受很短的语音，所以用它口述一行修改照样能用。另外，模型必须先加载完成，语音输入才会受理按键，不会让你对着一个尚未就绪的模型说话。
- 导入音频时确实会边转边出字。那是另一条路径：文件在本地一次性离线转写，文字随模型产出逐步显示在页面上。最终保存的是这一遍转写的结果。
如果上面这些都不吸引你，你的设置一点都不用改。Parakeet V3 仍然是默认引擎，英语和大部分欧洲语言仍然选它；非 Beta 引擎之间的完整对比表也在那篇里。
是哪 30 种语言，怎么打开？
Qwen3-ASR 1.7B 标称 30 种语言：阿拉伯语、粤语、中文、捷克语、丹麦语、荷兰语、英语、菲律宾语、芬兰语、法语、德语、希腊语、印地语、匈牙利语、印尼语、意大利语、日语、韩语、马其顿语、马来语、波斯语、波兰语、葡萄牙语、罗马尼亚语、俄语、西班牙语、瑞典语、泰语、土耳其语、越南语。简体中文和繁体中文在选择器里是两个选项，共用同一个中文请求，所以你在语言支持页上会数到 31 个勾、30 个语言名。
这 30 种语言，Whisper 在所有渠道也都覆盖——变的只是错误率，粤语上差了整整 32 个百分点。
打开方法：用 Mac 直接下载版（DMG）1.6.0 或更高版本打开 Whisper Notes，进入设置，找到转录模型，选择 Qwen3-ASR 1.7B。模型在首次使用时下载。如果下载中断，重新打开选择器会续传，不会从头再来。
选择器里带着和上面这张表同源的数字。选中一个模型，展开它的语言列表，每种语言会显示实测的词错率或字错率，各引擎中最低的那个标绿，下面注明"On-device results on a subset of FLEURS."（设备端结果，基于 FLEURS 的一个子集）。我们宁愿你按实测数据挑模型，也不要按宣传挑——包括我们自己的宣传。
命令行也能用。本地 CLI 和 MCP 服务接受 qwen、qwen3、qwen3-asr 三个名字，走的是和界面完全相同的 app、语言选择和分块逻辑。
常见问题
Qwen3-ASR 比 Whisper 更准吗？
取决于语言，而且比分接近对半。在我们自己用 Mac 版 Whisper Notes 跑的 FLEURS 测试中，两个模型共同覆盖的 30 种语言里，Qwen3-ASR 1.7B 赢 15 种，Whisper Large V3 Turbo 赢 15 种。Qwen 明确领先的是粤语（6.00% 对 37.97% 字错率）、印地语（13.67% 对 30.42% 词错率）、泰语、越南语和法语。Turbo 明确领先的是芬兰语（6.54% 对 26.08% 词错率）、匈牙利语、希腊语、捷克语、瑞典语、丹麦语、波兰语、罗马尼亚语、菲律宾语、土耳其语和荷兰语。30 个差距里有 14 个落在误差范围内，应当视为平手。如果你的语言在 Qwen 领先的那一列，并且能接受 Whisper Notes 的 Mac 直接下载版（DMG）上的一个 Beta，就选 Qwen3-ASR；其余情况、以及 Qwen 那 30 种之外的所有语言，选 Whisper Large V3 Turbo——它覆盖全部 101 个语言选项。
iPhone 版或 Mac App Store 版能用 Qwen3-ASR 吗？
不能。Qwen3-ASR 1.7B 只在 Whisper Notes 的 Mac 直接下载版（DMG）1.6.0 及以后的版本里，其他渠道都没有。iPhone 版和 Mac App Store 版有三个引擎系列——Whisper、Parakeet V3、SenseVoice——而 Qwen 能识别的每一种语言，这些渠道的 Whisper 也都覆盖。若按模型数量算，Mac App Store 版是四个，直接下载版是五个，因为 Whisper 有 Small 和 Large V3 Turbo 两档。如果你需要在 iPhone 上转写粤语，那里用 SenseVoice。
中文、日语、韩语该选 Qwen3-ASR 还是 SenseVoice？
准确率很接近，速度差得很远。我们的 FLEURS 测试中，Qwen3-ASR 中文字错率 5.69%、日语 5.39%、韩语 3.51%；SenseVoice Small 在同一批音频上分别是 7.06%、6.85%、7.82%。但同一轮里 SenseVoice 的实时倍率中位数是 161 倍，Qwen 是 8.7 倍；下载体积是 827 MB 对约 2.5 GB；而且 SenseVoice 在 iPhone 和两个 Mac 版本上都能用。除非你转写的是粤语——那里 Qwen3-ASR 是 6.00% 字错率、SenseVoice 是 36.71%，差距大到值得多等一会儿——否则选 SenseVoice。
这里的 Beta 是什么意思？
意思是这个引擎已经发布、可以正常使用，但它的行为和默认值在 Mac 直接下载版（DMG）的后续版本中仍可能变化。Whisper Notes 里另外四个模型——Parakeet V3、SenseVoice Small、Whisper Small、Whisper Large V3 Turbo——都不是 Beta。转写同样完全在设备上进行：不需要账号，不上传，飞行模式下照常工作。如果你不想用 Beta，Parakeet V3 仍是默认引擎，对你来说什么都不会变。
Qwen3-ASR 1.7B 的系统要求是什么？
需要一台 Apple 芯片的 Mac，macOS 15 或更高版本，建议 16 GB 内存，另需约 2.5 GB 磁盘空间存放模型。这比 Mac 版 Whisper Notes 其余部分的要求更高——app 本身在 macOS 14 及以上就能运行。我们的测试中该模型进程峰值内存为 2.43 GiB，是五个引擎里最高的。如果你的 Mac 是 8 GB 内存，Whisper Small 用 600 MB 覆盖同样的 101 种语言，Parakeet V3 用 465 MB 覆盖 25 种欧洲语言。
这是 1.5.0 里被 SenseVoice 换掉的那个 Qwen3-ASR 吗？
不是，这是同一家族里更大的一个模型。直接下载版（DMG）1.5.0 移除的是 Qwen3-ASR 0.6B，走 sherpa-onnx 在 CPU 上自回归推理，27 分钟的中文播客要 224 秒。Qwen3-ASR 1.7B 的参数量大约是它的三倍，通过 Apple MLX 以 8-bit 跑在 GPU 上。SenseVoice Small 仍然在 app 里，所有渠道都有，中文、日语、韩语上仍是更快的选择。
用 Qwen3-ASR 时音频会离开我的 Mac 吗？
不会。阿里巴巴确实也把 Qwen3-ASR 做成云服务，通过百炼（DashScope）的实时 API 和录音文件转写 API 提供，那条路径需要把音频上传到他们的服务器。Whisper Notes 不使用这些接口。它把开放权重作为 MLX 8-bit 模型跑在你 Mac 自己的 GPU 上，不需要账号，不需要 API key，断网也能转写。app 里四个引擎系列都是如此。
为什么这些数字和我在自己的录音上得到的准确率对不上？
因为 FLEURS 是短句、干净的朗读语音，而你的录音不是。我们这一轮是在公开数据集上做的校准：每种语言约 15 分钟，一台 M5 MacBook Air，所有模型听同样的片段。它适合判断某个模型在某种语言上值不值得一试，不能用来预测你在会议、噪声环境、带口音的语音或两小时长文件上的准确率。朗读集排名在真实音频面前失效，我们自己已经遇到过两次，所以我们把它作为校准发布，而不是当作定论。
去试试
Qwen3-ASR 1.7B 在 Mac 版 Whisper Notes 1.6.0 及以后的直接下载版（DMG）里，标记为 Beta。位置是设置 → 转录模型。免费试用额度是 10,000 字，足够你把自己的语言跑一遍，然后来反驳上面那张表。
如果你发现某种语言上我们的数字和你的实际体验对不上，我们很想知道。写信到 mac@whispernotes.app。完整更新说明：whispernotes.app/changelog。
以上所有数据的来源：我们在 Google FLEURS 测试集 70bb2e84 版本上的测试、Qwen3-ASR 1.7B 模型卡，以及语言支持页上按引擎划分的语言表——那张表由 app 源码生成。
下载 Mac 版