除了 Whisper，Whisper Notes 还有两个擅长中文、日语和韩语的模型：SenseVoice Small 和 Qwen3-ASR 1.7B（下文简称 Qwen3-ASR）。两者都在你的设备上离线运行。SenseVoice 快，Qwen3-ASR 错得少。我们想知道：转写中文、日语和韩语，到底该用哪个？
准确率是我们自己测的：用 Whisper Notes 实际搭载的模型，让 SenseVoice Small、Qwen3-ASR 和 Whisper Large V3 Turbo 转写同一批 FLEURS 朗读句子，每种语言约 30 分钟。速度用的是应用里模型卡片上显示的数值，来自另一项短音频测试。其余内容都来自 Mac 版目前的实际做法。
Qwen3-ASR 比 SenseVoice 准多少？
| 语言 | Qwen3-ASR 1.7B | SenseVoice Small | Whisper Large V3 Turbo |
|---|---|---|---|
| 中文 | 6.49% | 7.69% | 7.97% |
| 日语 | 5.74% | 6.78% | 5.30% |
| 韩语 | 3.54% | 7.85% | 4.25% |
| 英语 | 4.49% | 8.46% | 5.49% |
中文、日语、韩语为字符错误率（CER），英语为单词错误率（WER），越低越好。绿色标出每行最低的一个。我们在 Mac 上用 FLEURS 测试集自测，每种语言约 30 分钟、139 到 180 句朗读。SenseVoice 是手动指定语言的结果。只覆盖干净的朗读语音，不代表嘈杂环境、会议和长录音。
我们测的每种语言，Qwen3-ASR 都比 SenseVoice 错得少。中文和日语差得不多，约 1 个百分点：中文 6.49%（Qwen3-ASR）对 7.69%（SenseVoice），日语 5.74% 对 6.78%。差距最大的是韩语，SenseVoice 错的字是 Qwen3-ASR 的两倍多：7.85% 对 3.54%。英语上，Qwen3-ASR 大约每 22 个词错 1 个，SenseVoice 大约每 12 个错 1 个。
Whisper Large V3 Turbo 和 Qwen3-ASR 很接近：日语上它是三者里最准的，韩语和英语排第二，中文则略逊于 SenseVoice。
SenseVoice 比 Qwen3-ASR 快多少？
| 模型 | 速度（实时倍数） | 一小时音频，大约要 |
|---|---|---|
| SenseVoice Small | 115.2–131× | 约 30 秒 |
| Qwen3-ASR 1.7B | 7.6× | 约 8 分钟 |
绿色标出更快的一方。这是应用里模型卡片上显示的速度：只算模型处理的时间，不含加载模型，在 Mac 上用另一项日常使用测试的短音频测得。SenseVoice 手动指定语言时是 115.2 倍，自动识别语言时是 131 倍；Qwen3-ASR 取整前是 7.65 倍。一小时所需时间由这些速度换算并取整。
SenseVoice 快 15 倍以上。一小时的录音，大约半分钟对大约八分钟。如果你常转长录音，或者想马上拿到文字，这个差别比一个百分点的准确率更要紧；如果等几分钟无所谓、想少改几处，那就不要紧。
指定语言，准确率还能再高一点
手动设置语言后，SenseVoice 在四种语言上都比“自动”错得少：中文 7.69% 对 7.90%，日语 6.78% 对 6.87%，韩语 7.85% 对 8.09%，英语 8.46% 对 8.51%。差距不大，但方向一致。Qwen3-ASR 和 Whisper 我们没有用“自动”跑过，所以没有它们的数字；应用自己的建议是：除 Parakeet 外，主动选择语言通常比“自动”更准确。
Parakeet 是例外：在 Whisper Notes 里，告诉它语言反而会降低准确率，所以它总是自己识别语言（见《Parakeet Ultra 对比 Parakeet V3》）。在 Mac 上，这个设置在“设置”的“转录”里，叫“语言”。
长录音实际要等多久？
在早先一次用真实录音做的测试里，Apple M4 Pro 上，SenseVoice 转写一期 27 分钟的中文访谈播客用了 13.83 秒，Whisper Large V3 Turbo 用了 2 分 4 秒。Qwen3-ASR 没有参加那次测试。那次测试用的是较早版本的应用，速度约为实时的 117 倍，与现在模型卡片上的 115–131 倍相当。
按那次测试粗略换算，在那台 Mac 上，一小时的会议或讲座，SenseVoice 大约半分钟，Whisper Large V3 Turbo 大约四分半钟。按上面的速度，Qwen3-ASR 大约要八分钟。
两个模型都不会一口气读完整个长文件。在 Mac 版里，SenseVoice 把音频在停顿处切成最长 30 秒的片段，每段转完就先显示出来。Qwen3-ASR 也按最长 30 秒分段，在接近上限处找最安静的地方切开，文字一边生成一边出现。所以文稿是一段一段补齐的，不用等整个文件转完就可以开始看。
我的设备能用哪个？
| 模型 | iPhone | Mac App Store 版 | 从官网下载的 Mac 版 |
|---|---|---|---|
| SenseVoice Small | 有 | 有 | 有 |
| Qwen3-ASR 1.7B | 没有 | 有（Beta） | 有（Beta） |
| Whisper Large V3 Turbo | 没有 | 有 | 有 |
| Whisper Small | 有 | 有 | 有 |
绿色表示有，琥珀色表示没有。
在 iPhone 版上，转写中文、日语和韩语的快速选择是 SenseVoice，另一个选项是 Whisper Small。
为什么有两个 Mac 版本？Mac App Store 版要在苹果对 App Store 应用的限制之内运行，所以有几项功能只在从官网下载的 Mac 版里提供：按住 Fn 键语音输入、本地 AI 助手和命令行工具（来龙去脉见这篇）。两个版本的语音模型完全相同。
在 Mac 上各需要什么
| SenseVoice Small | Qwen3-ASR 1.7B | |
|---|---|---|
| 下载大小 | 约 450 MB | 约 2.5 GB |
| 内存（模型卡片标注） | 约 700 MB | 约 2.6 GB |
| 内存峰值（我们实测） | 0.95 GiB | 2.43 GiB |
| Mac | Apple 芯片 | Apple 芯片，macOS 15 或更新 |
| 建议内存 | 没有标注下限 | 建议 16 GB |
下载大小和内存标注取自目前从官网下载的 Mac 版。琥珀色标出下载前需要确认的条件。内存峰值来自上面测速用的同一项日常使用测试；1 GiB 约等于 1.07 GB。
两个模型都不是内置的，各自在设置里的模型卡片上下载一次，之后离线使用。SenseVoice 轻得多：下载量约为 Qwen3-ASR 的五分之一，内存也不到它的一半。内存少于 16 GB 的 Mac 上，Qwen3-ASR 卡片上的内存提示会变成橙色，以示提醒。作为对比，Whisper Large V3 Turbo 下载约 2 GB，卡片标注内存约 2.4 GB。
该用哪个？
- 在 Mac 上想错得最少：用 Qwen3-ASR 1.7B，两个 Mac 版本都有。我们测的四种语言，它都比 SenseVoice 准。日语上 Whisper Large V3 Turbo 还要略准一点：5.30% 对 5.74%。
- 要速度、录音很长、Mac 内存不多，或者用 iPhone 版：用 SenseVoice Small。一小时的音频大约半分钟转完，而不是大约八分钟；下载量和内存也只要一小部分。
- 不用 Qwen3-ASR 1.7B（它需要 macOS 15），又想日语或韩语更准：用 Whisper Large V3 Turbo。日语 5.30% 对 SenseVoice 的 6.78%，韩语 4.25% 对 7.85%。它比 SenseVoice 慢得多。
- 其他语言：英语和另外 24 种欧洲语言用内置的 Parakeet（见《Parakeet Ultra 对比 Parakeet V3》），其余语言用 Whisper。Qwen3-ASR 1.7B 和 Whisper 在 30 种语言上的对比，见我们的 Qwen3-ASR 与 Whisper 对比评测。6 个模型在 42 种语言上的错误率，都列在各语言模型对比里。
用起来还有什么要知道的？
- 说话人标签、时间戳和字幕两个模型都能用。SenseVoice 和 Qwen3-ASR 都会给出时间戳，所以说话人标签和 SRT 字幕导出，用哪个模型都一样。
- 简体还是繁体，跟随系统语言。转写完成后，Whisper Notes 会在你的 Mac 上把中文转换成简体或繁体，默认跟随系统语言。如果你把语言设成“简体中文”或“繁體中文”，就按你的选择来。
- 方言没有测过。Qwen 官方的模型说明列出了 30 种语言，另有 22 种中文方言和口音。Whisper Notes 没有单独的方言设置：你选中文或“自动”，剩下的交给模型。我们没有测过方言，所以说不好两个模型对方言的效果如何。
- Qwen3-ASR 是测试版。万一它意外停止，Whisper Notes 下次启动时会先停用它并切换到别的模型，保证应用能正常打开。你可以在设置里重新选择 Qwen3-ASR 再试。
- 我们的数据来自干净的朗读语音。FLEURS 是安静环境下朗读的句子。会议、嘈杂环境、远处的麦克风和浓重口音，都可能让差距变大或变小。
- 中英混说没有测过。我们没有测过两个模型对中英夹杂的句子表现如何，所以选定之前，最好先拿一段你平常的录音试一试。
怎么切换模型？
在 Mac 上打开“设置”，滚动到“转录模型”。每个模型一张卡片，写着它的速度、擅长什么、支持几种语言、需要多少内存和下载大小。要下载某个模型，点它的卡片或卡片上的下载箭头；装好之后，再点卡片就切换过去。每张卡片上的语言链接（“支持的语言”，Qwen3-ASR 1.7B 卡片上是“支持 30 种语言”）会列出每种语言和我们测得的错误率。
官网下载的 Mac 版：设置 → 转录模型
然后在“转录”里设好“语言”，不要留在“自动”。
SenseVoice 是什么？
| 开发者 | FunAudioLLM（阿里巴巴通义实验室） |
| 发布 | 2024 年 7 月，随 FunAudioLLM 论文发布 |
| 大小 | 2.34 亿参数；在从官网下载的 Mac 版里下载约 450 MB |
| 语言 | 中文、粤语、英语、日语、韩语 |
| 设计 | 非自回归：一步写出一整段音频的文字，而不是一小段一小段往下写 |
| 许可 | FunASR 模型开源许可协议（FunASR Model Open Source License Agreement） |
| 运行 | 在你的设备上离线运行；在 Mac 上通过苹果的 MLX 在 GPU 上运行 |
| Whisper Notes 里 | iPhone 版、Mac App Store 版、从官网下载的 Mac 版都有 |
来自 FunAudioLLM 论文：SenseVoice-Small 有 2.34 亿参数，处理 10 秒音频用 70 毫秒；Whisper-Large-V3 有 15.5 亿参数，用 1,281 毫秒。都是在数据中心 GPU 上，不是在 Mac 上。
Qwen3-ASR 来自阿里巴巴的通义千问（Qwen）团队，采用 Apache 2.0 许可。在 Whisper Notes 里，它以 8-bit 精度通过 MLX 在 Mac 的 GPU 上运行。它和 Whisper 在 30 种语言上的对比，见我们的 Qwen3-ASR 评测。
常见问题
中文、日语、韩语，SenseVoice 和 Qwen3-ASR 哪个更好？
要错误最少，用 Qwen3-ASR 1.7B：在我们的 FLEURS 测试里，它的中文、日语、韩语字符错误率分别是 6.49%、5.74%、3.54%，SenseVoice Small 是 7.69%、6.78%、7.85%。要速度，用 SenseVoice：它是 115.2–131 倍实时，Qwen3-ASR 是 7.6 倍。Qwen3-ASR（Beta）在 Mac 上可用，Mac App Store 版和从官网下载的 Mac 版都有；SenseVoice 在 iPhone 版上也有。
SenseVoice 比 Whisper 好吗？
快得多，中文上准确率也接近。在我们的 FLEURS 测试里，SenseVoice Small 中文比 Whisper Large V3 Turbo 略准（7.69% 对 7.97%），日语（6.78% 对 5.30%）、韩语（7.85% 对 4.25%）和英语（8.46% 对 5.49%）则不如它。在 Apple M4 Pro 上，它转写一期 27 分钟的中文播客用了 13.83 秒，Whisper Large V3 Turbo 用了 2 分 4 秒。
SenseVoice 和 Qwen3-ASR 能输出繁体中文吗？
能。转写完成后，Whisper Notes 会在你的 Mac 上把文字转换成简体或繁体中文，默认跟随系统语言，也可以在“语言”里直接选。SenseVoice 和 Qwen3-ASR 1.7B 都是这样。
iPhone 能用 SenseVoice 吗？
可以。iPhone 版 Whisper Notes 提供 SenseVoice，以及 Parakeet 和 Whisper Small，能在手机上离线转写中文、日语、韩语、粤语和英语。iPhone 版没有 Qwen3-ASR 1.7B。
试试看
iPhone 版和 Mac 版 Whisper Notes 都有 SenseVoice，Qwen3-ASR（Beta）只在 Mac 版里。点下面的按钮，可以从 App Store 获取 iPhone 版，或从官网下载 Mac 版。有问题请发邮件到 support@whispernotes.app。
下载 iOS 版