Parakeet czy Whisper do dyktowania na Macu: model NVIDIA wobec modelu OpenAI

Tekst: · Opublikowano

Parakeet czy Whisper sprowadza się do wyboru między językami a szybkością: Parakeet TDT 0.6B v3 od NVIDIA to model mowy z 600 milionami parametrów dla 25 języków europejskich, który NVIDIA zbudowała z myślą o dużej przepustowości, a Whisper Large v3 Turbo od OpenAI to model wielojęzyczny, którego karta modelu wymienia wiele języków z nazwy. Oba mogą działać lokalnie na Macu w aplikacji do dyktowania, oba dodają interpunkcję i żaden nie wysyła Twojego głosu nigdzie, gdy działa na Twoim urządzeniu.

Tworzę YapToText, darmową aplikację do dyktowania na Maca, która uruchamia Whisper i tylko Whisper. Nie oferuje Parakeet, więc czytaj to, co dalej, z tą wiedzą. Tworzę ją, bo pisanie na klawiaturze sprawia mi trudność i dyktuję codziennie. Fakty o Parakeet pochodzą tu z karty modelu, artykułu i bloga NVIDIA, fakty o Whisper z własnych stron OpenAI, a fakty o aplikacjach na Maca z witryny każdej z nich. Żadna liczba dotycząca szybkości ani dokładności na tej stronie nie jest moja.

Pobierz YapToText z Mac App StoreDo pobrania za darmo. Bez konta i bez blokad, dla macOS 14 lub nowszego na Macu z układem Apple. Kod źródłowy na GitHubie.

Ten poradnik w innych językach: English, Čeština, Deutsch, Español, Français, Magyar, Bahasa Indonesia, Italiano, 日本語, 한국어, Nederlands, Português, Русский, ไทย, Türkçe, Tiếng Việt, 简体中文, 繁體中文

Na tej stronie: 14 sekcji
  1. Kroki
  2. Dwa modele, dwóch twórców
  3. Obok siebie
  4. Szybkość i dokładność: co zmierzyli twórcy
  5. Jakie języki słyszy każdy z nich
  6. Aplikacje na Maca z Parakeet i miejsce YapToText
  7. Kto powinien wybrać który
    1. Aplikacja z Parakeet może pasować, jeśli
    2. Whisper może pasować, jeśli
  8. Przetestuj oba na własnym głosie
    1. Krok 1: Zapisz pięć zdań, które naprawdę mówisz
    2. Krok 2: Podyktuj je z Parakeet
    3. Krok 3: Podyktuj je z Whisper w YapToText
    4. Krok 4: Porównaj szybkość na swoim Macu
  9. Czego żaden z nich nie potrafi
    1. Parakeet TDT 0.6B v3
    2. Whisper Large v3 Turbo
  10. W skrócie
  11. Poradniki
  12. Więcej poradników, po angielsku
  13. Źródła
  14. Pytania

Kroki

  1. Zapisz pięć zdań, które naprawdę mówisz, z nazwą, która zwykle wychodzi źle, i po jednym zdaniu w każdym języku, w którym dyktujesz.
  2. Podyktuj je w aplikacji oferującej Parakeet V3, takiej jak Handy lub VoiceInk, z wyłączonym porządkowaniem przez AI, i policz słowa, które trzeba by poprawić.
  3. Zamknij tę aplikację, potem podyktuj te same zdania w YapToText z Raw Transcription, naciskając 2 podczas mówienia, i policz poprawki w ten sam sposób.
  4. W History w YapToText kliknij Show pipeline details, by zobaczyć, jak długo trwała transkrypcja na Twoim Macu, i porównaj z drugą aplikacją.

Dwa modele, dwóch twórców

Te dwie nazwy bywają używane jak nazwy marek, więc warto dokładnie ustalić, o jakie pliki chodzi. Parakeet V3 i Whisper Large v3 Turbo to dwa modele lokalne, które większość aplikacji do dyktowania na Maca stawia dziś przed Tobą.

  • Parakeet TDT 0.6B v3. Karta modelu NVIDIA na Hugging Face nazywa go wielojęzycznym modelem rozpoznawania mowy z 600 milionami parametrów, zaprojektowanym do transkrypcji mowy na tekst o dużej przepustowości. Rozszerza Parakeet TDT 0.6B v2 z angielskiego na 25 języków europejskich. TDT oznacza Token-and-Duration Transducer, czyli dekoder stojący za enkoderem FastConformer. NVIDIA wydaje go na licencji CC BY 4.0.
  • Parakeet V2. Model tylko dla angielskiego, z którego wyrósł v3. Dokumentacja VoiceInk sugeruje Parakeet V2 lub Parakeet Unified, gdy dyktujesz tylko po angielsku.
  • Whisper Large v3 Turbo. OpenAI nazywa Whisper modelem rozpoznawania mowy ogólnego przeznaczenia, trenowanym na dużym zbiorze zróżnicowanego dźwięku, a turbo zoptymalizowaną wersją large-v3 z szybszą transkrypcją i minimalnym spadkiem dokładności. OpenAI podaje dla turbo 809 milionów parametrów i wydało kod oraz wagi Whisper na licencji MIT.
  • Co uruchamia YapToText. Standardowy plik Whisper Large v3 Turbo (Q5), 574 MB, przez kopię whisper.cpp zbudowaną z Metal i Accelerate. Strona o Whisper na Maca opisuje ten plik szczegółowo.

Jedno jest ukryte za nazwami: karta modelu Parakeet opisuje uruchamianie go przez zestaw narzędzi NeMo od NVIDIA i wymienia jako sprzęt architektury GPU NVIDIA, takie jak Ampere i Hopper. Mac z układem Apple nie ma GPU NVIDIA, więc aplikacja na Maca oferująca Parakeet musi uruchamiać go w inny sposób, a jej własna dokumentacja mówi, jak. Whisper na Macu zwykle oznacza whisper.cpp, którego README nazywa układ Apple pierwszoplanowym obywatelem.

Obok siebie

Sprawdzone 5 października 2026 na karcie modelu Parakeet TDT 0.6B v3 od NVIDIA i karcie modelu Whisper Large v3 Turbo od OpenAI na Hugging Face oraz 3 października 2026 w README Whisper od OpenAI i README whisper.cpp.

Parakeet TDT 0.6B v3Whisper Large v3 Turbo
TwórcaNVIDIAOpenAI
Rozmiar600 milionów parametrów809 milionów parametrów
Języki25 języków europejskichKilkadziesiąt, wymienionych z nazwy na karcie modelu. Skuteczność bardzo różni się zależnie od języka, według OpenAI
Wybór językaWykrywa go automatycznie, bez podpowiedziUstawia aplikacja albo jest wykrywany. YapToText oferuje 29 języków plus automatyczne wykrywanie
Interpunkcja i wielkie literyAutomatyczne, według karty modeluSam stawia interpunkcję w zwykłej mowie w YapToText
Znaczniki czasuNa poziomie słów i segmentów, według karty modeluZależy od aplikacji. Transkrypcje plików w YapToText to zwykły tekst bez nich
Długi dźwiękDo 24 minut w jednym przebiegu z pełną uwagą na GPU A100 80GB albo do 3 godzin z uwagą lokalnąZależy od aplikacji
LicencjaCC BY 4.0MIT
Stworzony do działania naZestawie narzędzi NeMo od NVIDIA, na GPU NVIDIAWszystkim, co go uruchamia. whisper.cpp traktuje układ Apple jako pierwszoplanowy

Dwa wiersze mają największe znaczenie dla dyktowania. Języki decydują, czy Parakeet w ogóle Cię usłyszy, a środowisko uruchomieniowe decyduje, jak szybko któryś z modeli działa na Twoim Macu. Parakeet to model węższy, budowany z myślą o szybkości. Whisper jest szerszy.

Szybkość i dokładność: co zmierzyli twórcy

Liczby, które ludzie przytaczają w sporze Parakeet czy Whisper, pochodzą od twórców i z rankingów, więc oto dokładnie, co zmierzono. Każda liczba w tej sekcji to pomiar NVIDIA lub OpenAI, a nie mój.

Sprawdzone 5 października 2026 w artykule NVIDIA na arXiv i na blogu NVIDIA.

  • Dokładność, według NVIDIA. Artykuł NVIDIA „Canary-1B-v2 & Parakeet-TDT-0.6B-v3” porównuje rozpoznawanie mowy angielskiej na zbiorach testowych z Hugging Face Open ASR Leaderboard, takich jak LibriSpeech, AMI i Earnings-22. Podaje niższy średni współczynnik błędów słów dla Parakeet TDT 0.6B v3 niż dla Whisper large-v3. Współczynnik błędów słów to odsetek słów, które model rozpoznał błędnie, więc niższy jest lepszy. Same liczby są w artykule, wymienionym w źródłach.
  • Szybkość, według NVIDIA. Ta sama tabela daje Parakeet RTFx równe 3 332,74, znacznie wyższe niż u Whisper large-v3. Blog NVIDIA definiuje przepustowość w tym rankingu jako czas trwania przetranskrybowanego dźwięku podzielony przez czas obliczeń i podaje, że Parakeet v3 ma tam najwyższą przepustowość spośród modeli wielojęzycznych.
  • Turbo, według OpenAI. Wiersz w artykule dotyczy Whisper large-v3, a nie turbo. OpenAI ocenia turbo na około 8 razy szybsze od large przy minimalnym spadku dokładności, mierzone na GPU A100, a nie na Macu.

Czytaj te liczby, pamiętając o czterech ograniczeniach. To angielskie zbiory testowe, więc nic nie mówią o Twoim polskim czy japońskim. Zmierzono je na sprzęcie NVIDIA, podczas gdy aplikacja na Maca uruchamia oba modele na układzie Apple, często z przekonwertowanego pliku, więc stosunek szybkości nie przeniesie się wprost. Porównują large-v3, a nie 5-bitowy plik turbo, który dostarcza YapToText. A dyktowanie to kilka sekund jednego głosu, a nie nagranie testowe.

W sprawie wymyślonych słów artykuł NVIDIA podaje, że do danych treningowych dodano dźwięk niebędący mową, by zmniejszyć halucynacje. Karta modelu Whisper od OpenAI mówi, że Whisper może podać tekst, który faktycznie nie został wypowiedziany, a poradnik o halucynacjach Whisper opisuje dlaczego i co robi z tym YapToText. Nie znaleziono źródła, które mierzy oba modele obok siebie pod tym względem, więc nie twierdzę niczego w żadną stronę.

Wpis w History w YapToText z otwartymi szczegółami potoku: surowa transkrypcja, oczyszczona transkrypcja, tryb, dostarczenie, aplikacja docelowa i czasy.
Rysunek 1. Liczba szybkości, która się liczy, to ta na Twoim Macu: History dzieli czas od zatrzymania do tekstu każdego dyktowania na transkrypcję, porządkowanie przez AI i dostarczenie.

Jakie języki słyszy każdy z nich

Dla większości osób wybór rozstrzyga się tutaj, zanim pojawi się szybkość. Jeśli Parakeet nie wymienia Twojego języka, to nie jest Twój model.

Karta modelu NVIDIA wymienia te 25: bułgarski, chorwacki, czeski, duński, holenderski, angielski, estoński, fiński, francuski, niemiecki, grecki, węgierski, włoski, łotewski, litewski, maltański, polski, portugalski, rumuński, rosyjski, słowacki, słoweński, hiszpański, szwedzki i ukraiński. Oto jak to się ma do 29 języków w selektorze Language w YapToText:

  • W obu. Czeski, duński, holenderski, angielski, fiński, francuski, niemiecki, grecki, węgierski, włoski, polski, portugalski, rumuński, rosyjski, słowacki, hiszpański, szwedzki i ukraiński.
  • Tylko w selektorze YapToText. Arabski, chiński, hebrajski, hindi, indonezyjski, japoński, koreański, norweski bokmål, tajski, turecki i wietnamski.
  • Tylko w Parakeet v3. Bułgarski, chorwacki, estoński, łotewski, litewski, maltański i słoweński. Karta modelu Whisper wymienia wszystkie siedem, ale selektor YapToText nie, a twierdzę tylko to, co wymienia selektor.

Dwie kolejne różnice widać, gdy dyktujesz w więcej niż jednym języku. Parakeet wykrywa język sam. YapToText ustawia jeden język na dyktowanie, z selektora albo przez automatyczne wykrywanie, a zmiana obowiązuje od następnego dyktowania. Poradnik o językach pokazuje, jak powiązać język z aplikacją lub skrótem.

Aplikacje na Maca z Parakeet i miejsce YapToText

Wiele aplikacji do dyktowania na Maca oferuje dziś Parakeet obok Whisper, a strony porównawcze tej witryny już śledzą, które. Jeśli chcesz mieć dziś Parakeet na Macu, dostaniesz go w jednej z tych aplikacji, a nie w YapToText.

Sprawdzone 3 października 2026 na stronie, w dokumentacji lub repozytorium każdej aplikacji.

AplikacjaParakeetWhisperCena
VoiceInkParakeet V3 domyślnie przy konfiguracji. Parakeet V2 lub Parakeet Unified tylko dla angielskiegoTak7-dniowy okres próbny, potem $25 raz za jednego Maca
SpokenlyLokalne modele Parakeet, za darmoTak, za darmoZa darmo z modelami lokalnymi. Pro $9.99 miesięcznie
superwhisperTylko w ProTak, w planie darmowymPlan darmowy. Pro $8.49 miesięcznie
HandyParakeet V3Small, Medium, Turbo i LargeZa darmo, licencja MIT
OpenWhisprTak, wśród modeli lokalnychTakDarmowe dyktowanie lokalne
FluidVoiceTak, plus NemotronTakZa darmo, GPL-3.0
YapToTextNieLarge v3 Turbo (Q5) w środku, dziesięć kolejnych w biblioteceZa darmo

Strony ze szczegółami to porównanie z VoiceInk, porównanie ze Spokenly, porównanie z superwhisper i zestawienie otwartoźródłowych aplikacji do dyktowania, które obejmuje Handy, OpenWhispr i FluidVoice.

Po stronie YapToText wybór modelu znajduje się na stronie AI Models. W Dictation Model Library jest dziesięć modeli Whisper oprócz dołączonego, a Add Model w sekcji Your own models przyjmuje plik .bin z whisper.cpp lub .gguf z llama.cpp i odrzuca wszystko inne. Plik Parakeet się więc nie załaduje. Poradnik o modelach AI wymienia każdy model z rozmiarem, który pokazuje aplikacja.

Strona AI Models w YapToText: Whisper Large v3 Turbo (Q5) i Phi-3.5 Mini Instruct oznaczone jako Included, poniżej biblioteka modeli.
Rysunek 2. Dictation Model Library w YapToText zawiera tylko modele Whisper, od Tiny (English) do Large v3, każdy z rozmiarem widocznym przed pobraniem.

Kto powinien wybrać który

Oto jak wybieram, szczerze, nawet gdy odpowiedzią nie jest moja aplikacja. Wybieraj model najpierw według swoich języków, a dopiero potem według szybkości swojego Maca.

Aplikacja z Parakeet może pasować, jeśli

  • Dyktujesz tylko w językach europejskich. Zwłaszcza jeśli jednym z nich jest bułgarski, chorwacki, estoński, łotewski, litewski, maltański lub słoweński, których selektor YapToText nie wymienia.
  • Najbardziej zwracasz uwagę na szybkość. NVIDIA zbudowała go z myślą o przepustowości, a liczby z jej artykułu wskazują w tę stronę. Zmierz to na własnym Macu, zanim w to uwierzysz.
  • Często przełączasz się między językami europejskimi. Parakeet wykrywa język sam, bez selektora do zmiany.
  • Chcesz znaczniki czasu słów w plikach. Karta modelu wymienia znaczniki czasu na poziomie słów, choć to, czy je zobaczysz, zależy od aplikacji.

Whisper może pasować, jeśli

  • Dyktujesz poza językami Europy. Japoński, chiński, koreański, hindi, arabski, hebrajski, tajski, wietnamski, indonezyjski, turecki lub norweski bokmål są w selektorze YapToText, a nie na liście Parakeet v3.
  • Chcesz wybrać rozmiar. Whisper występuje od Tiny do Large, więc można wymieniać dokładność na baterię i pamięć. Na stronie Energy opcja Switch models with the power source potrafi nawet uruchamiać lżejszy model na baterii.
  • Chcesz go bez konfiguracji. Wersja YapToText z App Store ma Whisper w środku i działa offline od pierwszego uruchomienia.
  • Chcesz uruchomić go samodzielnie. whisper.cpp wymienia Maki z Intelem i układem Apple jako obsługiwane, a poradnik o lokalnym Whisper zawiera polecenia.

Tłumaczenie nie rozstrzyga tego w dyktowaniu. YapToText prosi Whisper tylko o transkrypcję, a OpenAI mówi, że turbo i tak nie jest trenowany do tłumaczenia. Jeśli zestawiasz Whisper z własnym silnikiem Maca, ta para jest opisana w Dyktowanie Apple a Whisper.

Przetestuj oba na własnym głosie

Jedyny uczciwy test to Twój głos, Twoje zdania i Twój Mac. Zajmuje około piętnastu minut. Porównuj surowe z surowym, żeby żaden model porządkujący nie dostał zasługi ani winy.

Krok 1: Zapisz pięć zdań, które naprawdę mówisz

  • Ty: Wybierz zdania, które wysyłasz co tydzień, z co najmniej jednym nazwiskiem lub nazwą, która zwykle wychodzi źle, i po jednym w każdym języku, w którym dyktujesz.
  • Sprawdź: Przeczytaj je raz na głos, żeby tempo było naturalne.

Krok 2: Podyktuj je z Parakeet

  • Ty: W aplikacji oferującej Parakeet V3, takiej jak Handy, która jest darmowa, albo VoiceInk, którego konfiguracja domyślnie pobiera Parakeet V3, wybierz Parakeet V3 i wyłącz porządkowanie przez AI, jeśli aplikacja je oferuje. Powiedz pięć zdań do notatki.
  • Sprawdź: Policz słowa, które trzeba by poprawić, a potem zamknij tę aplikację, żeby na klawisz dyktowania odpowiadała tylko jedna.

Krok 3: Podyktuj je z Whisper w YapToText

  • Ty: Pobierz YapToText z Mac App Store. Kliknij w notatkę, stuknij Right Command, podczas mówienia naciśnij 2 dla Raw Transcription, powiedz te same zdania i stuknij ponownie.
  • YapToText: Wpisuje dokładnie to, co usłyszał Whisper, bez udziału modelu porządkującego.
  • Sprawdź: Policz poprawki w ten sam sposób. Pierwsze dyktowanie po uruchomieniu chwilę czeka, aż model się załaduje, więc mierz czas drugiego.

Krok 4: Porównaj szybkość na swoim Macu

  • Ty: W YapToText otwórz History, znajdź dyktowanie i kliknij Show pipeline details.
  • YapToText: Dzieli czas od zatrzymania do tekstu na transkrypcję, porządkowanie przez AI i dostarczenie.
  • Sprawdź: Wiersz transkrypcji to czas Whisper na Twoim Macu. Zestaw go z tym, jak długo druga aplikacja wpisywała te same zdania.

Jeśli Whisper wciąż myli jakąś nazwę, dodaj ją na stronie Dictionaries, zanim zdecydujesz: każdy wpis przygotowuje Whisper na to słowo, a nie tylko poprawia jego pisownię.

Czego żaden z nich nie potrafi

Parakeet TDT 0.6B v3

  • Rozumieć języków spoza swoich 25. Japońskiego, chińskiego, arabskiego, hindi i reszty nie ma na jego liście.
  • Działać na Macu samodzielnie. Jego karta modelu opisuje zestaw narzędzi NeMo od NVIDIA na GPU NVIDIA, więc na Macu trafia do Ciebie przez aplikację.
  • Działać w YapToText. YapToText uruchamia tylko modele Whisper, a Add Model odrzuca wszystko, co nie jest plikiem whisper.cpp ani llama.cpp.

Whisper Large v3 Turbo

  • Rozumieć każdego języka jednakowo. OpenAI mówi, że skuteczność bardzo różni się zależnie od języka.
  • Tłumaczyć. OpenAI mówi, że turbo nie jest trenowany do tłumaczenia.
  • Obiecać, że nigdy nie wymyśli słowa. Karta modelu OpenAI mówi, że może podać tekst, który nie został wypowiedziany, dlatego YapToText zabezpiecza się przed tym.
  • Działać w YapToText na Macu z Intelem. YapToText wymaga układu Apple i macOS 14 lub nowszego, choć sam whisper.cpp obsługuje Maki z Intelem.

Żaden model nie robi wszystkiego. To aplikacja wokół niego decyduje, jak się dyktuje. Żaden z modeli nie przeszedł u mnie testu porównawczego i nie publikuję procentowych wyników dokładności dla żadnego modelu.

W skrócie

  • Parakeet. Model NVIDIA z 600 milionami parametrów dla 25 języków europejskich, zbudowany pod przepustowość, CC BY 4.0.
  • Whisper. To model OpenAI na licencji MIT, z kilkudziesięcioma językami na karcie modelu turbo i rozmiarami od Tiny do Large.
  • Liczby. Artykuł NVIDIA stawia Parakeet przed Whisper large-v3 na angielskich zbiorach testowych i daleko przed nim pod względem przepustowości. To pomiary NVIDIA, a nie moje.
  • Na Macu. Parakeet oferują VoiceInk, Spokenly, superwhisper Pro, Handy, OpenWhispr i FluidVoice. YapToText uruchamia tylko Whisper.

Języki europejskie i czysta szybkość wskazują na Parakeet. Każdy inny język oraz darmowa aplikacja z modelem w środku wskazują na Whisper.

Jeśli przetestowano oba na własnym głosie i coś tutaj nie zgadza się z wynikami, otwórz zgłoszenie na GitHubie. Czytam każde zgłoszenie.

Pobierz YapToText z Mac App StoreDo pobrania za darmo. Bez konta i bez blokad, dla macOS 14 lub nowszego na Macu z układem Apple. Kod źródłowy na GitHubie.

Kto to pisze. Ryleigh Newman tworzy oprogramowanie, ma trudności z pisaniem na klawiaturze i codziennie dyktuje w YapToText, aplikacji opisanej na tej stronie. Ta strona jest tłumaczeniem z angielskiego. Interfejs aplikacji i reszta witryny są po angielsku. Więcej o projekcie, po angielsku.

Poradniki

Więcej poradników, po angielsku

Źródła

Pytania

Czy Parakeet jest lepszy niż Whisper?

To zależy od języka. Własny artykuł NVIDIA podaje niższy średni współczynnik błędów słów i znacznie wyższą przepustowość dla Parakeet TDT 0.6B v3 niż dla Whisper large-v3 na angielskich zbiorach testowych, ale Parakeet v3 obejmuje 25 języków europejskich, a karta modelu Whisper turbo wymienia kilkadziesiąt więcej. Przetestuj oba na własnych zdaniach.

Czy mogę używać Parakeet na Macu?

Tak, przez aplikację do dyktowania. Modele Parakeet oferują VoiceInk, Spokenly, Handy, OpenWhispr i FluidVoice, a superwhisper w planie Pro. YapToText nie. Uruchamia tylko Whisper.

Jakie języki obsługuje Parakeet V3?

Karta modelu NVIDIA wymienia 25 języków europejskich: bułgarski, chorwacki, czeski, duński, holenderski, angielski, estoński, fiński, francuski, niemiecki, grecki, węgierski, włoski, łotewski, litewski, maltański, polski, portugalski, rumuński, rosyjski, słowacki, słoweński, hiszpański, szwedzki i ukraiński. Wykrywa język automatycznie.

Czy Parakeet jest szybszy niż Whisper?

Według pomiarów NVIDIA tak: jej artykuł podaje dla Parakeet TDT 0.6B v3 RTFx równe 3 332,74, znacznie wyższe niż u Whisper large-v3, mierzone przez NVIDIA na własnym sprzęcie. To, jak któryś działa na Twoim Macu, zależy od aplikacji, więc zmierz samodzielnie kilka dyktowań.

Czy YapToText obsługuje Parakeet?

Nie. YapToText domyślnie uruchamia Whisper Large v3 Turbo (Q5), oferuje w bibliotece dziesięć kolejnych modeli Whisper, a jego przycisk Add Model przyjmuje tylko pliki whisper.cpp i llama.cpp.

Czy Parakeet jest darmowy i otwarty?

NVIDIA publikuje Parakeet TDT 0.6B v3 na Hugging Face na licencji CC BY 4.0. Kod i wagi Whisper są na licencji MIT.