Parakeet กับ Whisper สำหรับการป้อนตามคำบอกบน Mac: โมเดลของ NVIDIA เทียบกับของ OpenAI

เขียนโดย · เผยแพร่

Parakeet กับ Whisper สรุปได้ที่ภาษาเทียบกับความเร็ว Parakeet TDT 0.6B v3 ของ NVIDIA เป็นโมเดลเสียงขนาด 600 ล้านพารามิเตอร์สำหรับภาษายุโรป 25 ภาษา ซึ่ง NVIDIA สร้างมาเพื่อปริมาณงานสูง ส่วน Whisper Large v3 Turbo ของ OpenAI เป็นโมเดลหลายภาษาที่ model card ระบุภาษาจำนวนมากไว้ตามชื่อ ทั้งสองรันบน Mac ภายในแอปป้อนตามคำบอกได้ ทั้งสองเติมเครื่องหมายวรรคตอน และไม่มีโมเดลใดส่งเสียงของคุณไปไหนเมื่อรันบนเครื่องของคุณ

ฉันพัฒนา YapToText แอปป้อนตามคำบอกฟรีสำหรับ Mac ที่รัน Whisper และรันเฉพาะ Whisper แอปไม่มี Parakeet จึงโปรดคำนึงถึงข้อนี้เมื่ออ่านต่อไป ฉันสร้างแอปนี้เพราะฉันพิมพ์ด้วยมือได้ลำบากและป้อนตามคำบอกทุกวัน ข้อเท็จจริงเรื่อง Parakeet ในหน้านี้มาจาก model card เอกสารวิจัย และบล็อกของ NVIDIA เอง ข้อเท็จจริงเรื่อง Whisper มาจากหน้าของ OpenAI เอง และข้อเท็จจริงเรื่องแอป Mac มาจากเว็บไซต์ของแต่ละแอป ตัวเลขความเร็วหรือความแม่นยำในหน้านี้ไม่มีตัวไหนเป็นของฉัน

ดาวน์โหลด YapToText ใน Mac App Storeดาวน์โหลดฟรี ไม่ต้องมีบัญชีและไม่มีคุณสมบัติที่ถูกล็อค สำหรับ macOS 14 ขึ้นไปบน Mac ที่ใช้ชิป Apple ซอร์สโค้ดบน GitHub

คู่มือนี้ในภาษาอื่น: English, Čeština, Deutsch, Español, Français, Magyar, Bahasa Indonesia, Italiano, 日本語, 한국어, Nederlands, Polski, Português, Русский, Türkçe, Tiếng Việt, 简体中文, 繁體中文

ในหน้านี้: 14 หัวข้อ
  1. ขั้นตอน
  2. สองโมเดล สองผู้สร้าง
  3. เทียบกันทีละด้าน
  4. ความเร็วและความแม่นยำ: สิ่งที่ผู้สร้างวัดได้
  5. แต่ละโมเดลได้ยินภาษาอะไร
  6. แอป Mac ที่รัน Parakeet และ YapToText อยู่ตรงไหน
  7. ใครควรเลือกอะไร
    1. แอปที่มี Parakeet อาจเหมาะกับคุณถ้า
    2. Whisper อาจเหมาะกับคุณถ้า
  8. ทดสอบทั้งสองกับเสียงของคุณเอง
    1. ขั้นที่ 1: เขียนห้าประโยคที่คุณพูดจริง
    2. ขั้นที่ 2: ป้อนตามคำบอกด้วย Parakeet
    3. ขั้นที่ 3: ป้อนตามคำบอกด้วย Whisper ใน YapToText
    4. ขั้นที่ 4: เทียบความเร็วบน Mac ของคุณ
  9. สิ่งที่แต่ละโมเดลทำไม่ได้
    1. Parakeet TDT 0.6B v3
    2. Whisper Large v3 Turbo
  10. สรุปสั้น ๆ
  11. คู่มือ
  12. คู่มืออื่น (ภาษาอังกฤษ)
  13. แหล่งที่มา
  14. คำถาม

ขั้นตอน

  1. เขียนห้าประโยคที่คุณพูดจริง โดยมีชื่อที่มักออกมาผิดและหนึ่งประโยคในแต่ละภาษาที่คุณป้อนตามคำบอก
  2. ป้อนตามคำบอกในแอปที่มี Parakeet V3 เช่น Handy หรือ VoiceInk โดยปิดการเกลาด้วย AI แล้วนับคำที่ต้องแก้
  3. ออกจากแอปนั้น แล้วป้อนตามคำบอกประโยคเดิมใน YapToText ด้วย Raw Transcription โดยกด 2 ขณะที่พูด และนับจุดที่ต้องแก้ด้วยวิธีเดียวกัน
  4. ใน History ของ YapToText คลิก Show pipeline details เพื่อดูว่าการถอดเสียงใช้เวลานานเท่าไรบน Mac ของคุณ และเทียบกับอีกแอป

สองโมเดล สองผู้สร้าง

ทั้งสองชื่อถูกใช้เหมือนชื่อแบรนด์ จึงควรระบุให้ชัดว่าคนหมายถึงไฟล์ไหน Parakeet V3 และ Whisper Large v3 Turbo เป็นสองโมเดลบนเครื่องที่แอปป้อนตามคำบอกบน Mac ส่วนใหญ่ในตอนนี้วางไว้ให้คุณเลือก

  • Parakeet TDT 0.6B v3. model card ของ NVIDIA บน Hugging Face เรียกว่าเป็นโมเดลรู้จำเสียงพูดหลายภาษาขนาด 600 ล้านพารามิเตอร์ ที่ออกแบบมาสำหรับการถอดเสียงเป็นข้อความที่ต้องการปริมาณงานสูง โดยขยายจาก Parakeet TDT 0.6B v2 จากภาษาอังกฤษไปเป็นภาษายุโรป 25 ภาษา TDT ย่อมาจาก Token-and-Duration Transducer ซึ่งเป็นตัวถอดรหัสที่อยู่หลังตัวเข้ารหัส FastConformer NVIDIA เผยแพร่ภายใต้ใบอนุญาต CC BY 4.0
  • Parakeet V2. โมเดลภาษาอังกฤษอย่างเดียวที่ v3 พัฒนาต่อมา เอกสารของ VoiceInk แนะนำ Parakeet V2 หรือ Parakeet Unified เมื่อคุณป้อนตามคำบอกเป็นภาษาอังกฤษเท่านั้น
  • Whisper Large v3 Turbo. OpenAI เรียก Whisper ว่าโมเดลรู้จำเสียงพูดอเนกประสงค์ที่ฝึกด้วยชุดข้อมูลเสียงหลากหลายขนาดใหญ่ และเรียก turbo ว่าเวอร์ชันที่ปรับให้เหมาะสมของ large-v3 ที่ถอดเสียงเร็วกว่าโดยความแม่นยำลดลงเพียงเล็กน้อย OpenAI ระบุว่า turbo มี 809 ล้านพารามิเตอร์ และเผยแพร่โค้ดและน้ำหนักของ Whisper ภายใต้ MIT License
  • สิ่งที่ YapToText รัน. ไฟล์ Whisper Large v3 Turbo (Q5) มาตรฐาน ขนาด 574 MB ผ่านสำเนา whisper.cpp ที่สร้างด้วย Metal และ Accelerate หน้า Whisper สำหรับ Mac อธิบายไฟล์นั้นอย่างละเอียด

สิ่งหนึ่งที่ชื่อไม่ได้บอก model card ของ Parakeet อธิบายการรันด้วยชุดเครื่องมือ NeMo ของ NVIDIA และระบุสถาปัตยกรรม GPU ของ NVIDIA เช่น Ampere และ Hopper เป็นฮาร์ดแวร์ Mac ชิป Apple ไม่มี GPU ของ NVIDIA แอป Mac ที่มี Parakeet จึงต้องรันด้วยวิธีอื่น และเอกสารของแอปเองบอกวิธีนั้น Whisper บน Mac มักหมายถึง whisper.cpp ซึ่ง README เรียกชิป Apple ว่าพลเมืองชั้นหนึ่ง

เทียบกันทีละด้าน

ตรวจเมื่อวันที่ 5 ตุลาคม 2026 บน model card ของ Parakeet TDT 0.6B v3 จาก NVIDIA และ model card ของ Whisper Large v3 Turbo จาก OpenAI บน Hugging Face และเมื่อวันที่ 3 ตุลาคม 2026 บน README ของ Whisper จาก OpenAI และ README ของ whisper.cpp

Parakeet TDT 0.6B v3Whisper Large v3 Turbo
ผู้สร้างNVIDIAOpenAI
ขนาด600 ล้านพารามิเตอร์809 ล้านพารามิเตอร์
ภาษาภาษายุโรป 25 ภาษาหลายสิบภาษา ระบุชื่อไว้ใน model card ประสิทธิภาพต่างกันมากตามภาษา ตามที่ OpenAI ระบุ
การเลือกภาษาตรวจหาเองโดยอัตโนมัติ ไม่ต้องบอกล่วงหน้าแอปเป็นผู้ตั้ง หรือตรวจหาเอง YapToText มี 29 ภาษาพร้อม Auto-detect
เครื่องหมายวรรคตอนและตัวพิมพ์ใหญ่อัตโนมัติ ตาม model cardใส่เครื่องหมายวรรคตอนให้คำพูดทั่วไปเองใน YapToText
เวลากำกับระดับคำและระดับช่วง ตาม model cardขึ้นอยู่กับแอป ข้อความถอดเสียงไฟล์ของ YapToText เป็นข้อความธรรมดาและไม่มีเวลากำกับ
เสียงยาวสูงสุด 24 นาทีในรอบเดียวด้วย full attention บน GPU A100 80GB หรือสูงสุด 3 ชั่วโมงด้วย local attentionขึ้นอยู่กับแอป
ใบอนุญาตCC BY 4.0MIT
สร้างมาให้รันบนชุดเครื่องมือ NeMo ของ NVIDIA บน GPU ของ NVIDIAทุกอย่างที่รันได้ whisper.cpp ถือว่าชิป Apple เป็นระดับชั้นหนึ่ง

สองแถวสำคัญที่สุดสำหรับการป้อนตามคำบอก ภาษาเป็นตัวตัดสินว่า Parakeet ได้ยินคุณหรือไม่ และรันไทม์เป็นตัวตัดสินว่าแต่ละโมเดลรู้สึกเร็วเพียงใดบน Mac ของคุณ Parakeet เป็นโมเดลที่แคบกว่าและสร้างมาให้เร็ว Whisper เป็นโมเดลที่กว้างกว่า

ความเร็วและความแม่นยำ: สิ่งที่ผู้สร้างวัดได้

ตัวเลขที่คนอ้างถึงเมื่อเทียบ Parakeet กับ Whisper มาจากผู้สร้างและกระดานผู้นำ ต่อไปนี้คือสิ่งที่ตัวเลขเหล่านั้นวัด ทุกตัวเลขในส่วนนี้เป็นการวัดของ NVIDIA หรือ OpenAI ไม่ใช่ของฉัน

ตรวจเมื่อวันที่ 5 ตุลาคม 2026 ในเอกสารวิจัยของ NVIDIA บน arXiv และบล็อกของ NVIDIA

  • ความแม่นยำ โดย NVIDIA. เอกสารวิจัยของ NVIDIA ชื่อ "Canary-1B-v2 & Parakeet-TDT-0.6B-v3" เปรียบเทียบการรู้จำเสียงภาษาอังกฤษบนชุดทดสอบของ Hugging Face Open ASR Leaderboard เช่น LibriSpeech, AMI และ Earnings-22 โดยรายงานอัตราคำผิดเฉลี่ยของ Parakeet TDT 0.6B v3 ต่ำกว่าของ Whisper large-v3 อัตราคำผิดคือสัดส่วนของคำที่โมเดลทำผิด จึงยิ่งต่ำยิ่งดี ตัวเลขจริงอยู่ในเอกสารวิจัยที่ระบุไว้ใต้แหล่งที่มา
  • ความเร็ว โดย NVIDIA. ตารางเดียวกันให้ Parakeet มี RTFx เท่ากับ 3,332.74 สูงกว่าของ Whisper large-v3 มาก บล็อกของ NVIDIA นิยามปริมาณงานบนกระดานผู้นำนั้นว่าความยาวเสียงที่ถอดเสียงได้หารด้วยเวลาคำนวณ และระบุว่า Parakeet v3 มีปริมาณงานสูงที่สุดในบรรดาโมเดลหลายภาษาที่นั่น
  • Turbo โดย OpenAI. แถวในเอกสารวิจัยเป็น Whisper large-v3 ไม่ใช่ turbo OpenAI ประเมินว่า turbo เร็วกว่า large ประมาณ 8 เท่าโดยความแม่นยำลดลงเพียงเล็กน้อย วัดบน GPU A100 ไม่ใช่บน Mac

อ่านตัวเลขเหล่านั้นโดยคำนึงถึงข้อจำกัดสี่ข้อ ข้อแรก เป็นชุดทดสอบภาษาอังกฤษ จึงไม่บอกอะไรเกี่ยวกับภาษาโปแลนด์หรือภาษาญี่ปุ่นของคุณ ข้อสอง วัดบนฮาร์ดแวร์ของ NVIDIA ขณะที่แอป Mac รันโมเดลใดโมเดลหนึ่งบนชิป Apple มักจากไฟล์ที่แปลงแล้ว อัตราส่วนความเร็วจึงไม่ได้ติดตัวมาตามเดิม ข้อสาม เปรียบเทียบ large-v3 ไม่ใช่ไฟล์ turbo 5 บิตที่ YapToText ส่งมอบ และข้อสี่ การป้อนตามคำบอกคือเสียงของคนเดียวไม่กี่วินาที ไม่ใช่การบันทึกสำหรับเกณฑ์มาตรฐาน

เรื่องคำที่แต่งขึ้น เอกสารวิจัยของ NVIDIA ระบุว่าเพิ่มเสียงที่ไม่ใช่คำพูดลงในข้อมูลฝึกเพื่อลดการหลอน model card ของ Whisper จาก OpenAI ระบุว่า Whisper อาจให้ข้อความที่ไม่ได้ถูกพูดจริง และคู่มือ Whisper หลอน อธิบายสาเหตุและสิ่งที่ YapToText ทำ ฉันไม่พบแหล่งใดที่วัดทั้งสองเคียงข้างกันในเรื่องนี้ จึงไม่อ้างอะไรทั้งสองทาง

รายการ History ของ YapToText ที่เปิดรายละเอียดกระบวนการ: ข้อความถอดเสียงดิบ ข้อความถอดเสียงที่เกลาแล้ว โหมด การส่งมอบ แอปเป้าหมาย และเวลา
รูปที่ 1 ตัวเลขความเร็วที่สำคัญคือตัวเลขบน Mac ของคุณเอง History แยกเวลาตั้งแต่หยุดพูดจนถึงได้ข้อความของการป้อนตามคำบอกแต่ละครั้งเป็นการถอดเสียง การเกลาด้วย AI และการส่งมอบ

แต่ละโมเดลได้ยินภาษาอะไร

สำหรับคนส่วนใหญ่ การเลือกจบที่ตรงนี้ ก่อนที่ความเร็วจะเข้ามาเกี่ยว ถ้า Parakeet ไม่ระบุภาษาของคุณ มันไม่ใช่โมเดลของคุณ

model card ของ NVIDIA ระบุ 25 ภาษานี้ ได้แก่ บัลแกเรีย โครเอเชีย เช็ก เดนมาร์ก ดัตช์ อังกฤษ เอสโตเนีย ฟินแลนด์ ฝรั่งเศส เยอรมัน กรีก ฮังการี อิตาลี ลัตเวีย ลิทัวเนีย มอลตา โปแลนด์ โปรตุเกส โรมาเนีย รัสเซีย สโลวัก สโลวีเนีย สเปน สวีเดน และยูเครน นี่คือวิธีที่ภาษาเหล่านั้นตรงกับ 29 ภาษาในตัวเลือก Language ของ YapToText

  • มีในทั้งสอง. เช็ก เดนมาร์ก ดัตช์ อังกฤษ ฟินแลนด์ ฝรั่งเศส เยอรมัน กรีก ฮังการี อิตาลี โปแลนด์ โปรตุเกส โรมาเนีย รัสเซีย สโลวัก สเปน สวีเดน และยูเครน
  • มีเฉพาะในตัวเลือกของ YapToText. อาหรับ จีน ฮีบรู ฮินดี อินโดนีเซีย ญี่ปุ่น เกาหลี นอร์เวย์บุคมอล ไทย ตุรกี และเวียดนาม
  • มีเฉพาะใน Parakeet v3. บัลแกเรีย โครเอเชีย เอสโตเนีย ลัตเวีย ลิทัวเนีย มอลตา และสโลวีเนีย model card ของ Whisper ระบุทั้งเจ็ดภาษา แต่ตัวเลือกของ YapToText ไม่มี และฉันอ้างเฉพาะสิ่งที่ตัวเลือกระบุไว้

ความต่างอีกสองข้อปรากฏเมื่อคุณป้อนตามคำบอกมากกว่าหนึ่งภาษา Parakeet ตรวจหาภาษาเอง YapToText ตั้งหนึ่งภาษาต่อการป้อนตามคำบอกหนึ่งครั้ง จากตัวเลือกหรือ Auto-detect และการเปลี่ยนมีผลตั้งแต่การป้อนตามคำบอกครั้งถัดไป คู่มือภาษา แสดงวิธีผูกภาษากับแอปหรือปุ่มลัด

แอป Mac ที่รัน Parakeet และ YapToText อยู่ตรงไหน

แอปป้อนตามคำบอกบน Mac จำนวนมากมี Parakeet ควบคู่กับ Whisper แล้ว และหน้าเปรียบเทียบของเว็บไซต์นี้ติดตามไว้แล้วว่าแอปไหนมี ถ้าคุณต้องการ Parakeet บน Mac วันนี้ คุณได้จากแอปเหล่านี้แอปใดแอปหนึ่ง ไม่ใช่จาก YapToText

ตรวจเมื่อวันที่ 3 ตุลาคม 2026 บนเว็บไซต์ เอกสาร หรือที่เก็บของแต่ละแอป

แอปParakeetWhisperราคา
VoiceInkParakeet V3 เป็นค่าเริ่มต้นตอนตั้งค่า Parakeet V2 หรือ Parakeet Unified สำหรับภาษาอังกฤษอย่างเดียวมีทดลองใช้ 7 วัน แล้ว $25 ครั้งเดียวสำหรับ Mac หนึ่งเครื่อง
Spokenlyโมเดล Parakeet บนเครื่อง ฟรีมี ฟรีฟรีเมื่อใช้โมเดลบนเครื่อง Pro $9.99 ต่อเดือน
superwhisperเฉพาะ Proมี ในแผนฟรีแผนฟรี Pro $8.49 ต่อเดือน
HandyParakeet V3Small, Medium, Turbo และ Largeฟรี ใบอนุญาต MIT
OpenWhisprมี อยู่ในโมเดลบนเครื่องมีป้อนตามคำบอกบนเครื่องฟรี
FluidVoiceมี และมี Nemotronมีฟรี GPL-3.0
YapToTextไม่มีLarge v3 Turbo (Q5) อยู่ในแอป และอีกสิบตัวในคลังฟรี

หน้ารายละเอียดคือการเปรียบเทียบกับ VoiceInk การเปรียบเทียบกับ Spokenly การเปรียบเทียบกับ superwhisper และสรุปแอปป้อนตามคำบอกโอเพนซอร์ส ซึ่งครอบคลุม Handy, OpenWhispr และ FluidVoice

ฝั่ง YapToText การเลือกโมเดลอยู่ที่หน้า AI Models Dictation Model Library มีโมเดล Whisper สิบตัวนอกจากตัวที่มาพร้อมแอป และ Add Model ใต้ Your own models รับไฟล์ whisper.cpp .bin หรือ llama.cpp .gguf และปฏิเสธอย่างอื่น ไฟล์ Parakeet จึงโหลดเข้าไปไม่ได้ คู่มือโมเดล AI ระบุทุกโมเดลพร้อมขนาดที่แอปแสดง

หน้า AI Models ใน YapToText: Whisper Large v3 Turbo (Q5) และ Phi-3.5 Mini Instruct ที่ทำเครื่องหมาย Included พร้อมคลังโมเดลด้านล่าง
รูปที่ 2 Dictation Model Library ของ YapToText มีเฉพาะโมเดล Whisper ตั้งแต่ Tiny (English) ไปจนถึง Large v3 แต่ละตัวแสดงขนาดก่อนดาวน์โหลด

ใครควรเลือกอะไร

นี่คือวิธีที่ฉันจะเลือกอย่างตรงไปตรงมา แม้คำตอบจะไม่ใช่แอปของฉัน เลือกโมเดลจากภาษาของคุณก่อน และความเร็วของ Mac เป็นอันดับสอง

แอปที่มี Parakeet อาจเหมาะกับคุณถ้า

  • คุณป้อนตามคำบอกเป็นภาษายุโรปเท่านั้น. โดยเฉพาะถ้าหนึ่งในนั้นคือบัลแกเรีย โครเอเชีย เอสโตเนีย ลัตเวีย ลิทัวเนีย มอลตา หรือสโลวีเนีย ซึ่งตัวเลือกของ YapToText ไม่มี
  • ความเร็วคือสิ่งที่คุณสังเกตมากที่สุด. NVIDIA สร้างมาเพื่อปริมาณงาน และตัวเลขในเอกสารวิจัยชี้ไปทางนั้น วัดบน Mac ของคุณเองก่อนจะเชื่อ
  • คุณสลับระหว่างภาษายุโรปบ่อย. Parakeet ตรวจหาภาษาเอง ไม่ต้องเปลี่ยนตัวเลือก
  • คุณต้องการเวลากำกับระดับคำในไฟล์. model card ระบุเวลากำกับระดับคำ แต่คุณจะเห็นหรือไม่ขึ้นอยู่กับแอป

Whisper อาจเหมาะกับคุณถ้า

  • คุณป้อนตามคำบอกนอกกลุ่มภาษายุโรป. ญี่ปุ่น จีน เกาหลี ฮินดี อาหรับ ฮีบรู ไทย เวียดนาม อินโดนีเซีย ตุรกี หรือนอร์เวย์บุคมอล อยู่ในตัวเลือกของ YapToText และไม่อยู่ในรายการของ Parakeet v3
  • คุณต้องการเลือกขนาด. Whisper มีตั้งแต่ Tiny ถึง Large คุณจึงแลกความแม่นยำกับแบตเตอรี่และหน่วยความจำได้ ที่หน้า Energy Switch models with the power source ยังรันโมเดลที่เบากว่าเมื่อใช้แบตเตอรี่ได้
  • คุณต้องการใช้โดยไม่ต้องตั้งค่า. แอปจาก App Store ของ YapToText มี Whisper อยู่ข้างใน และใช้งานแบบออฟไลน์ได้ตั้งแต่เปิดครั้งแรก
  • คุณต้องการรันเอง. whisper.cpp ระบุว่ารองรับ Mac ทั้ง Intel และชิป Apple และคู่มือ Whisper บนเครื่อง มีคำสั่ง

การแปลไม่ใช่ตัวตัดสินสำหรับการป้อนตามคำบอก YapToText ขอให้ Whisper ถอดเสียงเท่านั้น และ OpenAI ระบุว่า turbo ไม่ได้ถูกฝึกให้แปลอยู่แล้ว ถ้าคุณกำลังชั่งใจระหว่าง Whisper กับเอนจินของ Mac เอง การป้อนตามคำบอกของ Apple กับ Whisper อธิบายคู่นั้น

ทดสอบทั้งสองกับเสียงของคุณเอง

การทดสอบที่ยุติธรรมอย่างเดียวคือเสียงของคุณ ประโยคของคุณ และ Mac ของคุณเอง ใช้เวลาประมาณสิบห้านาที เทียบแบบดิบกับแบบดิบ เพื่อไม่ให้โมเดลเกลาข้อความได้รับเครดิตหรือถูกตำหนิ

ขั้นที่ 1: เขียนห้าประโยคที่คุณพูดจริง

  • คุณ: เลือกประโยคที่คุณส่งทุกสัปดาห์ โดยมีอย่างน้อยหนึ่งชื่อที่มักออกมาผิด และหนึ่งประโยคในแต่ละภาษาที่คุณป้อนตามคำบอก
  • ตรวจสอบ: อ่านออกเสียงหนึ่งครั้งเพื่อให้จังหวะเป็นธรรมชาติ

ขั้นที่ 2: ป้อนตามคำบอกด้วย Parakeet

  • คุณ: ในแอปที่มี Parakeet V3 เช่น Handy ซึ่งฟรี หรือ VoiceInk ซึ่งการตั้งค่าดาวน์โหลด Parakeet V3 เป็นค่าเริ่มต้น เลือก Parakeet V3 และปิดการเกลาด้วย AI ที่แอปมี พูดห้าประโยคลงในโน้ต
  • ตรวจสอบ: นับคำที่คุณต้องแก้ แล้วออกจากแอปนั้น เพื่อให้เหลือแอปเดียวที่ตอบสนองต่อปุ่มป้อนตามคำบอกของคุณ

ขั้นที่ 3: ป้อนตามคำบอกด้วย Whisper ใน YapToText

  • คุณ: รับ YapToText จาก Mac App Store คลิกลงในโน้ต แตะ Right Command กด 2 สำหรับ Raw Transcription ขณะที่พูด พูดประโยคเดิม แล้วแตะอีกครั้ง
  • YapToText: พิมพ์ตรงตามที่ Whisper ได้ยิน โดยไม่มีโมเดลเกลาข้อความเข้ามาเกี่ยว
  • ตรวจสอบ: นับจุดที่ต้องแก้ด้วยวิธีเดียวกัน การป้อนตามคำบอกครั้งแรกหลังเปิดแอปต้องรอสักครู่ขณะโหลดโมเดล จึงให้จับเวลาครั้งที่สอง

ขั้นที่ 4: เทียบความเร็วบน Mac ของคุณ

  • คุณ: ใน YapToText เปิด History หาการป้อนตามคำบอกนั้น แล้วคลิก Show pipeline details
  • YapToText: แยกเวลาตั้งแต่หยุดพูดจนถึงได้ข้อความเป็นการถอดเสียง การเกลาด้วย AI และการส่งมอบ
  • ตรวจสอบ: บรรทัดการถอดเสียงคือเวลาของ Whisper บน Mac ของคุณ เทียบกับเวลาที่อีกแอปใช้พิมพ์ประโยคเดียวกัน

ถ้า Whisper พลาดชื่อซ้ำ ๆ ให้เพิ่มชื่อนั้นที่หน้า Dictionaries ก่อนตัดสินใจ แต่ละรายการเตรียม Whisper ด้วยคำนั้นและแก้การสะกดไปพร้อมกัน

สิ่งที่แต่ละโมเดลทำไม่ได้

Parakeet TDT 0.6B v3

  • ได้ยินภาษานอก 25 ภาษา. ญี่ปุ่น จีน อาหรับ ฮินดี และภาษาอื่น ๆ ไม่อยู่ในรายการ
  • รันบน Mac ได้ด้วยตัวเอง. model card อธิบายชุดเครื่องมือ NeMo ของ NVIDIA บน GPU ของ NVIDIA ดังนั้นบน Mac จึงมาผ่านแอป
  • รันใน YapToText. YapToText รันเฉพาะโมเดล Whisper และ Add Model ปฏิเสธทุกอย่างที่ไม่ใช่ไฟล์ whisper.cpp หรือ llama.cpp

Whisper Large v3 Turbo

  • ได้ยินทุกภาษาเท่ากัน. OpenAI ระบุว่าประสิทธิภาพต่างกันมากตามภาษา
  • แปลภาษา. OpenAI ระบุว่า turbo ไม่ได้ถูกฝึกให้แปล
  • รับรองว่าจะไม่แต่งคำขึ้นมา. model card ของ OpenAI ระบุว่าอาจให้ข้อความที่ไม่ได้ถูกพูด จึงเป็นเหตุผลที่ YapToText มีกลไกป้องกัน
  • รัน YapToText บน Intel Mac. YapToText ต้องใช้ชิป Apple และ macOS 14 ขึ้นไป แม้ว่า whisper.cpp เองจะรองรับ Intel Mac

ไม่มีโมเดลไหนทำได้ทุกอย่าง แอปรอบ ๆ โมเดลเป็นตัวกำหนดว่าการป้อนตามคำบอกรู้สึกอย่างไร ฉันไม่ได้รันโมเดลใดผ่านเกณฑ์มาตรฐาน และไม่เผยแพร่เปอร์เซ็นต์ความแม่นยำของโมเดลใดเลย

สรุปสั้น ๆ

  • Parakeet. โมเดล 600 ล้านพารามิเตอร์ของ NVIDIA สำหรับภาษายุโรป 25 ภาษา สร้างมาเพื่อปริมาณงาน CC BY 4.0
  • Whisper. โมเดลของ OpenAI ใบอนุญาต MIT มีหลายสิบภาษาใน model card ของ turbo และขนาดตั้งแต่ Tiny ถึง Large
  • ตัวเลข. เอกสารวิจัยของ NVIDIA ให้ Parakeet นำ Whisper large-v3 บนชุดทดสอบภาษาอังกฤษ และนำห่างมากด้านปริมาณงาน นั่นเป็นการวัดของ NVIDIA ไม่ใช่ของฉัน
  • บน Mac. VoiceInk, Spokenly, superwhisper Pro, Handy, OpenWhispr และ FluidVoice มี Parakeet YapToText รันเฉพาะ Whisper

ภาษายุโรปและความเร็วดิบชี้ไปที่ Parakeet ภาษาอื่นทั้งหมด และแอปฟรีที่มีโมเดลอยู่ข้างใน ชี้ไปที่ Whisper

ถ้าคุณทดสอบทั้งสองกับเสียงของคุณเองแล้วมีบางอย่างในหน้านี้ไม่ตรงกับที่คุณพบ เปิด issue บน GitHub ฉันอ่านทุกรายการ

ดาวน์โหลด YapToText ใน Mac App Storeดาวน์โหลดฟรี ไม่ต้องมีบัญชีและไม่มีคุณสมบัติที่ถูกล็อค สำหรับ macOS 14 ขึ้นไปบน Mac ที่ใช้ชิป Apple ซอร์สโค้ดบน GitHub

เกี่ยวกับผู้เขียน Ryleigh Newman พัฒนาซอฟต์แวร์ พิมพ์ด้วยมือได้ลำบาก และป้อนตามคำบอกทุกวันด้วย YapToText ซึ่งเป็นแอปที่เว็บไซต์นี้แนะนำ หน้านี้แปลมาจากภาษาอังกฤษ หน้าตาของแอปและหน้าอื่นของเว็บไซต์เป็นภาษาอังกฤษ ดูเพิ่มเติมเกี่ยวกับโครงการนี้ (ภาษาอังกฤษ)

คู่มือ

คู่มืออื่น (ภาษาอังกฤษ)

แหล่งที่มา

คำถาม

Parakeet ดีกว่า Whisper หรือไม่

ขึ้นอยู่กับภาษาของคุณ เอกสารวิจัยของ NVIDIA เองรายงานอัตราคำผิดเฉลี่ยที่ต่ำกว่าและปริมาณงานที่สูงกว่ามากสำหรับ Parakeet TDT 0.6B v3 เมื่อเทียบกับ Whisper large-v3 บนชุดทดสอบภาษาอังกฤษ แต่ Parakeet v3 ครอบคลุมภาษายุโรป 25 ภาษา ขณะที่ model card ของ Whisper turbo ระบุภาษามากกว่านั้นอีกหลายสิบภาษา ทดสอบทั้งสองกับประโยคของคุณเอง

ใช้ Parakeet บน Mac ได้หรือไม่

ได้ ผ่านแอปป้อนตามคำบอก VoiceInk, Spokenly, Handy, OpenWhispr และ FluidVoice มีโมเดล Parakeet และ superwhisper มีใน Pro YapToText ไม่มี รันเฉพาะ Whisper

Parakeet V3 รองรับภาษาอะไรบ้าง

model card ของ NVIDIA ระบุภาษายุโรป 25 ภาษา ได้แก่ บัลแกเรีย โครเอเชีย เช็ก เดนมาร์ก ดัตช์ อังกฤษ เอสโตเนีย ฟินแลนด์ ฝรั่งเศส เยอรมัน กรีก ฮังการี อิตาลี ลัตเวีย ลิทัวเนีย มอลตา โปแลนด์ โปรตุเกส โรมาเนีย รัสเซีย สโลวัก สโลวีเนีย สเปน สวีเดน และยูเครน ตรวจหาภาษาโดยอัตโนมัติ

Parakeet เร็วกว่า Whisper หรือไม่

ตามการวัดของ NVIDIA ใช่ เอกสารวิจัยให้ Parakeet TDT 0.6B v3 มี RTFx เท่ากับ 3,332.74 สูงกว่าของ Whisper large-v3 มาก วัดโดย NVIDIA บนฮาร์ดแวร์ของตัวเอง ความรู้สึกบน Mac ของคุณขึ้นอยู่กับแอป จึงควรจับเวลาการป้อนตามคำบอกสองสามครั้งด้วยตัวเอง

YapToText รองรับ Parakeet หรือไม่

ไม่ YapToText รัน Whisper Large v3 Turbo (Q5) เป็นค่าเริ่มต้น มีโมเดล Whisper อีกสิบตัวในคลัง และปุ่ม Add Model รับเฉพาะไฟล์ whisper.cpp และ llama.cpp

Parakeet ฟรีและเปิดหรือไม่

NVIDIA เผยแพร่ Parakeet TDT 0.6B v3 บน Hugging Face ภายใต้ใบอนุญาต CC BY 4.0 โค้ดและน้ำหนักของ Whisper อยู่ภายใต้ MIT License