Mac 聽寫的 Parakeet vs Whisper：NVIDIA 的模型對上 OpenAI 的模型

作者 · 發佈於

Parakeet 和 Whisper 的比較，歸結起來是語言對上速度：NVIDIA 的 Parakeet TDT 0.6B v3 是一個 600 百萬參數的語音模型，支援 25 種歐洲語言，NVIDIA 為高吞吐量而打造。OpenAI 的 Whisper Large v3 Turbo 則是多語言模型，它的模型卡逐一列出了許多語言的名稱。兩者都能在 Mac 上的聽寫 App 裡本機執行，兩者都會加上標點，當它們在你的機器上執行時，也都不會把你的聲音傳到任何地方。

我做了 YapToText，一款執行 Whisper 的免費 Mac 聽寫 App，而且只執行 Whisper。它沒有提供 Parakeet，所以請在閱讀下面的內容時記得這一點。我做它，是因為我用手打字有困難，每天都在聽寫。這裡關於 Parakeet 的事實，來自 NVIDIA 自己的模型卡、論文和部落格，關於 Whisper 的來自 OpenAI 自己的頁面，關於 Mac App 的則來自各個 App 自己的網站。這一頁上沒有任何一個速度或準確度的數字是我測的。

在 Mac App Store 下載 YapToText免費下載。不需要帳號，沒有鎖住的功能。需要搭載 Apple 晶片的 Mac 和 macOS 14 或以上版本。 原始碼在 GitHub 上。

用其他語言閱讀： English, Čeština, Deutsch, Español, Français, Magyar, Bahasa Indonesia, Italiano, 日本語, 한국어, Nederlands, Polski, Português, Русский, ไทย, Türkçe, Tiếng Việt, 简体中文

本頁內容：14 個部分
  1. 步驟
  2. 兩個模型，兩個開發者
  3. 並排比較
  4. 速度與準確度：開發者量到了什麼
  5. 各自聽得懂哪些語言
  6. 執行 Parakeet 的 Mac App，以及 YapToText 的位置
  7. 誰該選哪一個
    1. 有 Parakeet 的 App 可能適合你，如果
    2. Whisper 可能適合你，如果
  8. 用你自己的聲音測試兩者
    1. 步驟 1：寫下五個你真的會說的句子
    2. 步驟 2：用 Parakeet 聽寫
    3. 步驟 3：在 YapToText 用 Whisper 聽寫
    4. 步驟 4：比較你 Mac 上的速度
  9. 各自做不到的事
    1. Parakeet TDT 0.6B v3
    2. Whisper Large v3 Turbo
  10. 重點整理
  11. 指南
  12. 更多指南（英文）
  13. 資料來源
  14. 常見問題

步驟

  1. 寫下五個你真的會說的句子，其中有一個通常會被聽錯的名字，而且你聽寫的每一種語言各有一句。
  2. 在提供 Parakeet V3 的 App 裡聽寫這些句子，例如 Handy 或 VoiceInk，並關閉所有 AI 整理，然後數一數你得修正的字。
  3. 結束那個 App，再到 YapToText 用 Raw Transcription 聽寫同樣的句子，做法是說話時按 2，然後用同樣的方式數修正的次數。
  4. 在 YapToText 的 History 按一下 Show pipeline details，看轉錄在你的 Mac 上花了多久，並與另一個 App 比較。

兩個模型，兩個開發者

這兩個名字被當成品牌名稱在用，所以先確定大家說的究竟是哪些檔案會有幫助。Parakeet V3 和 Whisper Large v3 Turbo，是現在大多數 Mac 聽寫 App 擺在你面前的兩個本機模型。

  • Parakeet TDT 0.6B v3。 NVIDIA 在 Hugging Face 上的模型卡稱它是一個 600 百萬參數的多語言語音辨識模型，專為高吞吐量的語音轉文字而設計。它把 Parakeet TDT 0.6B v2 從英文擴充到 25 種歐洲語言。TDT 是 Token-and-Duration Transducer 的縮寫，指的是接在 FastConformer 編碼器後面的解碼器。NVIDIA 以 CC BY 4.0 授權發布它。
  • Parakeet V2。 只支援英文的模型，v3 是從它發展出來的。如果你只用英文聽寫，VoiceInk 的文件建議使用 Parakeet V2 或 Parakeet Unified。
  • Whisper Large v3 Turbo。 OpenAI 稱 Whisper 是用大量多樣音訊資料集訓練的通用語音辨識模型，並稱 turbo 是 large-v3 的最佳化版本，轉錄速度更快，準確度只有極小幅度的下降。OpenAI 列出 turbo 有 809 百萬個參數，並以 MIT 授權發布 Whisper 的程式碼和權重。
  • YapToText 執行的是什麼。 原版的 Whisper Large v3 Turbo (Q5) 檔案，574 MB，透過以 Metal 和 Accelerate 編譯的 whisper.cpp。Mac 的 Whisper 頁面詳細介紹了這個檔案。

名字掩蓋了一件事：Parakeet 的模型卡描述的是用 NVIDIA 的 NeMo 工具組執行它，並把 Ampere 和 Hopper 這類 NVIDIA GPU 架構列為它的硬體。Apple 晶片的 Mac 沒有 NVIDIA GPU，所以提供 Parakeet 的 Mac App 必須用別的方式執行它，它們自己的文件會說明怎麼做。Mac 上的 Whisper 通常指的是 whisper.cpp，它的 README 稱 Apple 晶片是一等公民。

並排比較

2026年10月5日查閱 NVIDIA 在 Hugging Face 上的 Parakeet TDT 0.6B v3 模型卡和 OpenAI 的 Whisper Large v3 Turbo 模型卡，以及 2026年10月3日查閱 OpenAI 的 Whisper README 和 whisper.cpp 的 README。

Parakeet TDT 0.6B v3Whisper Large v3 Turbo
開發者NVIDIAOpenAI
大小600 百萬個參數809 百萬個參數
語言25 種歐洲語言數十種，模型卡逐一列出名稱；依 OpenAI 的說法，各語言的表現差異很大
怎麼選語言自動偵測，不需要提示由 App 設定，或自動偵測；YapToText 提供 29 種語言加上 Auto-detect
標點和大小寫依模型卡，自動處理在 YapToText 裡，它自己為一般的口說加上標點
時間戳記依模型卡，有字詞層級和片段層級視 App 而定；YapToText 的檔案逐字稿是純文字，沒有時間戳記
長音訊在 A100 80GB GPU 上用完整注意力，一次最長 24 分鐘，用局部注意力則最長 3 小時視 App 而定
授權CC BY 4.0MIT
設計上執行在NVIDIA 的 NeMo 工具組，在 NVIDIA GPU 上任何能執行它的環境；whisper.cpp 把 Apple 晶片視為一等公民

對聽寫來說，有兩列最重要。語言決定 Parakeet 到底聽不聽得懂你，而執行環境決定兩者在你的 Mac 上感覺有多快。Parakeet 是比較窄、設計上比較快的模型。Whisper 是比較廣的那一個。

速度與準確度：開發者量到了什麼

大家引用的 Parakeet 對 Whisper 的數字，來自開發者和排行榜，所以這裡說明它們究竟量的是什麼。這一節裡的每個數字，都是 NVIDIA 或 OpenAI 的測量，不是我的。

2026年10月5日查閱 arXiv 上 NVIDIA 的論文和 NVIDIA 的部落格。

  • 準確度，來自 NVIDIA。 NVIDIA 的論文「Canary-1B-v2 & Parakeet-TDT-0.6B-v3」，在 Hugging Face Open ASR Leaderboard 的測試集上比較英文語音辨識，例如 LibriSpeech、AMI 和 Earnings-22。它回報 Parakeet TDT 0.6B v3 的平均字詞錯誤率比 Whisper large-v3 低。字詞錯誤率是模型說錯的字所占的比例，所以越低越好。數字本身在論文裡，列在資料來源底下。
  • 速度，來自 NVIDIA。 同一張表給 Parakeet 的 RTFx 是 3,332.74，遠高於 Whisper large-v3。NVIDIA 的部落格把那個排行榜上的吞吐量定義為轉錄的音訊長度除以運算時間，並說 Parakeet v3 在那裡的多語言模型中吞吐量最高。
  • Turbo，來自 OpenAI。 論文那一列是 Whisper large-v3，不是 turbo。OpenAI 評估 turbo 的速度大約是 large 的 8 倍，準確度只有極小幅度的下降，這是在 A100 GPU 上量的，不是在 Mac 上。

讀這些數字時，請記得四項限制。它們是英文測試集，所以無法說明你的波蘭語或日語。它們是在 NVIDIA 的硬體上量的，而 Mac App 是在 Apple 晶片上執行這兩個模型，常常用的是轉換過的檔案，所以速度的比例不會原封不動地套用。它們比較的是 large-v3，不是 YapToText 內附的 5 位元 turbo 檔案。而且聽寫只是一個人的幾秒鐘語音，不是基準測試的錄音。

關於憑空編出的字詞，NVIDIA 的論文說，訓練資料裡加入了非語音的音訊，以減少幻覺。OpenAI 的 Whisper 模型卡說，Whisper 可能輸出實際上沒有說的文字，Whisper 幻覺指南說明了原因，以及 YapToText 怎麼處理。我找不到任何來源把兩者在這一點上並排量過，所以我對兩邊都不做任何斷言。

YapToText 的 History 項目，展開了處理細節：原始逐字稿、整理後的逐字稿、模式、傳送方式、目標 App 和時間。
圖1. 真正重要的速度數字，是你自己 Mac 上的那一個：History 會把每次聽寫從停止到出現文字的時間，拆成轉錄、AI 整理和傳送。

各自聽得懂哪些語言

對大多數人來說，在談到速度之前，選擇就已經在這裡決定了。如果 Parakeet 沒有列出你的語言，它就不是你的模型。

NVIDIA 的模型卡列出這 25 種：保加利亞語、克羅埃西亞語、捷克語、丹麥語、荷蘭語、英語、愛沙尼亞語、芬蘭語、法語、德語、希臘語、匈牙利語、義大利語、拉脫維亞語、立陶宛語、馬爾他語、波蘭語、葡萄牙語、羅馬尼亞語、俄語、斯洛伐克語、斯洛維尼亞語、西班牙語、瑞典語和烏克蘭語。下面是它和 YapToText 的 Language 選擇器裡 29 種語言的對照：

  • 兩邊都有。 捷克語、丹麥語、荷蘭語、英語、芬蘭語、法語、德語、希臘語、匈牙利語、義大利語、波蘭語、葡萄牙語、羅馬尼亞語、俄語、斯洛伐克語、西班牙語、瑞典語和烏克蘭語。
  • 只在 YapToText 的選擇器裡。 阿拉伯語、中文、希伯來語、印地語、印尼語、日語、韓語、挪威語（Bokmål）、泰語、土耳其語和越南語。
  • 只在 Parakeet v3 裡。 保加利亞語、克羅埃西亞語、愛沙尼亞語、拉脫維亞語、立陶宛語、馬爾他語和斯洛維尼亞語。Whisper 的模型卡列出了這七種，但 YapToText 的選擇器沒有，而我只宣稱選擇器列出的語言。

用不只一種語言聽寫時，還會看到另外兩個差別。Parakeet 自己偵測語言。YapToText 每次聽寫設定一種語言，從選擇器或 Auto-detect 而來，更改會從下一次聽寫開始生效。語言指南說明了怎麼把語言和某個 App 或某個快速鍵綁在一起。

執行 Parakeet 的 Mac App，以及 YapToText 的位置

現在有許多 Mac 聽寫 App 在 Whisper 旁邊也提供 Parakeet，本站自己的比較頁面已經在追蹤是哪些。如果你現在想在 Mac 上用 Parakeet，要透過這些 App 之一，不是從 YapToText。

2026年10月3日查閱各個 App 自己的網站、文件或儲存庫。

AppParakeetWhisper價格
VoiceInk設定時預設是 Parakeet V3；只用英文的話可選 Parakeet V2 或 Parakeet Unified有7 天試用，之後一台 Mac 一次 $25
Spokenly本機 Parakeet 模型，免費有，免費本機模型免費；Pro 每月 $9.99
superwhisper只有 Pro有，免費方案就有免費方案；Pro 每月 $8.49
HandyParakeet V3Small、Medium、Turbo 和 Large免費，MIT 授權
OpenWhispr有，在它的本機模型之中有免費的本機聽寫
FluidVoice有，另外還有 Nemotron有免費，GPL-3.0
YapToText沒有內附 Large v3 Turbo (Q5)，模型庫裡還有十個免費

詳細的頁面有 VoiceInk 比較、Spokenly 比較、superwhisper 比較，以及開放原始碼聽寫 App 精選，後者涵蓋 Handy、OpenWhispr 和 FluidVoice。

在 YapToText 這邊，模型的選擇在 AI Models 頁面。Dictation Model Library 除了內附的那一個，還有十個 Whisper 模型，而 Your own models 底下的 Add Model，只接受 whisper.cpp 的 .bin 或 llama.cpp 的 .gguf 檔案，其他一律拒絕。所以 Parakeet 的檔案載入不進去。AI 模型指南列出每個模型，以及 App 顯示的大小。

YapToText 的 AI Models 頁面：Whisper Large v3 Turbo (Q5) 和 Phi-3.5 Mini Instruct 標示為 Included，下方是模型庫。
圖2. YapToText 的 Dictation Model Library 只收 Whisper 模型，從 Tiny (English) 到 Large v3，下載之前就會顯示每個模型的大小。

誰該選哪一個

下面是我會怎麼選，說實話，即使答案不是我的 App。先依你的語言選模型，再依你的 Mac 速度選。

有 Parakeet 的 App 可能適合你，如果

  • 你只用歐洲語言聽寫。 尤其是其中有保加利亞語、克羅埃西亞語、愛沙尼亞語、拉脫維亞語、立陶宛語、馬爾他語或斯洛維尼亞語，YapToText 的選擇器沒有列出這些。
  • 速度是你最在意的事。 NVIDIA 為吞吐量而打造它，它論文裡的數字也指向這個方向。在你相信之前，先在你自己的 Mac 上量一量。
  • 你常在歐洲語言之間切換。 Parakeet 自己偵測語言，不需要更改選擇器。
  • 你想要檔案的字詞時間戳記。 模型卡列出字詞層級的時間戳記，不過你看不看得到，要視 App 而定。

Whisper 可能適合你，如果

  • 你用歐洲以外的語言聽寫。 日語、中文、韓語、印地語、阿拉伯語、希伯來語、泰語、越南語、印尼語、土耳其語或挪威語（Bokmål），都在 YapToText 的選擇器裡，卻不在 Parakeet v3 的清單裡。
  • 你想自己選大小。 Whisper 有從 Tiny 到 Large 的各種大小，所以你可以用準確度換取電池和記憶體。在 Energy 頁面，Switch models with the power source 甚至可以在使用電池時執行較輕量的模型。
  • 你想要什麼都不用設定。 YapToText 的 App Store 版本內附 Whisper，第一次啟動就能離線使用。
  • 你想自己執行它。 whisper.cpp 把 Intel 和 Apple 晶片的 Mac 列為支援對象，本機 Whisper 指南有相關指令。

對聽寫來說，翻譯不是決定因素。YapToText 只要求 Whisper 轉錄，而且 OpenAI 說 turbo 本來就沒有為翻譯訓練。如果你是在比較 Whisper 和 Mac 自己的引擎，Apple 聽寫 vs Whisper涵蓋了那一組比較。

用你自己的聲音測試兩者

唯一公平的測試，是你自己的聲音、你自己的句子和你自己的 Mac。大約需要十五分鐘。原始對原始地比較，這樣就沒有整理模型分享功勞或承擔責任。

步驟 1：寫下五個你真的會說的句子

  • 你： 挑你每星期都會寄出的句子，其中至少有一個通常會被聽錯的名字，而且你聽寫的每一種語言各有一句。
  • 確認： 先大聲念一遍，讓速度自然。

步驟 2：用 Parakeet 聽寫

  • 你： 在提供 Parakeet V3 的 App 裡，例如免費的 Handy，或設定時預設下載 Parakeet V3 的 VoiceInk，選擇 Parakeet V3，並關閉 App 提供的任何 AI 整理。對著一則備忘錄說出那五個句子。
  • 確認： 數一數你得修正的字，然後結束那個 App，這樣就只有一個 App 會回應你的聽寫鍵。

步驟 3：在 YapToText 用 Whisper 聽寫

  • 你： 從 Mac App Store 取得 YapToText。按一下那則備忘錄，輕按 Right Command，說話時按 2 使用 Raw Transcription，說出同樣的句子，再輕按一次。
  • YapToText： 輸入的正是 Whisper 聽到的，不經過任何整理模型。
  • 確認： 用同樣的方式數修正的次數。啟動後的第一次聽寫會在模型載入時等一下，所以請計算第二次的時間。

步驟 4：比較你 Mac 上的速度

  • 你： 在 YapToText 裡打開 History，找到那則聽寫，按一下 Show pipeline details。
  • YapToText： 把停止到出現文字的時間，拆成轉錄、AI 整理和傳送。
  • 確認： 轉錄那一行，就是 Whisper 在你的 Mac 上花的時間。拿它去對照另一個 App 輸入同樣句子花了多久。

如果 Whisper 一直聽錯某個名字，在決定之前，請先把它加到 Dictionaries 頁面：每一筆條目除了修正拼字，也會用這個字預先提示 Whisper。

各自做不到的事

Parakeet TDT 0.6B v3

  • 聽懂它那 25 種以外的語言。 日語、中文、阿拉伯語、印地語和其他語言，都不在它的清單上。
  • 自己在 Mac 上執行。 它的模型卡描述的是在 NVIDIA GPU 上用 NVIDIA 的 NeMo 工具組，所以在 Mac 上，它要透過 App 來使用。
  • 在 YapToText 裡執行。 YapToText 只執行 Whisper 模型，而 Add Model 會拒絕任何不是 whisper.cpp 或 llama.cpp 的檔案。

Whisper Large v3 Turbo

  • 對每種語言一視同仁。 OpenAI 說，表現依語言有很大的差異。
  • 翻譯。 OpenAI 說 turbo 沒有為翻譯訓練。
  • 保證它絕對不會編出一個字。 OpenAI 的模型卡說，它可能輸出沒有說過的文字，所以 YapToText 才會加以防範。
  • 讓 YapToText 在 Intel 的 Mac 上執行。 YapToText 需要 Apple 晶片和 macOS 14 或以上版本，不過 whisper.cpp 本身支援 Intel 的 Mac。

兩個模型都不是什麼都能做。圍繞它的 App，決定了聽寫起來的感覺。我沒有用基準測試跑過任何一個模型，也不會公布任何模型的準確度百分比。

重點整理

  • Parakeet。 NVIDIA 的 600 百萬參數模型，支援 25 種歐洲語言，為吞吐量而打造，CC BY 4.0。
  • Whisper。 這是 OpenAI 以 MIT 授權發布的模型，turbo 的模型卡列出數十種語言，大小從 Tiny 到 Large。
  • 數字。 NVIDIA 的論文指出，在英文測試集上 Parakeet 領先 Whisper large-v3，吞吐量更是遠遠領先。那些是 NVIDIA 的測量，不是我的。
  • 在 Mac 上。 VoiceInk、Spokenly、superwhisper Pro、Handy、OpenWhispr 和 FluidVoice 提供 Parakeet。YapToText 只執行 Whisper。

歐洲語言和原始速度，指向 Parakeet。其他所有語言，以及內附模型的免費 App，指向 Whisper。

如果你用自己的聲音測試了兩者，而這裡有些地方和你發現的不符，請在 GitHub 上提交 issue。每一則我都會看。

在 Mac App Store 下載 YapToText免費下載。不需要帳號，沒有鎖住的功能。需要搭載 Apple 晶片的 Mac 和 macOS 14 或以上版本。 原始碼在 GitHub 上。

關於作者。 Ryleigh Newman 從事軟體開發，用手打字有困難，每天都用本站介紹的 YapToText 聽寫。本頁譯自英文。App 的介面和網站的其他頁面是英文的。 進一步瞭解這個專案（英文）。

指南

更多指南（英文）

資料來源

常見問題

Parakeet 比 Whisper 好嗎？

取決於你的語言。NVIDIA 自己的論文回報，在英文測試集上，Parakeet TDT 0.6B v3 的平均字詞錯誤率比 Whisper large-v3 低，吞吐量也高很多，但 Parakeet v3 涵蓋 25 種歐洲語言，而 Whisper 的 turbo 模型卡列出多出數十種的語言。請用你自己的句子測試兩者。

我可以在 Mac 上用 Parakeet 嗎？

可以，透過聽寫 App。VoiceInk、Spokenly、Handy、OpenWhispr 和 FluidVoice 提供 Parakeet 模型，superwhisper 則在 Pro 提供。YapToText 沒有。它只執行 Whisper。

Parakeet V3 支援哪些語言？

NVIDIA 的模型卡列出 25 種歐洲語言：保加利亞語、克羅埃西亞語、捷克語、丹麥語、荷蘭語、英語、愛沙尼亞語、芬蘭語、法語、德語、希臘語、匈牙利語、義大利語、拉脫維亞語、立陶宛語、馬爾他語、波蘭語、葡萄牙語、羅馬尼亞語、俄語、斯洛伐克語、斯洛維尼亞語、西班牙語、瑞典語和烏克蘭語。它會自動偵測語言。

Parakeet 比 Whisper 快嗎？

依 NVIDIA 的測量，是的：它的論文給 Parakeet TDT 0.6B v3 的 RTFx 是 3,332.74，遠高於 Whisper large-v3，這是 NVIDIA 在它自己的硬體上量的。兩者在你的 Mac 上感覺如何，要看 App，所以請自己計時幾次聽寫。

YapToText 支援 Parakeet 嗎？

不支援。YapToText 預設執行 Whisper Large v3 Turbo (Q5)，模型庫裡還有十個 Whisper 模型，而它的 Add Model 按鈕只接受 whisper.cpp 和 llama.cpp 的檔案。

Parakeet 免費又開放嗎？

NVIDIA 在 Hugging Face 上以 CC BY 4.0 授權發布 Parakeet TDT 0.6B v3。Whisper 的程式碼和權重則採用 MIT 授權。