Mac 听写用 Parakeet 还是 Whisper：NVIDIA 的模型对比 OpenAI 的模型

作者 · 发布于

Parakeet 和 Whisper 的比较，归结起来是语言对速度：NVIDIA 的 Parakeet TDT 0.6B v3 是一个 600 百万参数的语音模型，支持 25 种欧洲语言，NVIDIA 把它做成了高吞吐量的模型，而 OpenAI 的 Whisper Large v3 Turbo 是多语言模型，模型卡按名称列出了它支持的许多语言。两者都可以在听写 App 里本地运行在 Mac 上，都会加标点，而且在你的机器上运行时，两者都不会把你的声音发到任何地方。

我做了 YapToText，一款免费的 Mac 听写 App，它运行 Whisper，而且只运行 Whisper。它不提供 Parakeet，所以请在阅读下面的内容时把这一点考虑在内。我做它是因为我用手打字有困难，每天都靠听写。这里关于 Parakeet 的事实来自 NVIDIA 自己的模型卡、论文和博客，关于 Whisper 的事实来自 OpenAI 自己的页面，关于 Mac App 的事实来自各个 App 自己的网站。这一页上没有任何速度或准确率的数字是我自己测的。

在 Mac App Store 下载 YapToText免费下载。无需账号，没有锁定的功能。需要搭载 Apple 芯片的 Mac 和 macOS 14 或更高版本。 源代码在 GitHub 上。

用其他语言阅读： English, Čeština, Deutsch, Español, Français, Magyar, Bahasa Indonesia, Italiano, 日本語, 한국어, Nederlands, Polski, Português, Русский, ไทย, Türkçe, Tiếng Việt, 繁體中文

本页内容：14 个部分
  1. 步骤
  2. 两个模型，两家厂商
  3. 并排比较
  4. 速度和准确率：厂商测量的结果
  5. 各自能听懂哪些语言
  6. 运行 Parakeet 的 Mac App，以及 YapToText 的位置
  7. 谁该选哪一个
    1. 带 Parakeet 的 App 可能适合你，如果
    2. Whisper 可能适合你，如果
  8. 用你自己的声音测试两者
    1. 第 1 步：写下你真的会说的五句话
    2. 第 2 步：用 Parakeet 听写
    3. 第 3 步：在 YapToText 里用 Whisper 听写
    4. 第 4 步：比较你的 Mac 上的速度
  9. 两者各自做不到的事
    1. Parakeet TDT 0.6B v3
    2. Whisper Large v3 Turbo
  10. 小结
  11. 指南
  12. 更多指南（英文）
  13. 资料来源
  14. 常见问题

步骤

  1. 写下你真的会说的五句话，其中有一个通常识别错的名字，你听写的每种语言各有一句。
  2. 在提供 Parakeet V3 的 App 里听写这几句话，比如 Handy 或 VoiceInk，关掉所有 AI 整理，数一数你需要修改的词。
  3. 退出那个 App，然后在 YapToText 里用 Raw Transcription 听写同样的句子，方法是说话时按 2，再用同样的方法数需要修改的地方。
  4. 在 YapToText 的 History 里点击 Show pipeline details，查看转写在你的 Mac 上花了多长时间，并和另一个 App 比较。

两个模型，两家厂商

这两个名字被当成品牌名来用，所以有必要把人们说的到底是哪些文件讲清楚。Parakeet V3 和 Whisper Large v3 Turbo，是现在大多数 Mac 听写 App 摆在你面前的两个本地模型。

  • Parakeet TDT 0.6B v3。 NVIDIA 在 Hugging Face 上的模型卡把它称为一个 600 百万参数的多语言语音识别模型，专为高吞吐量的语音转文字而设计。它把 Parakeet TDT 0.6B v2 从英语扩展到了 25 种欧洲语言。TDT 是 Token-and-Duration Transducer 的缩写，指的是接在 FastConformer 编码器后面的解码器。NVIDIA 以 CC BY 4.0 许可发布它。
  • Parakeet V2。 只支持英语的模型，v3 就是从它发展来的。VoiceInk 的文档建议，只听写英语时使用 Parakeet V2 或 Parakeet Unified。
  • Whisper Large v3 Turbo。 OpenAI 把 Whisper 称为在大量多样化音频数据集上训练的通用语音识别模型，把 turbo 称为 large-v3 的优化版本，转写更快，准确率只有极小的下降。OpenAI 列出 turbo 有 809 百万参数，并以 MIT 许可发布了 Whisper 的代码和权重。
  • YapToText 运行的是什么。 原版的 Whisper Large v3 Turbo (Q5) 文件，574 MB，通过用 Metal 和 Accelerate 编译的 whisper.cpp 运行。Mac 版 Whisper 页面详细介绍了这个文件。

名字背后有一点没有体现出来：Parakeet 的模型卡描述的是用 NVIDIA 的 NeMo 工具包运行它，并把 Ampere 和 Hopper 这样的 NVIDIA GPU 架构列为它的硬件。Apple 芯片的 Mac 没有 NVIDIA GPU，所以提供 Parakeet 的 Mac App 必须用别的办法运行它，它们自己的文档会说明怎么做。Mac 上的 Whisper 通常指 whisper.cpp，它的 README 把 Apple 芯片称为一等公民。

并排比较

2026年10月5日在 Hugging Face 上 NVIDIA 的 Parakeet TDT 0.6B v3 模型卡和 OpenAI 的 Whisper Large v3 Turbo 模型卡查阅，2026年10月3日在 OpenAI 的 Whisper README 和 whisper.cpp 的 README 查阅。

Parakeet TDT 0.6B v3Whisper Large v3 Turbo
厂商NVIDIAOpenAI
大小600 百万参数809 百万参数
语言25 种欧洲语言几十种，模型卡按名称列出，据 OpenAI 说，表现因语言而差别很大
选择语言自动检测，不需要提示由 App 设置，或者自动检测，YapToText 提供 29 种语言加自动检测
标点和大小写自动，据模型卡所述在 YapToText 里，普通的说话它自己会加标点
时间戳词级和片段级，据模型卡所述取决于 App，YapToText 的文件转写是纯文本，没有时间戳
长音频在 A100 80GB GPU 上用完整注意力，一次最多 24 分钟，用局部注意力最多 3 小时取决于 App
许可CC BY 4.0MIT
设计运行在NVIDIA GPU 上的 NVIDIA NeMo 工具包任何能运行它的环境，whisper.cpp 把 Apple 芯片当作一等公民

对听写来说，最重要的是两行。语言决定 Parakeet 到底能不能听懂你，运行环境决定任何一个模型在你的 Mac 上感觉有多快。Parakeet 是更窄、为速度而造的模型。Whisper 是更宽的那一个。

速度和准确率：厂商测量的结果

人们引用的 Parakeet 对比 Whisper 的数字，来自厂商和排行榜，所以这里说明它们到底测了什么。这一节里的每个数字都是 NVIDIA 或 OpenAI 的测量，不是我的。

2026年10月5日在 arXiv 上 NVIDIA 的论文和 NVIDIA 的博客中查阅。

  • 准确率，NVIDIA 的结果。 NVIDIA 的论文“Canary-1B-v2 & Parakeet-TDT-0.6B-v3”，在 Hugging Face Open ASR Leaderboard 的测试集上比较了英语语音识别，比如 LibriSpeech、AMI 和 Earnings-22。它报告说，Parakeet TDT 0.6B v3 的平均词错误率比 Whisper large-v3 更低。词错误率是模型识别错的词所占的比例，所以越低越好。具体数字在论文里，列在资料来源下。
  • 速度，NVIDIA 的结果。 同一张表给出 Parakeet 的 RTFx 是 3,332.74，远高于 Whisper large-v3。NVIDIA 的博客把这个排行榜上的吞吐量定义为转写的音频时长除以计算时间，并且说 Parakeet v3 是那里多语言模型中吞吐量最高的。
  • Turbo，OpenAI 的结果。 论文里的那一行是 Whisper large-v3，不是 turbo。OpenAI 评价 turbo 的速度约为 large 的 8 倍，准确率只有极小的下降，这是在 A100 GPU 上测的，不是在 Mac 上。

读这些数字时，请记住四个限制。它们是英语测试集，所以对你的波兰语或日语什么也说明不了。它们是在 NVIDIA 的硬件上测的，而 Mac App 是在 Apple 芯片上运行这两个模型，往往用的是转换过的文件，所以速度比值不会原样带过来。它们比较的是 large-v3，不是 YapToText 附带的 5 位 turbo 文件。而且一次听写只是一个人几秒钟的声音，不是基准测试用的录音。

关于编造的词，NVIDIA 的论文说，训练数据里加入了非语音音频，以减少幻觉。OpenAI 的 Whisper 模型卡说，Whisper 可能输出并没有说出口的文字，Whisper 幻觉指南介绍了原因，以及 YapToText 的应对办法。我没有找到任何把两者在这一点上并排测量的来源，所以我不做任何一边的断言。

YapToText 的一条 History 记录，展开了 pipeline details：原始转写、整理后的转写、模式、delivery、目标 App 和耗时。
图1. 真正要紧的速度数字，是你自己 Mac 上的那个：History 把每次听写从停止到出字的时间，拆分成转写、AI 整理和输入。

各自能听懂哪些语言

对大多数人来说，选择在这里就定了，还轮不到比速度。如果 Parakeet 的名单里没有你的语言，它就不是你的模型。

NVIDIA 的模型卡列出了这 25 种：保加利亚语、克罗地亚语、捷克语、丹麦语、荷兰语、英语、爱沙尼亚语、芬兰语、法语、德语、希腊语、匈牙利语、意大利语、拉脱维亚语、立陶宛语、马耳他语、波兰语、葡萄牙语、罗马尼亚语、俄语、斯洛伐克语、斯洛文尼亚语、西班牙语、瑞典语和乌克兰语。它和 YapToText 的 Language 选择器里的 29 种语言是这样对应的：

  • 两边都有。 捷克语、丹麦语、荷兰语、英语、芬兰语、法语、德语、希腊语、匈牙利语、意大利语、波兰语、葡萄牙语、罗马尼亚语、俄语、斯洛伐克语、西班牙语、瑞典语和乌克兰语。
  • 只在 YapToText 的选择器里。 阿拉伯语、中文、希伯来语、印地语、印度尼西亚语、日语、韩语、书面挪威语、泰语、土耳其语和越南语。
  • 只在 Parakeet v3 里。 保加利亚语、克罗地亚语、爱沙尼亚语、拉脱维亚语、立陶宛语、马耳他语和斯洛文尼亚语。Whisper 的模型卡把这七种都列出来了，但 YapToText 的选择器里没有，而我只说选择器里列出的。

如果你用不止一种语言听写，还有两点不同。Parakeet 自己检测语言。YapToText 每次听写设置一种语言，来自选择器或自动检测，更改从下一次听写开始生效。语言指南介绍了怎么把语言和某个 App 或快捷键绑定。

运行 Parakeet 的 Mac App，以及 YapToText 的位置

现在很多 Mac 听写 App 在 Whisper 之外也提供 Parakeet，本站自己的比较页面已经在跟踪是哪些。如果你今天想在 Mac 上用 Parakeet，要通过这些 App 之一，而不是 YapToText。

2026年10月3日在各个 App 自己的网站、文档或代码仓库查阅。

AppParakeetWhisper价格
VoiceInk设置时默认用 Parakeet V3，只有英语时可用 Parakeet V2 或 Parakeet Unified有7 天试用，之后 1 台 Mac 一次性 $25
Spokenly本地 Parakeet 模型，免费有，免费用本地模型免费，Pro 每月 $9.99
superwhisper只在 Pro 里有，在免费方案里免费方案，Pro 每月 $8.49
HandyParakeet V3Small、Medium、Turbo 和 Large免费，MIT 许可
OpenWhispr有，在它的本地模型里有免费的本地听写
FluidVoice有，另外还有 Nemotron有免费，GPL-3.0
YapToText没有内置 Large v3 Turbo (Q5)，模型库里还有十个免费

详细页面有 VoiceInk 比较、Spokenly 比较、superwhisper 比较，以及开源听写 App 汇总，后者介绍了 Handy、OpenWhispr 和 FluidVoice。

在 YapToText 这边，模型的选择在 AI Models 页面。Dictation Model Library 里，除了内置的那个，还有十个 Whisper 模型，Your own models 下的 Add Model 接收 whisper.cpp 的 .bin 或 llama.cpp 的 .gguf 文件，其他的一概拒绝。所以 Parakeet 文件加载不进去。AI 模型指南列出了每个模型，以及 App 显示的大小。

YapToText 的 AI Models 页面：Whisper Large v3 Turbo (Q5) 和 Phi-3.5 Mini Instruct 标着 Included，下方是模型库。
图2. YapToText 的 Dictation Model Library 里只有 Whisper 模型，从 Tiny (English) 到 Large v3，下载之前每个都显示大小。

谁该选哪一个

我会这样选，坦白地说，即使答案不是我的 App。先按你的语言选模型，再按你 Mac 的速度选。

带 Parakeet 的 App 可能适合你，如果

  • 你只用欧洲语言听写。 尤其是其中有保加利亚语、克罗地亚语、爱沙尼亚语、拉脱维亚语、立陶宛语、马耳他语或斯洛文尼亚语，这些在 YapToText 的选择器里没有。
  • 你最在意的是速度。 NVIDIA 为吞吐量而造了它，它论文里的数字也指向这一点。先在你自己的 Mac 上测一测，再相信它。
  • 你经常在欧洲语言之间切换。 Parakeet 自己检测语言，不用改选择器。
  • 你想要文件的词级时间戳。 模型卡列出了词级时间戳，不过你能不能看到，取决于 App。

Whisper 可能适合你，如果

  • 你用欧洲语言之外的语言听写。 日语、中文、韩语、印地语、阿拉伯语、希伯来语、泰语、越南语、印度尼西亚语、土耳其语或书面挪威语，在 YapToText 的选择器里有，而不在 Parakeet v3 的名单里。
  • 你想自己选大小。 Whisper 从 Tiny 到 Large 都有，所以你可以拿准确率去换电量和内存。在 Energy 页面，Switch models with the power source 甚至可以在用电池时运行更轻的模型。
  • 你想要零设置。 YapToText 的 App Store 版本把 Whisper 内置在里面，首次启动就能离线使用。
  • 你想自己运行它。 whisper.cpp 列出了 Intel 和 Apple 芯片的 Mac 为受支持，本地 Whisper 指南里有命令。

对听写来说，翻译不是决定因素。YapToText 只让 Whisper 做转写，而且 OpenAI 说 turbo 本来就没有为翻译训练过。如果你要比较的是 Whisper 和 Mac 自带的引擎，Apple 听写对比 Whisper讲的就是这一对。

用你自己的声音测试两者

唯一公平的测试，是用你自己的声音、你自己的句子和你自己的 Mac。大约要十五分钟。原始结果对原始结果，这样功劳或责任都不会算到整理模型头上。

第 1 步：写下你真的会说的五句话

  • 你： 选每周都会发送的句子，其中至少有一个通常识别错的名字，你听写的每种语言各选一句。
  • 确认： 先大声读一遍，让语速自然。

第 2 步：用 Parakeet 听写

  • 你： 在提供 Parakeet V3 的 App 里，比如免费的 Handy，或者设置时默认下载 Parakeet V3 的 VoiceInk，选择 Parakeet V3，并关掉这个 App 提供的所有 AI 整理。对着一份笔记说出这五句话。
  • 确认： 数一数你需要修改的词，然后退出这个 App，这样就只有一个 App 响应你的听写键。

第 3 步：在 YapToText 里用 Whisper 听写

  • 你： 从 Mac App Store 获取 YapToText。点进笔记，轻按 Right Command，说话时按 2 选 Raw Transcription，说出同样的句子，再轻按一次。
  • YapToText： 输入的正是 Whisper 听到的内容，不经过整理模型。
  • 确认： 用同样的方法数需要修改的地方。启动后的第一次听写要等一会儿，因为要加载模型，所以请给第二次计时。

第 4 步：比较你的 Mac 上的速度

  • 你： 在 YapToText 里打开 History，找到这次听写，点击 Show pipeline details。
  • YapToText： 把从停止到出字的时间，拆分成转写、AI 整理和输入。
  • 确认： 转写那一行就是 Whisper 在你的 Mac 上用的时间。拿它和另一个 App 输入同样句子花的时间比一比。

如果 Whisper 总是漏掉某个名字，在做决定之前先把它加到 Dictionaries 页面：每个条目既会修正词的拼写，也会让 Whisper 预先知道这个词。

两者各自做不到的事

Parakeet TDT 0.6B v3

  • 听懂它那 25 种之外的语言。 日语、中文、阿拉伯语、印地语和其余的，都不在它的名单上。
  • 自己在 Mac 上运行。 它的模型卡描述的是 NVIDIA GPU 上的 NVIDIA NeMo 工具包，所以在 Mac 上要通过某个 App。
  • 在 YapToText 里运行。 YapToText 只运行 Whisper 模型，Add Model 会拒绝任何不是 whisper.cpp 或 llama.cpp 的文件。

Whisper Large v3 Turbo

  • 对每种语言一视同仁。 OpenAI 说，表现因语言而差别很大。
  • 翻译。 OpenAI 说 turbo 没有为翻译训练过。
  • 保证从不编造一个词。 OpenAI 的模型卡说，它可能输出并没有说出口的文字，这就是 YapToText 要针对它设置防护的原因。
  • 在 Intel Mac 上运行 YapToText。 YapToText 需要 Apple 芯片和 macOS 14 或更高版本，不过 whisper.cpp 本身支持 Intel Mac。

没有哪个模型什么都能做。围绕它的 App 决定了听写时的感觉。我没有让任何一个模型跑过基准测试，也不为任何模型公布准确率的百分比。

小结

  • Parakeet。 NVIDIA 的 600 百万参数模型，支持 25 种欧洲语言，为吞吐量而造，CC BY 4.0。
  • Whisper。 它是 OpenAI 的 MIT 许可模型，turbo 模型卡上有几十种语言，大小从 Tiny 到 Large。
  • 数字。 NVIDIA 的论文把 Parakeet 放在 Whisper large-v3 之前，英语测试集上更准，吞吐量上遥遥领先。这些是 NVIDIA 的测量，不是我的。
  • 在 Mac 上。 VoiceInk、Spokenly、superwhisper Pro、Handy、OpenWhispr 和 FluidVoice 提供 Parakeet。YapToText 只运行 Whisper。

欧洲语言和原始速度，指向 Parakeet。其他所有语言，以及内置了模型的免费 App，指向 Whisper。

如果你用自己的声音测试了两者，发现这里有和你的结果不一致的地方，请在 GitHub 上提交 issue。每一条我都会看。

在 Mac App Store 下载 YapToText免费下载。无需账号，没有锁定的功能。需要搭载 Apple 芯片的 Mac 和 macOS 14 或更高版本。 源代码在 GitHub 上。

关于作者。 Ryleigh Newman 从事软件开发，用手打字有困难，每天都用本站介绍的 YapToText 听写。本页译自英文。App 的界面和网站的其他页面是英文的。 进一步了解这个项目（英文）。

指南

更多指南（英文）

资料来源

常见问题

Parakeet 比 Whisper 更好吗？

取决于你的语言。NVIDIA 自己的论文报告说，在英语测试集上，Parakeet TDT 0.6B v3 的平均词错误率比 Whisper large-v3 更低，吞吐量也高得多，但 Parakeet v3 只覆盖 25 种欧洲语言，而 Whisper 的 turbo 模型卡列出的语言要多几十种。请用你自己的句子测试两者。

Mac 上能用 Parakeet 吗？

能，通过听写 App。VoiceInk、Spokenly、Handy、OpenWhispr 和 FluidVoice 提供 Parakeet 模型，superwhisper 在 Pro 里提供。YapToText 不提供，它只运行 Whisper。

Parakeet V3 支持哪些语言？

NVIDIA 的模型卡列出了 25 种欧洲语言：保加利亚语、克罗地亚语、捷克语、丹麦语、荷兰语、英语、爱沙尼亚语、芬兰语、法语、德语、希腊语、匈牙利语、意大利语、拉脱维亚语、立陶宛语、马耳他语、波兰语、葡萄牙语、罗马尼亚语、俄语、斯洛伐克语、斯洛文尼亚语、西班牙语、瑞典语和乌克兰语。它会自动检测语言。

Parakeet 比 Whisper 快吗？

按 NVIDIA 的测量，是的：它的论文给 Parakeet TDT 0.6B v3 的 RTFx 是 3,332.74，远高于 Whisper large-v3，这是 NVIDIA 在自己的硬件上测的。两者在你的 Mac 上感觉如何，取决于 App，所以请自己给几次听写计时。

YapToText 支持 Parakeet 吗？

不支持。YapToText 默认运行 Whisper Large v3 Turbo (Q5)，模型库里还有十个 Whisper 模型，它的 Add Model 按钮只接收 whisper.cpp 和 llama.cpp 的文件。

Parakeet 免费而且开放吗？

NVIDIA 在 Hugging Face 上以 CC BY 4.0 许可发布 Parakeet TDT 0.6B v3。Whisper 的代码和权重采用 MIT 许可。