TL;DR
| Parakeet V3 | Whisper से तुलना | |
|---|---|---|
| गति | Apple Silicon पर ~60× रियल-टाइम | उसी M4 Pro पर Turbo ~14× रियल-टाइम |
| समर्थित भाषाएँ | 25 | 100+ |
| अंग्रेज़ी त्रुटि दर (WER) | 6.32% | Turbo 7.83% |
| 25 भाषाओं की औसत त्रुटि दर (WER) | 12.0% | 12.6% |
| हैलुसिनेशन | हमारे टेस्ट में मौन पर लगभग कोई नहीं | मौन पर दिख सकते हैं |
| सर्वोत्तम | अंग्रेज़ी और यूरोपीय | एशियाई, अरबी, 100+ |
* गति: Apple Silicon पर हमारा अपना माप (एक पॉडकास्ट पर 58×, एक मीटिंग पर 63×)। अंग्रेज़ी WER: Hugging Face Open ASR Leaderboard। 25-भाषा औसत: FLEURS बेंचमार्क। मौन पर व्यवहार हमारा प्रोडक्ट ऑब्ज़र्वेशन है, शून्य-त्रुटि की गारंटी नहीं।
Whisper Notes for Mac डिफ़ॉल्ट स्पीच इंजन के रूप में NVIDIA Parakeet TDT 0.6B इस्तेमाल करता है। Apple Silicon पर यह क़रीब 60× रियल-टाइम की रफ़्तार से चलता है, और Open ASR Leaderboard के मुताबिक़ अंग्रेज़ी में Whisper Large V3 Turbo से ज़्यादा सटीक है — 6.32% बनाम 7.83%। अगर आपको दूसरी भाषाएँ चाहिए तो Whisper मॉडल अभी भी उपलब्ध हैं।
हमने डिफ़ॉल्ट क्यों बदला
Whisper बढ़िया है, लेकिन यह एक जनरल-परपज़ मॉडल की तरह बनाया गया था। यह 100+ भाषाएँ सँभालता है, ट्रांसलेट करता है, टाइमस्टैम्प बनाता है — एक स्विस आर्मी नाइफ़। इसकी कीमत है स्पीड। अंग्रेज़ी डिक्टेशन के लिए, जहाँ बस शब्द तेज़ी से स्क्रीन पर आने चाहिए, यह ज़रूरत से ज़्यादा है।
Fn-key सिस्टम-वाइड डिक्टेशन के पीछे जब Whisper था, तो एक मिनट की बात key छोड़ने के 3–5 सेकंड बाद दिखती थी।
Parakeet के साथ वही बात लगभग एक सेकंड या उससे भी कम में आ जाती है — इतना कम कि इंतज़ार का पता ही नहीं चलता।
Parakeet V3 कितना तेज़ है?
ये रहे हमारे अपने दो रन — दोनों इंजन, एक ही ऑडियो पर, एक ही Mac पर:
| मॉडल | 5 मिनट का अंग्रेज़ी पॉडकास्ट (M4 Pro) |
|---|---|
| Whisper Large V3 Turbo | 20.92 सेकंड — 14.3× रियल-टाइम |
| Parakeet TDT 0.6B v3 | 2.91 सेकंड — 103× रियल-टाइम |
छोटी मशीन पर भी यह फ़ासला बना रहता है। हमारे M5 Air पर Parakeet ने 17.5 मिनट की एक मीटिंग 16.7 सेकंड में निपटा दी — क़रीब 60× रियल-टाइम।
Parakeet v3 इतना तेज़ कैसे है
Whisper का एनकोडर एक बार में ऑडियो की 30 सेकंड की विंडो पढ़ता है। फिर उसका डिकोडर एक-एक टोकन करके ट्रांसक्रिप्ट लिखता है, और हमेशा कुछ न कुछ लिखने की उम्मीद करता है, ख़ामोशी में भी।
Parakeet एक transducer मॉडल है। यह पहले ऑडियो को 8× कंप्रेस करता है, फिर हर टोकन के साथ यह भी अनुमान लगाता है कि वह कितनी देर चलता है, इसलिए हर फ़्रेम से गुज़रने के बजाय आगे कूद सकता है। ख़ामोशी पर यह एक "blank" देता है और आगे बढ़ जाता है।
रफ़्तार भी यहीं से आती है और ख़ामोश हिस्सों में कम गढ़ा हुआ टेक्स्ट भी। M4 Pro पर यह एक घंटे का ऑडियो एक मिनट से कम में निपटा देता है, Whisper Large V3 Turbo से कम पैरामीटर और अंग्रेज़ी में कम त्रुटि दर के साथ।
बेंचमार्क: Parakeet v3 बनाम Whisper
कम बेहतर है: Whisper Large V3 के आधे से भी छोटा Parakeet V3 तीनों बेंचमार्क पर उससे एक पॉइंट के भीतर रहता है, और बड़ा Seamless M4T v2 सबसे कम एरर रेट दिखाता है।
Hugging Face Open ASR Leaderboard पर, Parakeet v3 का औसत अंग्रेज़ी WER 6.32% है, सिर्फ़ 600M पैरामीटर के साथ — Whisper Large V3 के 1.55B से आधे से भी कम:
| मॉडल | पैरामीटर | औसत WER | स्पीड (RTFx) |
|---|---|---|---|
| Parakeet TDT 0.6B v3 | 0.6B | 6.32% | 3,333x |
| Canary 1B v2 | 1.0B | 7.15% | 749x |
| Whisper Large V3 Turbo | 0.8B | 7.83% | 350x |
कम WER = कम ग़लतियाँ। ज़्यादा RTFx = ज़्यादा तेज़। Parakeet दोनों में आगे है, और 600M पैरामीटर के साथ यह तीनों में सबसे छोटा है, इसलिए Apple Silicon पर ज़्यादा मेमोरी के बिना अच्छा चलता है।
बहुभाषी WER: सभी 25 भाषाएँ
ऊपर की लीडरबोर्ड सिर्फ़ अंग्रेज़ी को कवर करती है। यह रही पूरी तस्वीर — Whisper Notes में उपलब्ध तीनों मॉडल Parakeet द्वारा सपोर्ट की जाने वाली सभी 25 भाषाओं में कैसा प्रदर्शन करते हैं, FLEURS बेंचमार्क पर मापा गया। कम WER = कम ट्रांसक्रिप्शन ग़लतियाँ। हर पंक्ति में Large V3 और Parakeet के बीच सर्वश्रेष्ठ मान हाइलाइट किया गया है:
| भाषा | Whisper Small | Whisper Large V3 | Parakeet V3 |
|---|---|---|---|
| बल्गेरियाई | 37.3 | 12.9 | 12.6 |
| क्रोएशियाई | 33.4 | 11.1 | 12.5 |
| चेक | 37.6 | 11.3 | 11.0 |
| डेनिश | 32.8 | 12.6 | 18.4 |
| डच | 16.4 | 5.6 | 7.5 |
| अंग्रेज़ी | 6.1 | 4.3 | 4.9 |
| एस्टोनियाई | 51.3 | 19.1 | 17.7 |
| फ़िनिश | 24.0 | 7.7 | 13.2 |
| फ़्रेंच | 15.0 | 6.3 | 5.2 |
| जर्मन | 10.2 | 4.3 | 5.0 |
| ग्रीक | 30.8 | 27.0 | 20.7 |
| हंगेरियाई | 38.9 | 14.1 | 15.7 |
| इतालवी | 9.8 | 2.3 | 3.0 |
| लातवियाई | 53.2 | 18.3 | 22.8 |
| लिथुआनियाई | 65.6 | 22.3 | 20.4 |
| माल्टीज़ | 92.2 | 68.9 | 20.5 |
| पोलिश | 14.7 | 4.7 | 7.3 |
| पुर्तगाली | 7.3 | 3.7 | 4.8 |
| रोमानियाई | 29.8 | 8.2 | 12.4 |
| रूसी | 11.4 | 4.2 | 5.5 |
| स्लोवाक | 33.3 | 8.4 | 8.8 |
| स्लोवेनियाई | 49.3 | 19.9 | 24.0 |
| स्पेनिश | 5.6 | 3.1 | 3.5 |
| स्वीडिश | 20.8 | 7.9 | 15.1 |
| यूक्रेनियाई | 19.3 | 6.5 | 6.8 |
| औसत | 29.8 | 12.6 | 12.0 |
WER (%) FLEURS पर। Whisper Small का डेटा Radford et al. से; Large V3 और Parakeet V3 का डेटा NVIDIA Canary-1B-v2 पेपर से।
Whisper Large V3 ज़्यादातर अलग-अलग भाषाओं में थोड़ा आगे रहता है, लेकिन Parakeet V3 औसत में उसके क़रीब है (12.0% बनाम 12.6%), सात भाषाओं में आगे है, सबसे साफ़ तौर पर माल्टीज़ और ग्रीक में, और Whisper Small की औसत त्रुटि दर को लगभग 60% घटा देता है। असली फ़ायदा इस कॉम्बिनेशन में है: Large V3 स्तर की बहुभाषी सटीकता, वो भी Apple Silicon पर क़रीब 60× रियल-टाइम की रफ़्तार पर, छोटा रनटाइम फ़ुटप्रिंट, और हमारे डिक्टेशन टेस्ट में मौन की कहीं ज़्यादा भरोसेमंद हैंडलिंग।
मौन पर यह कम हैलुसिनेट क्यों करता है
अगर आपने Whisper डिक्टेशन के लिए इस्तेमाल किया है, तो शायद देखा होगा कि ख़ामोशी में यह हैलुसिनेट करता है — फ़्रेज़ दोहराता है, शब्द गढ़ता है, या कहीं से "Subtitles by Amara.org" छाप देता है। ऐसा इसलिए होता है क्योंकि Whisper का ऑटोरिग्रेसिव डीकोडर हमेशा टेक्स्ट बनाने की उम्मीद रखता है, भले ही ट्रांसक्राइब करने को कुछ न हो।
Parakeet का ट्रांसड्यूसर आर्किटेक्चर टेक्स्ट टोकन ज़बरदस्ती निकालने की बजाय ब्लैंक आउटपुट दे सकता है। हमारे सिस्टम-वाइड डिक्टेशन टेस्ट में, इसी वजह से Whisper की तुलना में इसके किसी पॉज़ को दोहराए गए या असंबंधित टेक्स्ट से भरने की संभावना कहीं कम है। यह फिर भी एक स्पीच मॉडल है, इसलिए सही दावा “कम संभावना” है, “कभी नहीं” नहीं।
Parakeet किन भाषाओं को सपोर्ट करता है
Parakeet v3 25 भाषाओं को सपोर्ट करता है: बल्गेरियाई, क्रोएशियाई, चेक, डेनिश, डच, अंग्रेज़ी, एस्टोनियाई, फ़िनिश, फ़्रेंच, जर्मन, ग्रीक, हंगेरियाई, इतालवी, लातवियाई, लिथुआनियाई, माल्टीज़, पोलिश, पुर्तगाली, रोमानियाई, रूसी, स्लोवाक, स्लोवेनियाई, स्पेनिश, स्वीडिश, और यूक्रेनियाई।
यह ज़्यादातर यूरोप को कवर करता है, लेकिन चीनी, जापानी, कोरियाई, अरबी या हिंदी को नहीं। चीनी, जापानी, कोरियाई और कैंटोनीज़ के लिए SenseVoice चुनें; अरबी, हिंदी और Parakeet के सेट से बाहर की दूसरी भाषाओं के लिए Whisper Large V3 Turbo इस्तेमाल करें। कोई ख़ास भाषा किस इंजन में चलती है, यह देखने के लिए हमारा Whisper, Parakeet V3 और SenseVoice की समर्थित भाषाओं का पेज देखें।
Parakeet V3 बिल्ट-इन है और चुना हुआ है; Whisper Small और Whisper Large V3 Turbo वैकल्पिक डाउनलोड हैं और ये भी लोकल चलते हैं।
Whisper Notes में मॉडल पिकर
मॉडल बदलने के लिए Settings खोलें:
- Parakeet V3 (डिफ़ॉल्ट) — सबसे तेज़, अंग्रेज़ी और यूरोपीय भाषाओं के लिए सबसे अच्छा
- SenseVoice Small — चीनी, जापानी, कोरियाई और कैंटोनीज़ के लिए सबसे तेज़
- Whisper Small — हल्का, 100+ भाषाएँ
- Whisper Large V3 Turbo — 100+ भाषाओं की व्यापक कवरेज
सभी मॉडल आपके Mac पर 100% लोकली चलते हैं। कोई इंटरनेट नहीं, कोई क्लाउड नहीं, कोई डेटा आपके डिवाइस से बाहर नहीं जाता।
Parakeet V2 का क्या?
अगर आपने V2 इस्तेमाल किया है, तो शायद आप तुलना जानना चाहें। V2 केवल अंग्रेज़ी का मॉडल था — और इसकी अंग्रेज़ी सटीकता दरअसल V3 से थोड़ी बेहतर है (6.05% बनाम 6.32% WER)। V3 ने यह छोटा अंतर 25 भाषाओं के सपोर्ट में बदल दिया। दोनों Whisper से काफ़ी ज़्यादा सटीक हैं।
| Parakeet V2 | Parakeet V3 | Whisper Large V3 Turbo | |
|---|---|---|---|
| अंग्रेज़ी WER | 6.05% | 6.32% | 7.83% |
| भाषाएँ | केवल अंग्रेज़ी | 25 | 100+ |
संक्षेप में: अगर आपको सिर्फ़ अंग्रेज़ी चाहिए, V2 और V3 दोनों बेहतरीन हैं। Whisper Notes में V3 डिफ़ॉल्ट है क्योंकि बहुभाषी सपोर्ट ज़्यादातर यूज़र्स के लिए ज़रूरी है — और अंग्रेज़ी सटीकता का अंतर नगण्य है।
WhisperKit का क्या?
WhisperKit Apple डिवाइस पर Whisper मॉडल चलाने के लिए Argmax का ओपन-सोर्स Swift फ़्रेमवर्क है। यह एक डेवलपर टूलकिट है, एंड-यूज़र ऐप नहीं — और यह Whisper चलाता है, Parakeet नहीं (जो NVIDIA की मॉडल फ़ैमिली है)। अगर आप ख़ुद Swift लिखे बिना WhisperKit-स्टाइल ऑन-डिवाइस ट्रांसक्रिप्शन चाहते हैं, तो Whisper Notes उसी आइडिया को एक रेडी-मेड ऐप के रूप में पेश करता है: Parakeet V3, Whisper (Mac पर Large V3 Turbo, iPhone पर Small), और SenseVoice — सभी Mac और iPhone पर लोकली चलते हैं।
सारे लोकल विकल्पों की तुलना कर रहे हैं? हर ऑन-डिवाइस स्पीच-टु-टेक्स्ट मॉडल — Whisper वेरिएंट, Parakeet V3, SenseVoice, और Voxtral — की साथ-साथ तुलना हमारे Whisper मॉडल तुलना पेज पर मौजूद है। Whisper से पहली बार वास्ता? Whisper ट्रांसक्रिप्शन गाइड से शुरुआत करें — यह मॉडल क्या है, इसे चलाने के सारे तरीक़े, और इसकी लागत क्या है।
अक्सर पूछे जाने वाले सवाल
क्या Parakeet V3 Whisper से बेहतर है?
अंग्रेज़ी और यूरोपीय भाषाओं के लिए, अक्सर हाँ। Open ASR Leaderboard पर Parakeet का अंग्रेज़ी WER 6.32% है जबकि Turbo का 7.83%, और M4 Pro पर हमारे अपने टेस्ट में Parakeet 103× रियल-टाइम पर चला जबकि Turbo 14.3× पर। लेकिन Whisper अब भी कहीं ज़्यादा भाषाएँ कवर करता है — अगर आपकी भाषा Parakeet की 25 में नहीं है, तो Turbo ही चुनें।
Parakeet V3 कौन-सी भाषाएँ सपोर्ट करता है?
Parakeet V3 25 भाषाएँ सपोर्ट करता है: बल्गेरियाई, क्रोएशियाई, चेक, डेनिश, डच, अंग्रेज़ी, एस्टोनियाई, फ़िनिश, फ़्रेंच, जर्मन, ग्रीक, हंगेरियाई, इतालवी, लातवियाई, लिथुआनियाई, माल्टीज़, पोलिश, पुर्तगाली, रोमानियाई, रूसी, स्लोवाक, स्लोवेनियाई, स्पेनिश, स्वीडिश, और यूक्रेनियाई।
क्या मैं Parakeet V3 को Mac पर चला सकता हूँ?
हाँ। Whisper Notes for Mac में Parakeet V3 डिफ़ॉल्ट इंजन के रूप में आता है। यह Apple Silicon पर 100% लोकली चलता है — कोई इंटरनेट नहीं, कोई क्लाउड नहीं, कोई डेटा आपके डिवाइस से बाहर नहीं जाता। Whisper Notes for Mac डाउनलोड करके आज़माएँ — हर हफ़्ते 5,000 शब्द मुफ़्त हैं।
क्या Parakeet V3 भी Whisper की तरह हैलुसिनेट करता है?
हमारे मौन वाले टेस्ट में बहुत कम बार, लेकिन कोई भी स्पीच मॉडल “कभी नहीं” के दावे का हक़दार नहीं है। Parakeet पॉज़ के दौरान ब्लैंक आउटपुट दे सकता है, जबकि Whisper का ऑटोरिग्रेसिव डीकोडर इनपुट मौन होने पर फ़्रेज़ दोहराने या असंबंधित टेक्स्ट निकालने की ओर ज़्यादा झुकता है।
Parakeet V2 बनाम V3 — कौन-सा इस्तेमाल करूँ?
Parakeet V2 केवल अंग्रेज़ी के लिए है और उसकी अंग्रेज़ी सटीकता थोड़ी बेहतर है (6.05% बनाम 6.32% WER)। V3 यह छोटा-सा अंतर 25 यूरोपीय भाषाओं के बदले देता है और Whisper Notes में डिफ़ॉल्ट है। जब तक आप सिर्फ़ अंग्रेज़ी ही ट्रांसक्राइब नहीं करते और सटीकता के आख़िरी अंश के पीछे नहीं हैं, V3 इस्तेमाल करें।
क्या Parakeet V3 जापानी, चीनी या कोरियाई सपोर्ट करता है?
नहीं — इसकी 25 भाषाएँ सभी यूरोपीय हैं। चीनी, जापानी, कोरियाई या कैंटोनीज़ के लिए Whisper Notes में SenseVoice शामिल है — इन भाषाओं के लिए आप इसे चुनते हैं और यह 52× रियल-टाइम या उससे तेज़ चलता है — साथ ही Whisper मॉडल भी। सभी Mac और iPhone दोनों पर ऑफ़लाइन चलते हैं।
Parakeet V3 कितना बड़ा है?
600 मिलियन पैरामीटर — 465 MB का डाउनलोड, दोनों Mac बिल्ड में सबसे छोटा मॉडल। Whisper Large V3 Turbo उसी ऐप में क़रीब 1.6 GB का डाउनलोड है, और Qwen3-ASR 1.7B (Beta), जो सिर्फ़ Mac के डायरेक्ट डाउनलोड में है, क़रीब 2.5 GB का।
आज़माइए
Parakeet V3, iPhone और Mac पर Whisper Notes का डिफ़ॉल्ट इंजन है।
कोई सवाल या फ़ीडबैक? ईमेल करें support@whispernotes.app।
iOS के लिए डाउनलोड करें