TL;DR
| Parakeet V3 | So sánh với Whisper | |
|---|---|---|
| Tốc độ | ~60× thời gian thực trên Apple Silicon | Turbo ~14× thời gian thực trên cùng chiếc M4 Pro |
| Ngôn ngữ hỗ trợ | 25 | 100+ |
| Tỷ lệ lỗi tiếng Anh (WER) | 6,32% | Turbo 7,83% |
| Tỷ lệ lỗi TB 25 ngôn ngữ (WER) | 12,0% | 12,6% |
| Ảo giác | Gần như không gặp khi im lặng trong thử nghiệm của mình | Có thể xuất hiện khi im lặng |
| Phù hợp nhất | Tiếng Anh & châu Âu | Châu Á, Ả Rập, 100+ |
* Tốc độ: đo bởi chính bọn mình trên Apple Silicon (58× với một podcast, 63× với một cuộc họp). WER tiếng Anh: Hugging Face Open ASR Leaderboard. Trung bình 25 ngôn ngữ: benchmark FLEURS. Hành vi khi im lặng là quan sát từ sản phẩm của mình, không phải cam kết không bao giờ sai.
Whisper Notes cho Mac sử dụng NVIDIA Parakeet TDT 0.6B làm engine nhận dạng giọng nói mặc định. Trên Apple Silicon nó chạy ở khoảng 60× thời gian thực, và trên Open ASR Leaderboard nó chính xác hơn Whisper Large V3 Turbo ở tiếng Anh — 6,32% so với 7,83%. Các model Whisper vẫn có sẵn nếu bạn cần dùng cho ngôn ngữ khác.
Tại sao mình đổi model mặc định
Whisper rất tốt, nhưng nó được thiết kế như một model đa năng. Nó xử lý hơn 100 ngôn ngữ, dịch thuật, tạo timestamp — kiểu như dao Thụy Sĩ vậy. Đánh đổi lại là tốc độ. Với việc đọc chính tả tiếng Anh, khi bạn chỉ cần chữ hiện lên màn hình thật nhanh thì nó hơi thừa.
Khi dùng Whisper cho phím tắt Fn để đọc chính tả toàn hệ thống, nói khoảng một phút thì phải 3–5 giây sau khi nhả phím chữ mới hiện ra.
Với Parakeet, cùng đoạn nói đó hiện ra trong khoảng một giây hoặc nhanh hơn, đủ ngắn để bạn không còn để ý đến việc chờ.
Parakeet V3 nhanh cỡ nào?
Đây là hai lần đo của chính bọn mình — cả hai engine trên cùng một file âm thanh, cùng một chiếc Mac:
| Model | Podcast tiếng Anh 5 phút (M4 Pro) |
|---|---|
| Whisper Large V3 Turbo | 20,92 giây — 14,3× thời gian thực |
| Parakeet TDT 0.6B v3 | 2,91 giây — 103× thời gian thực |
Trên máy yếu hơn, khoảng cách vẫn giữ nguyên. Trên chiếc M5 Air của bọn mình, Parakeet phiên âm một cuộc họp dài 17,5 phút trong 16,7 giây, tức khoảng 60× thời gian thực.
Điều gì giúp Parakeet v3 nhanh đến vậy
Encoder của Whisper đọc một lần cả cửa sổ âm thanh dài 30 giây. Sau đó decoder viết bản ghi từng token một, và luôn cho rằng phải viết ra thứ gì đó, kể cả khi đang im lặng.
Parakeet là một transducer. Nó nén âm thanh 8× trước, rồi dự đoán mỗi token cùng với việc token đó kéo dài bao lâu, nên có thể nhảy về phía trước thay vì đi qua từng frame. Gặp im lặng, nó xuất ra một "blank" rồi đi tiếp.
Cả tốc độ lẫn những khoảng ngắt sạch hơn đều đến từ đây. Trên M4 Pro, nó xử lý xong một giờ âm thanh trong chưa đầy một phút, với ít tham số hơn Whisper Large V3 Turbo và tỷ lệ lỗi tiếng Anh thấp hơn.
Benchmark: Parakeet v3 so với Whisper
Càng thấp càng tốt: Parakeet V3, nhỏ chưa bằng một nửa Whisper Large V3, chênh lệch với mô hình này không quá một điểm trên cả ba bộ đo, còn Seamless M4T v2 lớn hơn có trị số thấp nhất.
Trên Hugging Face Open ASR Leaderboard, Parakeet v3 đạt WER tiếng Anh trung bình 6,32% với 600M tham số — chưa bằng một nửa so với 1,55B của Whisper Large V3:
| Model | Tham số | WER trung bình | Tốc độ (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 |
WER thấp hơn = ít lỗi hơn. RTFx cao hơn = nhanh hơn. Parakeet dẫn trước ở cả hai, và với 600M tham số nó là model nhỏ nhất trong ba model, nên chạy tốt trên Apple Silicon mà không cần nhiều bộ nhớ.
WER đa ngôn ngữ: Toàn bộ 25 ngôn ngữ
Bảng xếp hạng ở trên chỉ tính tiếng Anh. Đây là bức tranh toàn cảnh — ba model có trong Whisper Notes so sánh trên toàn bộ 25 ngôn ngữ mà Parakeet hỗ trợ, đo trên benchmark FLEURS. WER thấp hơn = ít lỗi phiên âm hơn. Giá trị tốt nhất giữa Large V3 và Parakeet được tô đậm theo từng hàng:
| Ngôn ngữ | Whisper Small | Whisper Large V3 | Parakeet V3 |
|---|---|---|---|
| Tiếng Bulgaria | 37,3 | 12,9 | 12,6 |
| Tiếng Croatia | 33,4 | 11,1 | 12,5 |
| Tiếng Séc | 37,6 | 11,3 | 11,0 |
| Tiếng Đan Mạch | 32,8 | 12,6 | 18,4 |
| Tiếng Hà Lan | 16,4 | 5,6 | 7,5 |
| Tiếng Anh | 6,1 | 4,3 | 4,9 |
| Tiếng Estonia | 51,3 | 19,1 | 17,7 |
| Tiếng Phần Lan | 24,0 | 7,7 | 13,2 |
| Tiếng Pháp | 15,0 | 6,3 | 5,2 |
| Tiếng Đức | 10,2 | 4,3 | 5,0 |
| Tiếng Hy Lạp | 30,8 | 27,0 | 20,7 |
| Tiếng Hungary | 38,9 | 14,1 | 15,7 |
| Tiếng Ý | 9,8 | 2,3 | 3,0 |
| Tiếng Latvia | 53,2 | 18,3 | 22,8 |
| Tiếng Lithuania | 65,6 | 22,3 | 20,4 |
| Tiếng Malta | 92,2 | 68,9 | 20,5 |
| Tiếng Ba Lan | 14,7 | 4,7 | 7,3 |
| Tiếng Bồ Đào Nha | 7,3 | 3,7 | 4,8 |
| Tiếng Romania | 29,8 | 8,2 | 12,4 |
| Tiếng Nga | 11,4 | 4,2 | 5,5 |
| Tiếng Slovakia | 33,3 | 8,4 | 8,8 |
| Tiếng Slovenia | 49,3 | 19,9 | 24,0 |
| Tiếng Tây Ban Nha | 5,6 | 3,1 | 3,5 |
| Tiếng Thụy Điển | 20,8 | 7,9 | 15,1 |
| Tiếng Ukraine | 19,3 | 6,5 | 6,8 |
| Trung bình | 29,8 | 12,6 | 12,0 |
WER (%) trên FLEURS. Dữ liệu Whisper Small từ Radford và cộng sự; dữ liệu Large V3 và Parakeet V3 từ bài báo NVIDIA Canary-1B-v2.
Whisper Large V3 nhỉnh hơn ở phần lớn từng ngôn ngữ riêng lẻ, nhưng Parakeet V3 bám rất sát về trung bình (12,0% so với 12,6%), dẫn trước ở bảy ngôn ngữ, rõ nhất là tiếng Malta và Hy Lạp, đồng thời giảm khoảng 60% tỷ lệ lỗi trung bình so với Whisper Small. Lợi thế thực tế nằm ở sự kết hợp: độ chính xác đa ngôn ngữ ngang tầm Large V3 ở khoảng 60× thời gian thực trên Apple Silicon, chiếm ít tài nguyên hơn khi chạy, và xử lý khoảng im lặng ổn định hơn hẳn trong các bài thử đọc chính tả của mình.
Vì sao nó ít ảo giác hơn khi im lặng
Nếu bạn từng dùng Whisper để đọc chính tả, chắc bạn đã thấy nó "ảo giác" khi im lặng — lặp lại cụm từ, bịa ra từ, hoặc bỗng dưng xuất hiện dòng "Subtitles by Amara.org" từ đâu không biết. Chuyện này xảy ra vì bộ giải mã autoregressive của Whisper luôn muốn tạo ra văn bản, ngay cả khi không có gì để phiên âm.
Kiến trúc transducer của Parakeet có thể phát ra đầu ra trống thay vì buộc phải sinh một token văn bản. Trong các bài thử đọc chính tả toàn hệ thống của mình, điều đó khiến nó ít có nguy cơ lấp khoảng dừng bằng văn bản lặp lại hoặc chẳng liên quan hơn hẳn so với Whisper. Nó vẫn là một model giọng nói, nên tuyên bố chính xác là "ít khả năng hơn", chứ không phải "không bao giờ".
Parakeet hỗ trợ những ngôn ngữ nào
Parakeet v3 hỗ trợ 25 ngôn ngữ: tiếng Bulgaria, Croatia, Séc, Đan Mạch, Hà Lan, Anh, Estonia, Phần Lan, Pháp, Đức, Hy Lạp, Hungary, Ý, Latvia, Lithuania, Malta, Ba Lan, Bồ Đào Nha, Romania, Nga, Slovakia, Slovenia, Tây Ban Nha, Thụy Điển và Ukraine.
Vậy là phủ gần hết châu Âu, nhưng không có tiếng Trung, Nhật, Hàn, Ả Rập hay Hindi. Với tiếng Trung, Nhật, Hàn và Quảng Đông, hãy chọn SenseVoice; với tiếng Ả Rập, Hindi và các ngôn ngữ khác nằm ngoài danh sách của Parakeet, hãy dùng Whisper Large V3 Turbo. Để kiểm tra từng ngôn ngữ theo từng engine, xem trang ngôn ngữ được Whisper, Parakeet V3 và SenseVoice hỗ trợ.
Parakeet V3 được tích hợp sẵn và đang được chọn; Whisper Small và Whisper Large V3 Turbo là bản tải thêm tùy chọn, cũng chạy cục bộ.
Bảng chọn Model trong Whisper Notes
Mở Cài đặt để chuyển đổi giữa các model:
- Parakeet V3 (mặc định) — Nhanh nhất, tốt nhất cho tiếng Anh và các ngôn ngữ châu Âu
- SenseVoice Small — Nhanh nhất cho tiếng Trung, Nhật, Hàn và Quảng Đông
- Whisper Small — Nhẹ, hỗ trợ hơn 100 ngôn ngữ
- Whisper Large V3 Turbo — Phủ rộng hơn 100 ngôn ngữ
Tất cả model chạy 100% cục bộ trên Mac của bạn. Không cần internet, không đám mây, không dữ liệu nào rời khỏi thiết bị.
Còn Parakeet V2 thì sao?
Nếu bạn từng dùng V2, có thể bạn tò mò nó so với V3 thế nào. V2 là model chỉ dành cho tiếng Anh — và độ chính xác tiếng Anh của nó thực ra nhỉnh hơn V3 một chút (WER 6,05% so với 6,32%). V3 đánh đổi chênh lệch nhỏ đó lấy khả năng hỗ trợ 25 ngôn ngữ. Cả hai đều chính xác hơn Whisper đáng kể.
| Parakeet V2 | Parakeet V3 | Whisper Large V3 Turbo | |
|---|---|---|---|
| WER tiếng Anh | 6,05% | 6,32% | 7,83% |
| Ngôn ngữ | Chỉ tiếng Anh | 25 | 100+ |
Tóm lại: nếu bạn chỉ cần tiếng Anh, cả V2 và V3 đều rất tốt. V3 là mặc định trong Whisper Notes vì hỗ trợ đa ngôn ngữ quan trọng với phần lớn người dùng — và sự khác biệt về độ chính xác tiếng Anh là không đáng kể.
Còn WhisperKit thì sao?
WhisperKit là framework Swift mã nguồn mở của Argmax để chạy các model Whisper trên thiết bị Apple. Đây là bộ công cụ dành cho lập trình viên, không phải ứng dụng cho người dùng cuối — và nó chạy Whisper, chứ không phải Parakeet (vốn là họ model của NVIDIA). Nếu bạn muốn phiên âm trên thiết bị kiểu WhisperKit mà không phải tự viết Swift, Whisper Notes đóng gói đúng ý tưởng đó thành một ứng dụng dùng ngay: Parakeet V3, Whisper (Large V3 Turbo trên Mac, Small trên iPhone) và SenseVoice, tất cả chạy cục bộ trên Mac và iPhone.
Muốn so sánh tất cả các lựa chọn chạy cục bộ? Mọi model chuyển giọng nói thành văn bản trên thiết bị — các biến thể Whisper, Parakeet V3, SenseVoice và Voxtral — được đặt cạnh nhau trên trang so sánh các model Whisper của bọn mình. Mới làm quen với Whisper? Hãy bắt đầu từ Cẩm nang phiên âm với Whisper — model này là gì, mọi cách để chạy nó, và chi phí ra sao.
Câu hỏi thường gặp
Parakeet V3 có tốt hơn Whisper không?
Với tiếng Anh và các ngôn ngữ châu Âu thì thường là có. Open ASR Leaderboard ghi nhận WER tiếng Anh 6,32% cho Parakeet so với 7,83% của Turbo, còn trong bài đo trên M4 Pro của bọn mình thì Parakeet chạy ở 103× thời gian thực so với 14,3× của Turbo. Whisper vẫn phủ nhiều ngôn ngữ hơn hẳn, nên nếu ngôn ngữ của bạn nằm ngoài 25 ngôn ngữ của Parakeet thì Turbo mới là lựa chọn.
Parakeet V3 hỗ trợ những ngôn ngữ nào?
Parakeet V3 hỗ trợ 25 ngôn ngữ: tiếng Bulgaria, Croatia, Séc, Đan Mạch, Hà Lan, Anh, Estonia, Phần Lan, Pháp, Đức, Hy Lạp, Hungary, Ý, Latvia, Lithuania, Malta, Ba Lan, Bồ Đào Nha, Romania, Nga, Slovakia, Slovenia, Tây Ban Nha, Thụy Điển và Ukraine.
Có chạy được Parakeet V3 trên Mac không?
Có. Whisper Notes cho Mac dùng Parakeet V3 làm engine mặc định. Model chạy 100% cục bộ trên Apple Silicon — không internet, không đám mây, không dữ liệu nào rời khỏi thiết bị. Tải Whisper Notes cho Mac về dùng thử — mỗi tuần được miễn phí 5.000 từ.
Parakeet V3 có ảo giác như Whisper không?
Ít hơn nhiều trong các bài thử im lặng của mình, nhưng không model giọng nói nào xứng đáng với tuyên bố "không bao giờ". Parakeet có thể phát ra đầu ra trống trong các khoảng dừng, trong khi bộ giải mã autoregressive của Whisper dễ sinh ra cụm từ lặp lại hoặc văn bản chẳng liên quan khi đầu vào là im lặng.
Parakeet V2 hay V3 — nên dùng bản nào?
Parakeet V2 chỉ hỗ trợ tiếng Anh với độ chính xác tiếng Anh nhỉnh hơn một chút (WER 6,05% so với 6,32%). V3 đánh đổi chênh lệch nhỏ đó lấy 25 ngôn ngữ châu Âu và là mặc định trong Whisper Notes. Trừ khi bạn chỉ phiên âm tiếng Anh và muốn giành giật đến phần trăm cuối cùng, hãy dùng V3.
Parakeet V3 có hỗ trợ tiếng Nhật, Trung hay Hàn không?
Không — 25 ngôn ngữ của nó đều là ngôn ngữ châu Âu. Với tiếng Trung, Nhật, Hàn hay Quảng Đông, Whisper Notes có sẵn SenseVoice — bạn chọn nó cho những ngôn ngữ đó và nó chạy ở 52× thời gian thực hoặc hơn — cùng các model Whisper. Tất cả đều chạy offline trên cả Mac lẫn iPhone.
Parakeet V3 nặng bao nhiêu?
600 triệu tham số — gói tải về 465 MB, mô hình nhỏ nhất trong cả hai bản Mac. Whisper Large V3 Turbo có gói tải về khoảng 1,6 GB trong cùng ứng dụng, còn Qwen3-ASR 1.7B (Beta), chỉ có ở bản Mac tải trực tiếp, khoảng 2,5 GB.
Dùng thử
Parakeet V3 là engine mặc định của Whisper Notes trên iPhone và Mac.
Có câu hỏi hay góp ý? Gửi email đến support@whispernotes.app.
Tải cho iOS