Почистване на60 работи
Core ML Parakeet + локално почистване
- Микро WER
- 3.46%
- Честота на изтриване
- 0.41%
- Средна обработка
- 1,124 ms
- p95 обработка
- 2,807 ms
- Максимална обработка
- 2,958 ms
Състояние на личното диктуване · 2026
Измерете какво пропуска диктовката.
Точност, изтривания, латентност и наблюдаемо поведение на мрежата при инструментите за реч на устройството. Публикуваме метода, ограниченията и пречистените данни до числата.
01 · Резултати от пилотния проект
Първите числа, видими изцяло.
С активирано локално почистване пилотът регистрира средно време за обработка от 1124 ms и 3,46% процент грешки в думата. Същите 20 чисти синтетични приспособления бяха декодирани три пъти на лента на един M1 Max MacBook Pro с помощта на Yaps 2.3.2129. По-ниските стойности на грешката и латентността са по-добри при тази точна настройка. Това са Yaps конфигурации, а не конкурентни продукти.
- Инсталации
- 20
- Работи на писта
- 60
- Думи, с повторения
- 1,473
- Произход на речта
- Синтетичен
- Тестово устройство
- 1
- Агрегиране на грешки
- Микро
Почистването е изключено60 работи
Core ML Parakeet, почистване изключено
- Микро WER
- 3.67%
- Честота на изтриване
- 0.20%
- Средна обработка
- 250 ms
- p95 обработка
- 722 ms
- Максимална обработка
- 1,863 ms
Почистването е изключено60 работи
Whisper Base, изчистване
- Микро WER
- 6.52%
- Честота на изтриване
- 0.41%
- Средна обработка
- 844 ms
- p95 обработка
- 1,669 ms
- Максимална обработка
- 2,189 ms
Времето за обработка включва разпознаване, финализиране на конвейера и локално почистване, когато е активирано. Изключва първоначална конструкция по време на изпълнение, зареждане на приспособления, запис на живо, изпращане на пряк път и вмъкване на курсор. Всички ленти оценяват крайния резултат от оценителя; лентите за почистване все още могат да прилагат промени в речника и форматирането.
Латентността използва 60 еднакво претеглени проби за декодиране на лента и R-7 линейни квантили. 20-те срещи съдържат 491 позиции на референтни думи на пас, преброени три пъти в знаменателя от 1473 думи. Повторенията не са независими изказвания. Неизправностите на прага на качеството остават включени: 3 с включено почистване на Core ML, 3 с изключено почистване на Core ML и 6 с Whisper.
Тълкуването е коригирано на 6 септември 2026 г. Оригиналните номера са непроменени. Прочетете одита на доказателствата, външни препратки, оставащи ограничения и инструкции за възпроизвеждане.
A съответства наблюдение на почистването.
При тези изпълнения Whisper Base с изключено почистване имаше 2,85 процентни пункта по-високо WER, 0,20 точки по-висок процент на изтриване, 595 ms по-висока медиана и 947 ms по-висок p95 от Core ML Parakeet с изключено почистване.
Общо твърдение за продукт или поверителност.
Пилотът изключва човешката реч, акцентите, многоезичната реч, запис с жив микрофон, контролирания топлинен ред, наблюдението на мрежата, допълнителни устройства и продукти на трети страни.
02 · Ниво на продукта
Моделът не е упражнение по диктовка.
Защо Yaps трябва да бъде в доклада
Изтеглянето на теглата на модела е лесната част. Един полезен диктовъчен режим трябва надеждно да улавя аудио, да избира правилното изпълнително време, да подготвя речта за този модел, да открива непълни резултати, да запазва намерението на потребителя и да поставя резултата там, където той работи.
Yaps превръща способните локални модели за реч в един частен инструмент, който хората могат да използват в своите ежедневни приложения, без сами да сглобяват сървъри на модели, скриптове, аудио потоци или стъпки за експортиране.
Улавяне
Пряк път или мобилна клавиатура стартират частно записване, без да преместват потребителя в отделен инструмент за транскрипция.
Подготви
Yaps прилага разпознаване на реч, обработка на тишината и подготовка на аудио във формата на устройството преди разпознаването.
Маршрут
Приложението избира инсталиран локален двигател за устройството, езика, предпочитаното качество и наличния хардуер.
Разпознаване
Parakeet, Cohere, Whisper, или специализираният маршрут преобразува подготвения аудио файл в кандидат-текст.
Пазач
Проверки за пълнота, резервни пътища, обработка на речника и локално почистване защитават доставения резултат.
Достави
Готовият текст се въвежда на курсора или в мобилния клавиатурен поток, готов за незабавна употреба.
Този контекст на продукта обяснява защо отчетът разграничава настройките за почистване и измереното изходно стъпало. Това не е доказателство, че Yaps е най-добрият и не превръща позиционирането на продукта в резултат от бенчмарк.
03 · По-широки доказателства
Изследователската програма вече е по-голяма от един пилотен проект.
Тези спомагателни изследвания използваха различни устройства, корпуси, метрики и тестови протоколи. Техните числа обясняват текущите продуктови решения, но не трябва да се комбинират в единствена класация.
Apple Silicon · многоезиченСвързано проучване
Cohere променя маршрутизирането на разговора.
По-широко сравнение на M1 Max използваше 144 синтетични клипа на 24 езика и 65 човешки FLEURS клипа на 13 езика. В съответстващия поднабор от 20 човешки клипа, споделен от Cohere и всеки модел, Cohere отчете 4,2% проверени WER спрямо 12,0% за MLX Parakeet.
- Cohere WER
- 4.2%
- MLX Parakeet
- 12.0%
- Съвпадащи човешки клипове
- 20
Windows 11 · CohereСвързано проучване
По-висока многоезикова надеждност, с разход за латентност.
На лаптоп Ryzen 7 5700U Windows, Cohere и ONNX Parakeet изпълниха едни и същи 70 човешки FLEURS клипа на 14 езика. Cohere върна 70 непразни транскрипции; Parakeet върна 61. Cohere спечели 12 от 14 автоматизирани езикови сравнения, но средно за клип отне 3,654 секунди спрямо 1,394 секунди за Parakeet
- Cohere не е празно
- 70/70
- Parakeet непразно
- 61/70
- Cohere означава
- 3.654 с
Android · Преглед на арабскиСвързано проучване
Скоростта на устройството може да е добра, докато покритието на корпуса все още се проваля.
Арабски FastConformer пакетът се изпълнява на Pixel 10 Pro. С изключение на една невалидна референтна двойка, 39 FLEURS клипа произвеждат 9,8% WER и 4,1% CER, с 624 ms медиана и 984 ms p95. По-широк чист и шумен MASC срез на Mac CPU по-късно отбеляза 22,5% WER, така че маршрутът остава Preview, вместо да се превърне в общо арабско твърдение.
- Валидни клипове
- 39
- Медианно декодиране
- 624 мс
- p95 декодиране
- 984 мс
04 · Обхват на платформата
Показвайте празнините, вместо да ги скривате.
macOS · Apple Silicon
Публикуван пилотТекущи доказателстваТекущият пилот с 20 инсталации, плюс отделно състезание с 144 синтетични и 65 човешки многоезични модела.
Следващ етап на проверка на доказателстватаДобавете спонтанна реч, повече Mac поколения, контролирана термична последователност и улавяне на жив микрофон.
Windows · x64
Текущи доказателстваОтделна 70-клипова, 14-езикова човешка FLEURS валидация сравни Cohere и ONNX Parakeet на Windows 11.
Следващ етап на проверка на доказателстватаПубликувайте почистени редове под замразения протокол и добавете класове с по-ниска памет и допълнителни GPU.
Android · ARM64
Текущи доказателстваЕдна Pixel 10 Pro оценка измери арабски FastConformer пакет и тества реалния път на клавиатурата.
Следващ етап на проверка на доказателстватаДобавете спонтанна диалектна реч, повече нива на телефони, равенство с английския маршрут, батерия и измервания при продължителна употреба.
Linux · x64
Проучвателна пропастТекущи доказателстваYaps е наличен за Linux, но този доклад не съдържа нативен Linux тест за точност или забавяне с качество на доклад.
Следващ етап на проверка на доказателстватаСтартирайте родното Ubuntu повторение на фиксиране, диктовка на инсталиран пакет, CPU и Vulkan пътища, X11, и Wayland.
iOS · ARM64
Проучвателна пропастТекущи доказателстваYaps е наличен за iOS, но този доклад все още не включва бенчмарк за iPhone устройства.
Следващ етап на проверка на доказателстватаИзмерете реалното разширение на клавиатурата, зареждането на модела, натиска върху паметта, използването на енергия и латентността на крайно-до-крайното ангажиране.
05 · Изследователски въпрос
Дори течен транскрипт може да е грешен.
точност
Колко референтни думи се заменят, вмъкват или изтриват след детерминирана нормализация?
Тихо изтриване
Става ли така, че транскриптът губи цели думи или фрази, като същевременно звучи достатъчно гладко, за да избегне бърз преглед?
Отзивчивост
Колко време отнема обработката в рамките на разпределение, а не само при едно най-бързо изпълнение?
Поведение в мрежата
Какви връзки и полезни натоварвания се наблюдават по време на определен работен процес, с ясно заявени ограничения за наблюдение на пакетите?
06 · Дизайн на публикацията
Доказателства, към които можете да се проследите обратно до източника им.
Пилотът разграничава настройките за семантично почистване, оценява крайния изход на оценителя, отчита независимо замествания, вмъквания и изтривания и запазва частното речево съдържание извън публичното издание. Сравними системи получават същите аудио байтове, когато техните интерфейси го позволяват; несъвместимите пътища за улавяне принадлежат към ясно разделени слоеве.
01Замразен публичен или с одобрено съгласие корпус
02Обявена система, модел и устройство
03Повтарящи се опити с запазени неуспехи
04Word-ниво S / I / D подравняване
05Публични редове и агрегати без съдържание
07 · Прочетете записа
Проверете метода и всеки публичен ред.
ПротоколМетодологияФази на изследване, правила за корпус, основни показатели, етапи на публикуване и известни ограничения.ДоказателстваПилотни резултатиТри пилотни пътечки само за Yaps върху един синтетичен корпус и едно устройство. Без класиране на конкуренти.ВъзпроизвежданеИзтеглете данниОпростени редове, агрегирани метрики, манифести, контрольни суми и индекс на публичното издание.ПреносимЛокализиран Markdown докладПълна текстова версия, съдържаща пилота, спътникови доказателства, пропуски в платформата, резюме на методологията и изходни файлове.