Core ML Parakeet + místní čištění
- Mikro WER
- 3.46%
- Míra mazání
- 0.41%
- Zpracování mediánu
- 1,124 ms
- zpracování p95
- 2,807 ms
- Maximální zpracování
- 2,958 ms
Stav soukromého diktování · 2026
Přesnost, mazání, latence a pozorovatelné chování sítě u nástrojů hovoru na zařízení. Publikujeme metodu, limity a očištěná data vedle čísel.
S povoleným místním čištěním pilot zaznamenal střední dobu zpracování 1 124 ms a chybovost slov 3,46 %. Stejných 20 čistých syntetických přípravků bylo dekódováno třikrát na dráhu na jednom M1 Max MacBook Pro pomocí Yaps 2.3.2129. Nižší hodnoty chyb a latence jsou v tomto přesném nastavení lepší. Toto jsou konfigurace Yaps, nikoli konkurenční produkty.
Doba zpracování zahrnuje rozpoznání, finalizaci potrubí a místní čištění, pokud je povoleno. Nezahrnuje počáteční konstrukci runtime, načítání zařízení, živé nahrávání, odesílání zkratek a vkládání kurzoru. Výstup konečného hodnotitele skóre všech drah; Čisticí pruhy mohou stále používat změny slovníku a formátování.
Latence používá 60 stejně vážených vzorků dekódování na dráhu a lineární kvantily R-7. 20 svítidel obsahuje 491 pozic referenčních slov na průchod, počítaných třikrát ve jmenovateli 1 473 slov. Opakování nejsou nezávislé výroky. Chyby na hranici kvality zůstávají zahrnuty: 3 se zapnutým čištěním Core ML, 3 s vypnutým čištěním Core ML a 6 s Whisper.
Výklad opraven 6. září 2026. Původní čísla se nezměnila. Přečtěte si důkazní audit, externí odkazy, zbývající omezení a pokyny k reprodukci.
In these runs, Whisper Base with cleanup off had 2.85 percentage points higher WER, 0.20 points higher deletion rate, a 595 ms higher median, and a 947 ms higher p95 than Core ML Parakeet with cleanup off.
Pilot vylučuje lidskou řeč, přízvuky, vícejazyčnou řeč, živý záznam z mikrofonu, řízený tepelný režim, sledování sítě, další zařízení a produkty třetích stran.
Stahování váhových souborů modelu je ta snadná část. Užitečný diktační systém musí spolehlivě zachytávat zvuk, zvolit správný runtime, připravit řeč pro daný model, detekovat neúplný výstup, zachovat uživatelův záměr a umístit výsledek kamkoli uživatel pracuje.
Yaps proměňuje schopné lokální modely řeči na jediný soukromý nástroj, který lidé mohou používat napříč svými každodenními aplikacemi, aniž by sami sestavovali serverové modely, skripty, zvukové pipeline nebo exportní kroky.
Zkratka nebo mobilní klávesnice zahájí soukromý záznam, aniž by uživatele přesunula do samostatného nástroje pro přepis.
Yaps provádí detekci řeči, zpracování ticha a přípravu zvuku ve tvaru zařízení před rozpoznáváním.
Aplikace vybírá nainstalovaný lokální engine pro zařízení, jazyk, preferovanou kvalitu a dostupný hardware.
Parakeet, Cohere, Whisper, nebo specializovaná cesta převádí připravený zvuk na kandidátský text.
Kontroly úplnosti, záchranné cesty, práce se slovníkem a lokální úklid chrání doručený výsledek.
Hotový text je vložen na kurzor nebo do mobilního klávesového workflow a je připraven k okamžitému použití.
Tento kontext produktu vysvětluje, proč zpráva rozlišuje nastavení čištění a měřený výstupní stupeň. Není to důkaz, že Yaps je nejlepší, a nemění to pozici produktu ve srovnávací výsledek.
Tyto doprovodné studie používaly různé přístroje, korpusy, metriky a testovací protokoly. Jejich čísla vysvětlují současná rozhodnutí o produktech, ale nesmějí být kombinována do jednoho žebříčku.
Širší test M1 Max použil 144 syntetických klipů ve 24 jazycích a 65 lidských klipů FLEURS ve 13 jazycích. Na shodném 20-klipovém lidském podmnožině sdílené Cohere a každým modelem, Cohere zaznamenal 4,2 % auditované WER oproti 12,0 % pro MLX Parakeet.
Na Ryzen 7 5700U Windows notebooku, Cohere a ONNX Parakeet spustili stejných 70 lidských FLEURS klipů ve 14 jazycích. Cohere vrátilo 70 ne-prázdných přepisů; Parakeet vrátilo 61. Cohere vyhrálo 12 z 14 automatizovaných jazykových srovnání, ale průměrně 3,654 sekundy na klip oproti 1,394 sekundám pro Parakeet.
An Arabic FastConformer pack ran on a Pixel 10 Pro. Excluding one invalid reference pair, 39 FLEURS clips produced 9.8% WER and 4.1% CER, with a 624 ms median and 984 ms p95. A broader clean and noisy MASC slice on Mac CPU later scored 22.5% WER, so the route remains Preview rather than becoming a general Arabic claim.
Aktuální důkazSoučasný pilotní test s 20 přípravky, plus samostatný 144-syntetický a 65-lidský vícejazyčný model bake-off.
Další brána důkazůPřidejte spontánní řeč, více generací Mac, řízený tepelný pořádek a živý záznam mikrofonu.
Aktuální důkazSamostatná 70-clipová, 14-jazyková lidská validace FLEURS porovnala Cohere a ONNX Parakeet na Windows 11.
Další brána důkazůZveřejněte očistěné řádky podle zmrazeného protokolu a přidejte třídy s nižší spotřebou paměti a další GPU třídy.
Aktuální důkazHodnocení Pixel 10 Pro změřilo arabický FastConformer balíček a prověřilo skutečnou cestu klávesnice.
Další brána důkazůPřidejte spontánní dialektní řeč, více tříd telefonů, rovnost anglické trasy, měření baterie a kontinuálního používání.
Aktuální důkazYaps je dostupný na Linuxu, ale tato zpráva neobsahuje nativní test přesnosti nebo latence na Linuxu hodnocený pro report.
Další brána důkazůSpusťte nativní přehrávání Ubuntu fixture, diktování nainstalovaného balíčku, CPU a Vulkan cesty, X11 a Wayland.
Aktuální důkazYaps je dostupný na iOS, ale tato zpráva zatím neobsahuje benchmark zařízení iPhone.
Další brána důkazůZměřte skutečné rozšíření klávesnice, načítání modelu, zatížení paměti, spotřebu energie a latenci konečného potvrzení.
Kolik referenčních slov je nahrazeno, vloženo nebo vymazáno po deterministické normalizaci?
Ztrácí přepis celá slova nebo fráze, přesto zní dostatečně plynule, aby unikl rychlému přezkoumání?
Jak dlouho trvá zpracování v celém rozdělení, ne jen v jednom nejrychlejším běhu?
Jaká spojení a přenosy dat jsou pozorovány během definovaného pracovního postupu, s jasně uvedenými limity pozorování paketů?
Pilot rozlišuje nastavení sémantického čištění, hodnotí konečný výstup hodnotitele, nezávisle hlásí nahrazování, vkládání a mazání a uchovává obsah soukromé řeči mimo veřejné vydání. Srovnatelné systémy přijímají stejné zvukové bajty tam, kde to jejich rozhraní umožňují; neslučitelné cesty zachycení patří do jasně oddělených vrstev.