Εκκαθάριση στο60 εκτελείται
Core ML Parakeet + τοπικός καθαρισμός
- Μικρο WER
- 3.46%
- Ρυθμός διαγραφής
- 0.41%
- Μέση επεξεργασία
- 1,124 ms
- επεξεργασία p95
- 2,807 ms
- Μέγιστη επεξεργασία
- 2,958 ms
Κατάσταση Ιδιωτικής Καταγραφής · 2026
Μετρήστε ό,τι παραλείπει η διήγηση.
Ακρίβεια, διαγραφές, καθυστέρηση και παρατηρήσιμη συμπεριφορά δικτύου στα εργαλεία ομιλίας στη συσκευή. Δημοσιεύουμε τη μέθοδο, τα όρια και τα αποστειρωμένα δεδομένα δίπλα στους αριθμούς.
01 · Αποτελέσματα πιλοτικής
Οι πρώτοι αριθμοί, σε πλήρη ορατότητα.
Με ενεργοποιημένη την τοπική εκκαθάριση, ο πιλότος κατέγραψε διάμεσο χρόνο επεξεργασίας 1.124 ms και ποσοστό λάθους λέξης 3,46%. Τα ίδια 20 καθαρά συνθετικά φωτιστικά αποκωδικοποιήθηκαν τρεις φορές ανά λωρίδα σε ένα M1 Max MacBook Pro χρησιμοποιώντας Yaps 2.3.2129. Οι χαμηλότερες τιμές σφάλματος και καθυστέρησης είναι καλύτερες σε αυτήν την ακριβή ρύθμιση. Αυτές είναι Yaps διαμορφώσεις, όχι ανταγωνιστικά προϊόντα.
- Σταθερές εγκαταστάσεις
- 20
- Λειτουργεί ανά λωρίδα
- 60
- Λέξεις, με επαναλήψεις
- 1,473
- Προέλευση ομιλίας
- Συνθετικό
- Συσκευή δοκιμής
- 1
- Συνάθροιση σφαλμάτων
- Μικρο
Εκκαθάριση απενεργοποιημένη60 εκτελείται
Core ML Parakeet, εκκαθάριση εκτός
- Μικρο WER
- 3.67%
- Ρυθμός διαγραφής
- 0.20%
- Μέση επεξεργασία
- 250 ms
- επεξεργασία p95
- 722 ms
- Μέγιστη επεξεργασία
- 1,863 ms
Εκκαθάριση απενεργοποιημένη60 εκτελείται
Whisper Base, εκκαθάριση
- Μικρο WER
- 6.52%
- Ρυθμός διαγραφής
- 0.41%
- Μέση επεξεργασία
- 844 ms
- επεξεργασία p95
- 1,669 ms
- Μέγιστη επεξεργασία
- 2,189 ms
Ο χρόνος επεξεργασίας περιλαμβάνει αναγνώριση, οριστικοποίηση αγωγών και τοπικό καθαρισμό όταν είναι ενεργοποιημένο. Εξαιρεί την αρχική κατασκευή χρόνου εκτέλεσης, τη φόρτωση φωτιστικών, τη ζωντανή εγγραφή, την αποστολή συντομεύσεων και την εισαγωγή δρομέα. Όλες οι λωρίδες βαθμολογούνται τελική έξοδος αξιολογητή. Οι λωρίδες καθαρισμού μπορούν ακόμα να εφαρμόζουν αλλαγές λεξιλογίου και μορφοποίησης.
Το Latency χρησιμοποιεί 60 ισοσταθμισμένα δείγματα αποκωδικοποίησης ανά λωρίδα και γραμμικά ποσοστά R-7. Οι 20 αγώνες περιέχουν 491 θέσεις λέξεων αναφοράς ανά πάσα, μετρημένες τρεις φορές στον παρονομαστή των 1.473 λέξεων. Οι επαναλήψεις δεν είναι ανεξάρτητες εκφράσεις. Οι αποτυχίες ορίου ποιότητας εξακολουθούν να περιλαμβάνονται: 3 με Core ML ενεργοποίηση, 3 με Core ML εκκαθάριση απενεργοποιημένη και 6 με Whisper.
Διορθώθηκε η ερμηνεία στις 6 Σεπτεμβρίου 2026. Οι αρχικοί αριθμοί παραμένουν αμετάβλητοι. Διαβάστε τον έλεγχο αποδεικτικών στοιχείων, τις εξωτερικές αναφορές, τους υπόλοιπους περιορισμούς και τις οδηγίες αναπαραγωγής.
Μια αντίστοιχη παρατήρηση εκκαθάρισης.
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.
Γενικός ισχυρισμός προϊόντος ή απορρήτου.
Ο πιλότος αποκλείει την ανθρώπινη ομιλία, τις προφορές, την πολυγλωσσική ομιλία, την καταγραφή σε ζωντανό μικρόφωνο, την ελεγχόμενη θερμική σειρά, την παρακολούθηση δικτύου, επιπλέον συσκευές και προϊόντα τρίτων.
02 · Επίπεδο προϊόντος
Ένα μοντέλο δεν είναι μια εμπειρία απομαγνητοφώνησης.
Γιατί Yaps ανήκει στην αναφορά
Η λήψη των βαρών του μοντέλου είναι το εύκολο μέρος. Ένα χρήσιμο σύστημα αναγνώρισης φωνής πρέπει να καταγράφει αξιόπιστα ήχο, να επιλέγει τον σωστό χρόνο εκτέλεσης, να προετοιμάζει την ομιλία για αυτό το μοντέλο, να ανιχνεύει ελλιπή αποτελέσματα, να διατηρεί την πρόθεση του χρήστη και να τοποθετεί το αποτέλεσμα οπουδήποτε εργάζεται.
Yaps μετατρέπει ικανά τοπικά μοντέλα ομιλίας σε ένα ενιαίο ιδιωτικό εργαλείο που μπορούν να χρησιμοποιούν οι άνθρωποι σε όλες τις καθημερινές τους εφαρμογές, χωρίς να συναρμολογούν οι ίδιοι διακομιστές μοντέλων, σενάρια, ροές ήχου ή βήματα εξαγωγής.
Λήψη
Μια συντόμευση ή το πληκτρολόγιο κινητού ξεκινά μια ιδιωτική εγγραφή χωρίς να μεταφέρει τον χρήστη σε ξεχωριστό εργαλείο μεταγραφής.
Προετοιμάστε
Yaps εφαρμόζει ανίχνευση ομιλίας, χειρισμό σιωπής και προετοιμασία ήχου σε σχήμα συσκευής πριν από την αναγνώριση.
Διαδρομή
Η εφαρμογή επιλέγει μια εγκατεστημένη τοπική μηχανή για τη συσκευή, τη γλώσσα, την προτίμηση ποιότητας και το διαθέσιμο υλικό.
Αναγνώριση
Parakeet, Cohere, Whisper, ή μια εξειδικευμένη διαδρομή μετατρέπει το προετοιμασμένο ηχητικό σε υποψήφιο κείμενο.
Φύλακας
Έλεγχοι πληρότητας, διαδρομές διάσωσης, διαχείριση λεξιλογίου και τοπικός καθαρισμός προστατεύουν το παραδομένο αποτέλεσμα.
Παράδοση
Το τελικό κείμενο καταχωρείται στον κέρσορα ή στη ροή εργασίας του πληκτρολογίου κινητού, έτοιμο για άμεση χρήση.
Αυτό το πλαίσιο προϊόντος εξηγεί γιατί η αναφορά διακρίνει τις ρυθμίσεις εκκαθάρισης και το μετρούμενο στάδιο εξόδου. Δεν αποδεικνύει ότι το Yaps είναι το καλύτερο και δεν μετατρέπει τη θέση του προϊόντος σε αποτέλεσμα αναφοράς.
03 · Ευρύτερα στοιχεία
Το ερευνητικό πρόγραμμα είναι ήδη μεγαλύτερο από ένα πιλοτικό.
Αυτές οι συνοδευτικές μελέτες χρησιμοποίησαν διαφορετικές συσκευές, σώματα κειμένων, μετρικές και πρωτόκολλα δοκιμών. Οι αριθμοί τους εξηγούν τις τρέχουσες αποφάσεις προϊόντων, αλλά δεν πρέπει να συνδυάζονται σε έναν ενιαίο πίνακα κατάταξης.
Apple Silicon · πολύγλωσσοΣχετική μελέτη
Cohere αλλάζει τη διάδραση δρομολόγησης.
Μια ευρύτερη δοκιμή M1 Max χρησιμοποίησε 144 συνθετικά κλιπ σε 24 γλώσσες και 65 ανθρώπινα FLEURS κλιπ σε 13 γλώσσες. Στο αντιστοιχισμένο υποσύνολο 20 ανθρώπινων κλιπ που μοιράστηκαν οι Cohere και κάθε μοντέλο, οι Cohere κατέγραψαν 4,2% ελεγμένα WER έναντι 12,0% για τους MLX Parakeet.
- Cohere WER
- 4.2%
- MLX Parakeet
- 12.0%
- Αντιστοιχισμένα ανθρώπινα κλιπ
- 20
Windows 11 · CohereΣχετική μελέτη
Υψηλότερη πολυγλωσσική αξιοπιστία, με κόστος καθυστέρησης.
Σε ένα Ryzen 7 5700U Windows φορητό υπολογιστή, Cohere και ONNX Parakeet εκτέλεσαν τα ίδια 70 ανθρώπινα FLEURS κλιπ σε 14 γλώσσες. Cohere επέστρεψε 70 μη κενές μεταγραφές· Parakeet επέστρεψε 61. Cohere κέρδισε 12 από 14 αυτοματοποιημένες συγκρίσεις γλώσσας, αλλά κατά μέσο όρο χρειάστηκε 3,654 δευτερόλεπτα ανά κλιπ σε σύγκριση με 1,394 δευτερόλεπτα για Parakeet.
- Cohere μη κενό
- 70/70
- Parakeet μη κενό
- 61/70
- Cohere σημαίνει
- 3,654 δευτ.
Android · Προεπισκόπηση ΑραβικώνΣχετική μελέτη
Η ταχύτητα της συσκευής μπορεί να περνάει ενώ η κάλυψη του σώματος κειμένων εξακολουθεί να αποτυγχάνει.
Ένα αραβικό πακέτο FastConformer έτρεξε σε ένα Pixel 10 Pro. Εξαιρουμένου ενός μη έγκυρου ζεύγους αναφοράς, 39 FLEURS κλιπ παρήγαγαν 9,8% WER και 4,1% CER, με διάμεσο 624 ms και 984 ms p95. Ένα ευρύτερο καθαρό και θορυβώδες κομμάτι MASC στην Mac CPU σημείωσε αργότερα 22,5% WER, επομένως η διαδρομή παραμένει Προεπισκόπηση αντί να γίνει μια γενική αραβική αξίωση.
- Έγκυρα αποσπάσματα
- 39
- Μέση αποκωδικοποίηση
- 624 ms
- p95 αποκωδικοποίηση
- 984 ms
04 · Κάλυψη πλατφόρμας
Δείξε τα κενά αντί να τα κρύβεις.
macOS · Apple Silicon
Δημοσιευμένο πιλοτικόΤρέχοντα στοιχείαΤο τρέχον πιλοτικό πρόγραμμα με 20 εξαρτήματα, συν έναν ξεχωριστό διαγωνισμό 144 συνθετικών και 65 ανθρώπινων πολυγλωσσικών μοντέλων.
Επόμενη πύλη αποδείξεωνΠροσθέστε αυθόρμητο λόγο, περισσότερες Mac γενιές, ελεγχόμενη θερμική σειρά και ζωντανή καταγραφή μικροφώνου.
Windows · x64
Τρέχοντα στοιχείαΜία ξεχωριστή ανθρώπινη επικύρωση με 70 κλιπς και 14 γλώσσες FLEURS συνέκρινε Cohere και ONNX Parakeet στις Windows 11.
Επόμενη πύλη αποδείξεωνΔημοσίευση καθαρών σειρών υπό το πρωτόκολλο πάγου και προσθήκη κατηγοριών με χαμηλότερη μνήμη και επιπλέον GPU.
Android · ARM64
Τρέχοντα στοιχείαΜια αξιολόγηση Pixel 10 Pro μέτρησε ένα αραβικό FastConformer πακέτο και χρησιμοποίησε τη διαδρομή του πραγματικού πληκτρολογίου.
Επόμενη πύλη αποδείξεωνΠροσθέστε αυθόρμητο διάλεκτο ομιλίας, περισσότερες κατηγορίες τηλεφώνων, ισοτιμία αγγλικής διαδρομής, μέτρηση μπαταρίας και χρήση παρατεταμένης διάρκειας.
Linux · x64
Κενό έρευναςΤρέχοντα στοιχείαYaps είναι διαθέσιμο σε Linux, αλλά αυτή η αναφορά δεν περιέχει εκτέλεση ακριβείας ή καθυστέρησης στο εγγενές Linux κατά επίπεδο αναφοράς.
Επόμενη πύλη αποδείξεωνΕκτέλεση αναπαραγωγής εγγραφής εγγενούς Ubuntu fixture, εγκατεστημένης πακέτου διεκπεραίωσης, CPU και Vulkan διαδρομών, X11, και Wayland.
iOS · ARM64
Κενό έρευναςΤρέχοντα στοιχείαYaps είναι διαθέσιμο σε iOS, αλλά αυτή η αναφορά δεν περιλαμβάνει ακόμη ένα benchmark συσκευής iPhone.
Επόμενη πύλη αποδείξεωνΜετρήστε την πραγματική επέκταση πληκτρολογίου, τη φόρτωση μοντέλου, την πίεση μνήμης, την κατανάλωση ενέργειας και την καθυστέρηση ολοκλήρωσης από άκρο σε άκρο.
05 · Ερευνητικό ερώτημα
Ένα ρέον αντίγραφο μπορεί ακόμα να είναι λάθος.
Ακρίβεια
Πόσες αναφορικές λέξεις αντικαθίστανται, εισάγονται ή διαγράφονται μετά από ντετερμινιστική ομαλοποίηση;
Ήσυρη διαγραφή
Χάνει ένα απομαγνητοφωνημένο κείμενο ολόκληρες λέξεις ή φράσεις ενώ εξακολουθεί να ακούγεται αρκετά ρευστό για να αποφύγει μια γρήγορη αναθεώρηση;
Ανταπόκριση
Πόσο διαρκεί η επεξεργασία σε όλη τη διανομή, όχι μόνο στην ταχύτερη εκτέλεση;
Συμπεριφορά δικτύου
Ποιες συνδέσεις και φορτία παρατηρούνται κατά τη διάρκεια μιας καθορισμένης ροής εργασίας, με τα όρια παρατήρησης πακέτων να δηλώνονται σαφώς;
06 · Σχεδίαση δημοσίευσης
Αποδεικτικά στοιχεία που μπορείτε να ακολουθήσετε μέχρι την πηγή τους.
Ο πιλότος διακρίνει τις ρυθμίσεις σημασιολογικής εκκαθάρισης, βαθμολογεί την τελική έξοδο του αξιολογητή, αναφέρει ανεξάρτητα αντικαταστάσεις, εισαγωγές και διαγραφές και διατηρεί το ιδιωτικό περιεχόμενο ομιλίας εκτός της δημόσιας κυκλοφορίας. Συγκρίσιμα συστήματα λαμβάνουν τα ίδια byte ήχου όπου οι διεπαφές τους το επιτρέπουν. Τα ασύμβατα μονοπάτια σύλληψης ανήκουν σε σαφώς διαχωρισμένα στρώματα.
01Κατεψυγμένο δημόσιο ή συναινετικό σώμα κειμένων
02Δηλωμένο σύστημα, μοντέλο και συσκευή
03Επαναλαμβανόμενες εκτελέσεις με αποτυχημένες προσπάθειες διατηρημένες
04Word-επίπεδο S / I / D στοίχιση
05Δημόσιες γραμμές και σύνολα χωρίς περιεχόμενο
07 · Διαβάστε την εγγραφή
Ελέγξτε τη μέθοδο και κάθε δημόσια σειρά.
ΠρωτόκολλοΜεθοδολογίαΦάσεις έρευνας, κανόνες σώματος κειμένου, κύρια μετρικά στοιχεία, πύλες δημοσίευσης και γνωστοί περιορισμοί.Αποδεικτικά στοιχείαΑποτελέσματα πιλότουΤρεις πιλοτικές λωρίδες μόνο για Yaps σε ένα συνθετικό σώμα κειμένων και μία συσκευή. Χωρίς κατάταξη ανταγωνιστών.ΑναπαραγωγήΚατεβάστε δεδομέναΚαθαρισμένες γραμμές, συγκεντρωτικά μέτρα, εγχειρίδια, αθροίσματα ελέγχου και ο δείκτης δημόσιας κυκλοφορίας.ΦορητόΤοπικοποιημένη Markdown αναφοράΜια πλήρης έκδοση κειμένου που περιλαμβάνει τον πιλότο, αποδεικτικά στοιχεία συνοδευτικά, κενά πλατφόρμας, περίληψη μεθοδολογίας και αρχεία πηγής.