Core ML Parakeet + paikallinen siivous
- Mikro WER
- 3.46%
- Poistoprosentti
- 0.41%
- Mediaanikäsittely
- 1,124 ms
- p95 käsittely
- 2,807 ms
- Maksimikäsittely
- 2,958 ms
Yksityisen Diktaatin Tila · 2026
Tarkkuus, poistot, latenssi ja havaittava verkon käyttäytyminen laitteen puhetyökaluissa.Julkaisemme numeroiden rinnalla menetelmän, rajat ja desinfioidut tiedot.
Kun paikallinen puhdistus oli käytössä, pilotti kirjasi 1 124 ms:n mediaanikäsittelyajan ja 3,46 %:n sanavirhesuhteen. Samat 20 puhdasta synteettistä valaisinta dekoodattiin kolme kertaa kaistaa kohden yhdellä M1 Max MacBook Prolla käyttämällä Yaps 2.3.2129. Pienemmät virhe- ja latenssiarvot ovat parempia tässä tarkassa asetuksessa. Nämä ovat Yaps-kokoonpanoja, eivät kilpailevia tuotteita.
Käsittelyaika sisältää tunnistuksen, putkilinjan viimeistelyn ja paikallisen puhdistamisen, kun se on käytössä. Se ei sisällä alkuperäistä ajonaikaista rakentamista, kalustelatausta, suoraa tallennusta, pikakuvakkeiden lähettämistä ja kohdistimen lisäämistä. Kaikki kaistat saavat lopullisen arvioijan tuloksen; Cleanup-off kaistat voivat silti tehdä sanaston ja muotoilun muutoksia.
Latenssi käyttää 60 yhtä painotettua dekoodausnäytettä kaistaa kohden ja R-7 lineaarista kvantiilia. 20 ottelua sisältävät 491 viitesanan paikkaa syöttöä kohti, laskettuna kolme kertaa 1 473 sanan nimittäjässä. Toistot eivät ole itsenäisiä lausumia. Laatukynnyksen virheet ovat edelleen mukana: 3 Core ML-puhdistuksen ollessa päällä, 3 Core ML-siivouksen ollessa pois käytöstä ja 6 Whisper:n kanssa.
Tulkinta korjattu 6.9.2026. Alkuperäiset numerot ovat ennallaan. Lue todisteiden auditointi, ulkoiset viitteet, jäljellä olevat rajoitukset ja jäljentämisohjeet.
Näissä ajoissa Whisper Base:n puhdistus pois päältä oli 2,85 prosenttiyksikköä korkeampi WER, korkeampi median poistonopeus, 0,5 pistettä ja 0,5 pistettä 947 ms korkeampi p95 kuin Core ML Parakeet puhdistus pois päältä.
Pilotti sulkee pois ihmisen puheen, aksentit, monikielisen puheen, mikrofonin reaaliaikaisen käytön, hallitun lämpötilajärjestyksen, verkon havainnoinnin, lisälaitteet ja kolmannen osapuolen tuotteet.
Mallin painojen lataaminen on helppoa.Hyödyllisen sanelujärjestelmän on kaapattava ääni luotettavasti, valittava oikea suoritusaika, valmisteltava puhetta kyseiselle mallille, havaittava epätäydellinen tuloste, säilytettävä käyttäjän tarkoitus ja sijoitettava tulos minne tahansa, missä he työskentelevät.
Yaps muuntaa kykenevät paikalliset puhemallit yhdeksi yksityiseksi työkaluksi, jota ihmiset voivat käyttää jokapäiväisissä sovelluksissaan ilman, että heidän tarvitsee itse koota malli-palvelimia, skriptejä, ääniputkia tai vientivaiheita.
Pikanäppäin tai mobiilinäppäimistö käynnistää yksityisen tallennuksen siirtämättä käyttäjää erilliseen transkriptiotyökaluun.
Yaps soveltaa puheen tunnistusta, hiljaisuuden käsittelyä ja laite-muotoista äänen valmistelua ennen tunnistusta.
Sovellus valitsee asennetun paikallisen moottorin laitteen, kielen, laatumieltymyksen ja käytettävissä olevan laitteiston mukaan.
Parakeet, Cohere, Whisper tai asiantuntijareitti muuntaa valmistellun äänen ehdotetuksi tekstiksi.
Täydellisyystarkastukset, pelastuspolut, sanaston käsittely ja paikallinen puhdistus suojaavat toimitetun tuloksen.
Valmis teksti tallennetaan kohdistimen kohdalle tai mobiilin näppäimistön työkulkuun, valmiina käytettäväksi välittömästi.
Tämä tuotekonteksti selittää, miksi raportissa erotetaan puhdistusasetukset ja mitattu lopputulos. Se ei ole todiste siitä, että Yaps on paras, eikä se muuta tuotteen sijoittelua vertailutulokseksi.
Nämä rinnakkaistutkimukset käyttivät erilaisia laitteita, korpuksia, mittareita ja testausprotokollia. Niiden luvut selittävät nykyisiä tuotepäätöksiä, mutta niitä ei saa yhdistää yhdeksi tulostaulukoksi.
Laajempi M1 Max -paistopakkaus käytti 144 synteettistä klipsiä 24 kielellä ja 65 ihmisen FLEURS-klipsiä 13 kielellä.Coheren ja jokaisen mallin jakamassa 20 leikkeen ihmisen osajoukossa Cohere kirjasi 4,2 % auditoidun WER:n verrattuna MLX Parakeetin 12,0 prosenttiin.
Ryzen 7 5700U Windows -kannettavalla Cohere ja ONNX Parakeet suorittivat samat 70 ihmisen FLEURS -leikkausta 14 kielellä. Cohere palautti 70 ei-tyhjää transkriptiota; Parakeet palautti 61. Cohere voitti 12 14 automaattisesta kielivertailusta, mutta sen keskimääräinen aika per leike oli 3,654 sekuntia verrattuna Parakeetin 1,394 sekuntiin.
Arabialainen FastConformer-pakkaus juoksi Pixel 10 Pro. Lukuun ottamatta yhtä virheellistä viiteparia, 39 FLEURS-leikettä tuotti 9,8 % WER ja 4,1 % CER, mediaani 624 ms ja 984 ms p95. Laajempi puhdas ja meluisa MASC siivu Mac-suorittimessa sai myöhemmin 22,5 % WER, joten reitti pysyy esikatseluna sen sijaan, että siitä tulisi yleinen arabialainen väite.
Ajantasaiset todisteetNykyinen 20-laitteen pilotti, plus erillinen 144-synteettinen ja 65-inhimillinen monikielinen mallivertailu.
Seuraava todisteporttiLisää spontaania puhetta, lisää Mac-sukupolvia, kontrolloitua lämpöjärjestystä ja live-mikrofonin sieppausta.
Ajantasaiset todisteetErillinen 70-leikkeen, 14-kielinen ihmisen FLEURS-validointi verrattiin Cohere- ja ONNX Parakeet -käyttöjärjestelmää Windows 11:ssä.
Seuraava todisteporttiJulkaise puhdistetut rivit jäädytetyn protokollan mukaisesti ja lisää alemmuistia vaativat ja lisä-GPU-luokat.
Ajantasaiset todisteetPixel 10 Pron arvioinnissa mitattiin arabialainen FastConformer-paketti ja harjoitettiin todellista näppäimistöpolkua.
Seuraava todisteporttiLisää spontaani murrepuhe, lisää puhelintasoja, englanninkielisen reitin pariteettia, akkua ja jatkuvan käytön mittauksia.
Ajantasaiset todisteetYaps on saatavilla Linuxilla, mutta tämä raportti ei sisällä raporttitasoista natiivin Linuxin tarkkuus- tai viiveajoa.
Seuraava todisteporttiSuorita alkuperäinen Ubuntu-testi, asennetun paketin puheentunnistus, CPU- ja Vulkan-reitit, X11 ja Wayland.
Ajantasaiset todisteetYaps on saatavilla iOS:llä, mutta tämä raportti ei vielä sisällä iPhone-laitteen vertailuarvoa.
Seuraava todisteporttiMittaa todellinen näppäimistön laajennus, mallin lataus, muistin paine, energiankulutus ja päästä-päähän sitoutumisviive.
Kuinka monta viitesanaa korvataan, lisätään tai poistetaan deterministisen normalisoinnin jälkeen?
Menettääkö litteraatti kokonaisia sanoja tai lauseita, vaikka se kuulostaa silti riittävän sujuvalta välttääkseen nopean tarkastelun?
Kuinka kauan käsittely kestää jakelussa, ei vain yksittäisessä nopeimmassa ajossa?
Mitä yhteyksiä ja tietopaketteja havaitaan määritellyn työnkulun aikana, ja mitä rajoja pakettien tarkkailulle on selvästi ilmoitettu?
Pilotti erottaa semanttiset puhdistusasetukset, pisteyttää arvioijan lopulliset tulokset, raportoi korvaukset, lisäykset ja poistot itsenäisesti ja pitää yksityisen puhesisällön julkisen julkaisun ulkopuolella. Vertailukelpoiset järjestelmät vastaanottavat samat äänitavut, jos niiden rajapinnat sen sallivat; yhteensopimattomat talteenottopolut kuuluvat selvästi erottuviin kerrostumiin.