Core ML Parakeet + lokalno čišćenje
- Mikro WER
- 3.46%
- Stopa brisanja
- 0.41%
- Srednja obrada
- 1,124 ms
- p95 obrada
- 2,807 ms
- Maksimalna obrada
- 2,958 ms
Stanje privatnog diktiranja · 2026
Točnost, brisanja, kašnjenje i vidljivo mrežno ponašanje kroz alate za govor na uređaju. Objavljujemo metodu, ograničenja i očišćene podatke pored brojeva.
S omogućenom lokalnom čišćenjem, pilot je zabilježio medijan vremena obrade od 1.124 ms i stopu pogrešaka riječi od 3,46%. Isti 20 čistih sintetičkih objekata dekodirano je tri puta po traci na jednom M1 Max MacBook Pro koristeći Yaps 2.3.2129. Niže vrijednosti pogrešaka i latencije bolje su unutar ovog točnog postava. Ovo su Yaps konfiguracije, a ne konkurentni proizvodi.
Vrijeme obrade uključuje prepoznavanje, finalizaciju cjevovoda i lokalno čišćenje kada je omogućeno. Isključuje početnu konstrukciju vremena izvođenja, učitavanje uređaja, snimanje uživo, slanje prečaca i umetanje kursora. Sve staze bodovaju konačni rezultat evaluatora; trake za čišćenje i dalje mogu primijeniti promjene vokabulara i oblikovanja.
Latencija koristi 60 jednako ponderiranih uzoraka dekodiranja po stazi i R-7 linearne kvantile. 20 utakmica sadrži 491 poziciju referentne riječi po prolazu, računajući tri puta u nazivniku od 1473 riječi. Ponavljanja nisu nezavisni iskazi. Greške praga kvalitete ostaju uključene: 3 s uključenim čišćenjem Core ML, 3 isključenim čišćenjem Core ML i 6 s isključenim čišćenjem Whisper.
Tumačenje ispravljeno 6. rujna 2026. Izvorni brojevi su nepromijenjeni. Pročitajte reviziju dokaza, vanjske reference, preostala ograničenja i upute za reprodukciju.
U ovim izvedbama Whisper Base s isključenim čišćenjem imao je 2,85 postotnih bodova više WER, 0,20 bodova viša stopa brisanja, 595 ms viši medijan i 947 ms viši p95 od Core ML Parakeet s isključenim čišćenjem.
Pilot isključuje ljudsku govor, naglaske, višejezični govor, snimanje uživo s mikrofona, kontrolirani toplinski redoslijed, promatranje mreže, dodatne uređaje i proizvode trećih strana.
Preuzimanje težina modela je jednostavan dio. Koristan sustav za diktiranje mora pouzdano snimiti audio, odabrati odgovarajuće vrijeme izvođenja, pripremiti govor za taj model, otkriti nepotpuni izlaz, sačuvati namjeru korisnika i postaviti rezultat gdje god korisnik radi.
Yaps pretvara sposobne lokalne modele govora u jedan privatni alat koji ljudi mogu koristiti u svojim svakodnevnim aplikacijama, bez potrebe da sami sastavljaju poslužitelje modela, skripte, audio pipeline ili korake izvoza.
Prečac ili mobilna tipkovnica započinju privatno snimanje bez premještanja korisnika u zaseban alat za transkripciju.
Yaps primjenjuje otkrivanje govora, rukovanje šutnjom i pripremu zvuka oblikovanog prema uređaju prije prepoznavanja.
Aplikacija odabire instalirani lokalni motor za uređaj, jezik, preferenciju kvalitete i dostupni hardver.
Parakeet, Cohere, Whisper, ili specijalizirana ruta pretvara pripremljeni audio u kandidatski tekst.
Provjere potpurnosti, putovi spašavanja, rukovanje rječnikom i lokalno čišćenje štite isporučeni rezultat.
Gotov tekst se unosi na mjesto kursora ili u mobilni tipkovnički tijek rada, spreman za trenutnu upotrebu.
Kontekst ovog proizvoda objašnjava zašto izvještaj razlikuje postavke čišćenja i izmjerenu fazu izlaza. To nije dokaz da je Yaps najbolji i ne pretvara pozicioniranje proizvoda u rezultat referentne točke.
Ove prateće studije koristile su različite uređaje, korpuse, metrike i testne protokole. Njihovi brojevi objašnjavaju trenutne odluke o proizvodu, ali se ne smiju kombinirati u jedinstvenu ljestvicu.
Šira M1 Max usporedba koristila je 144 sintetička isječka na 24 jezika i 65 ljudskih FLEURS isječaka na 13 jezika. Na podskupu od 20 ljudskih isječaka koji je bio zajednički Cohere i svim modelima, Cohere je zabilježio 4,2% revidiranog WER u odnosu na 12,0% za MLX Parakeet.
Na Ryzen 7 5700U Windows prijenosnom računalu, Cohere i ONNX Parakeet pokrenuli su istih 70 ljudskih FLEURS isječaka na 14 jezika. Cohere je vratio 70 ne-praznih transkripata; Parakeet je vratio 61. Cohere je pobijedio u 12 od 14 automatiziranih jezičnih usporedbi, ali je u prosjeku trajao 3,654 sekunde po isječku u usporedbi s 1,394 sekundi za Parakeet.
Arapski FastConformer paket je radio na Pixel 10 Pro. Isključujući jedan nevažeći referentni par, 39 FLEURS isječaka proizvelo je 9,8% WER i 4,1% CER, s medijanom od 624 ms i 984 ms p95. Širi čisti i bučni MASC isječak na Mac CPU-u kasnije je postigao 22,5% WER, tako da ruta ostaje Preview umjesto da postane opća arapska tvrdnja.
Trenutni dokaziTrenutni pilot s 20 uređaja, plus zasebno natjecanje modela s 144 sintetička i 65 ljudska višejezična sustava.
Sljedeća kontrola dokazaDodajte spontani govor, više Mac generacija, kontrolirani termalni poredak i snimanje uživo s mikrofona.
Trenutni dokaziPosebna 70-ispisna, 14-jezična ljudska FLEURS validacija usporedila je Cohere i ONNX Parakeet na Windows 11.
Sljedeća kontrola dokazaObjavite očišćene retke prema zamrznutom protokolu i dodajte klase s manjom memorijom i dodatne GPU klase.
Trenutni dokaziProcjena Pixel 10 Pro mjerenjem arapskog FastConformer paketa i korištenjem stvarnog puta tipkovnice.
Sljedeća kontrola dokazaDodajte spontani govor dijalekta, više nivoa telefona, ravnopravnost engleskih ruta, bateriju i mjerenja za dugotrajnu upotrebu.
Trenutni dokaziYaps je dostupan na Linuxu, ali ovaj izvještaj ne sadrži izvještajnu ocjenu za točnost ili latentnost na izvornoj Linux verziji.
Sljedeća kontrola dokazaPokreni izvorni Ubuntu test ponovnog izvođenja, ugrađeni paket za diktiranje, CPU i Vulkan putove, X11, i Wayland.
Trenutni dokaziYaps je dostupan na iOS-u, ali ovaj izvještaj još ne uključuje referentni test za iPhone uređaj.
Sljedeća kontrola dokazaIzmjerite stvarno proširenje tipkovnice, učitavanje modela, pritisak memorije, potrošnju energije i kašnjenje završnog commita.
Koliko referentnih riječi je zamijenjeno, umetnuto ili izbrisano nakon determinističke normalizacije?
Gubi li transkript cijele riječi ili fraze, a da i dalje zvuči dovoljno tečno da izbjegne brzi pregled?
Koliko vremena traje obrada kroz distribuciju, a ne samo u jednom najbržem pokušaju?
Koje se veze i korisni podaci promatraju tijekom definiranog tijeka rada, uz jasno navedena ograničenja praćenja paketa?
Pilot razlikuje postavke semantičkog čišćenja, ocjenjuje konačni izlaz evaluatoru, izvještava o zamjenama, umetanjima i brisanjima neovisno, i čuva sadržaj privatnog govora izvan javnog objavljivanja. Usporedni sustavi primaju iste audio bajtove gdje im sučelja to dopuštaju; nekompatibilni putevi snimanja pripadaju jasno odvojenim slojevima.