Tīrīšana vietnē60 darbojas
Core ML Parakeet + lokāla tīrīšana
- Mikro WER
- 3.46%
- Dzēšanas ātrums
- 0.41%
- Vidējā apstrāde
- 1,124 ms
- p95 apstrāde
- 2,807 ms
- Maksimālā apstrāde
- 2,958 ms
Privātās diktēšanas stāvoklis · 2026
Izmēriet to, ko diktāts atstāj ārpus.
Precizitāte, dzēšanas, latentums un novērojama tīkla uzvedība uz ierīces balss rīku līmenī. Mēs publicējam metodi, ierobežojumus un sanitizētos datus blakus skaitļiem.
01 · Pilota rezultāti
Pirmie skaitļi pilnā skatījumā.
Kad vietējā tīrīšana bija iespējota, pilots reģistrēja vidējo apstrādes laiku 1124 ms un vārdu kļūdu līmeni 3,46%. Tie paši 20 tīri sintētiskie ķermeņi tika atkodēti trīs reizes katrā joslā vienā M1 Max MacBook Pro, izmantojot Yaps 2.3.2129. Šajā precīzajā iestatījumā ir labākas zemākas kļūdu un latentuma vērtības. Tās ir Yaps konfigurācijas, nevis konkurējoši produkti.
- Apgaismojuma piederumi
- 20
- Darbojas pa joslu
- 60
- Vārdi ar atkārtojumiem
- 1,473
- Runas izcelsme
- Sintētisks
- Testa ierīce
- 1
- Kļūdu apkopojums
- Mikro
Tīrīšana izslēgta60 darbojas
Core ML Parakeet, tīrīšana off
- Mikro WER
- 3.67%
- Dzēšanas ātrums
- 0.20%
- Vidējā apstrāde
- 250 ms
- p95 apstrāde
- 722 ms
- Maksimālā apstrāde
- 1,863 ms
Tīrīšana izslēgta60 darbojas
Whisper Base, tīrīšana off
- Mikro WER
- 6.52%
- Dzēšanas ātrums
- 0.41%
- Vidējā apstrāde
- 844 ms
- p95 apstrāde
- 1,669 ms
- Maksimālā apstrāde
- 2,189 ms
Apstrādes laiks ietver atpazīšanu, cauruļvada pabeigšanu un vietējo tīrīšanu, kad tas ir iespējots. Tas neietver sākotnējo izpildes laika izveidi, armatūras ielādi, tiešraides ierakstīšanu, saīsnes nosūtīšanu un kursora ievietošanu. Visas joslas novērtē galīgo vērtētāja rezultātu; tīrīšanas joslas joprojām var piemērot vārdu krājuma un formatējuma izmaiņas.
Latency izmanto 60 vienādi svērtus dekodēšanas paraugus katrā joslā un R-7 lineārās kvantiles. 20 spēles satur 491 atsauces vārda pozīciju vienā piegājienā, kas skaitītas trīs reizes 1473 vārdu saucējā. Atkārtojumi nav neatkarīgi izteikumi. Kvalitātes sliekšņa kļūmes joprojām ir iekļautas: 3 ar ieslēgtu Core ML tīrīšanu, 3 ar Core ML attīrīšanu un 6 ar Whisper.
Interpretācija labota 2026. gada 6. septembrī. Oriģinālie numuri nav mainīti. Izlasiet pierādījumu auditu, ārējās atsauces, atlikušos ierobežojumus un reproducēšanas instrukcijas.
Atbilstošs tīrīšanas novērojums.
Šajos darbos Whisper Base ar izslēgtu tīrīšanu bija par 2,85 procentpunktiem augstāks WER, 0,20 ms un augstāks multivides 9 punktu dzēšanas līmenis. Par 947 ms augstāks p95 nekā Core ML Parakeet, ja tīrīšana ir izslēgta.
Vispārējs produkta vai privātuma apgalvojums.
Pilots izslēdz cilvēka runu, akcentus, daudzvalodu runu, tiešo mikrofonu uztveri, kontrolētu siltuma secību, tīkla novērošanu, papildu ierīces un trešo pušu produktus.
02 · Produkta slānis
Modelis nav diktēšanas pieredze.
Kāpēc Yaps ir jāiekļauj pārskatā
Modeļu svaru lejupielāde ir vieglākā daļa. Noderīga diktēšanas sistēma ir jāspēj uzticami uztvert audio, izvēlēties pareizo izpildlaiku, sagatavot runu šim modelim, konstatēt nepilnīgu izvadi, saglabāt lietotāja nodomu un novietot rezultātu tur, kur viņi strādā.
Yaps pārvērš spējīgus lokālos runas modeļus par vienu privātu rīku, ko cilvēki var izmantot savās ikdienas lietotnēs, nepaņemot modeļu serverus, skriptus, audio caurules vai eksportēšanas soļus paši.
Uzņemt
Saīsne vai mobilā tastatūra sāk privātu ierakstu, nepārvietojot lietotāju uz atsevišķu transkripcijas rīku.
Sagatavoties
Yaps lieto runas atpazīšanu, klusuma apstrādi un ierīcei pielāgotu audio sagatavošanu pirms atpazīšanas.
Maršruts
Lietotne izvēlas instalētu lokālo dzinēju ierīcei, valodai, kvalitātes preferencēm un pieejamajam aparatūras aprīkojumam.
Atpazīt
Parakeet, Cohere, Whisper vai speciālists maršruts pārveido sagatavoto audio par kandidātu tekstu.
Sargs
Pilnības pārbaudes, glābšanas ceļi, vārdu krājuma apstrāde un lokāla tīrīšana aizsargā piegādāto rezultātu.
Piegādāt
Pabeigtais teksts tiek ievietots kursorā vai mobilās tastatūras darbplūsmā, gatavs tūlītējai lietošanai.
Šis produkta konteksts izskaidro, kāpēc pārskatā ir izdalīti tīrīšanas iestatījumi un izmērītā izvades stadija. Tas neliecina, ka Yaps ir vislabākais, un tas nepārvērš produkta pozicionēšanu par etalona rezultātu.
03 · Plašāki pierādījumi
Pētniecības programma jau ir lielāka nekā viens pilots.
Šīs pavadošās studijas izmantoja atšķiramas ierīces, korpusus, metrikas un testēšanas protokolus. Viņu skaitļi izskaidro pašreizējās produkta lēmumus, bet tos nedrīkst apvienot vienotā reitinga sarakstā.
Apple Silicon · daudzvaloduSaistītais pētījums
Cohere maina maršrutēšanas sarunu.
Plašākā M1 Max pārbaude izmantoja 144 sintētiskus klipus 24 valodās un 65 cilvēku FLEURS klipus 13 valodās. Saskaņotajā 20 klipu cilvēku apakškopā, ko kopīgoja Cohere un katrs modelis, Cohere ieguva 4,2% auditēto WER, salīdzinot ar 12,0% MLX Parakeet.
- Cohere WER
- 4.2%
- MLX Parakeet
- 12.0%
- Sakritīgie cilvēku klipi
- 20
Windows 11 · CohereSaistītais pētījums
Augstāka daudzvalodu uzticamība, ar latentuma izmaksu.
Uz Ryzen 7 5700U Windows klēpjdatora, Cohere un ONNX Parakeet palaida tos pašus 70 cilvēku FLEURS klipus 14 valodās. Cohere atgrieza 70 neaizpildītus transkriptus; Parakeet atgrieza 61. Cohere uzvarēja 12 no 14 automatizētajām valodu salīdzinājumiem, bet vidēji katram klipam vajadzēja 3,654 sekundes, salīdzinot ar 1,394 sekundēm Parakeet.
- Cohere nav tukšs
- 70/70
- Parakeet nav tukšs
- 61/70
- Cohere nozīmē
- 3,654 s
Android · Arābu priekšskatījumsSaistītais pētījums
Ierīces ātrums var būt pietiekams, kamēr korpusa pārklājums joprojām neizdodas.
Arābu FastConformer paka skrēja uz Pixel 10 Pro. Izņemot vienu nederīgu atsauces pāri, 39 FLEURS klipi radīja 9,8% WER un 4,1% CER ar vidējo 624 ms un 984 ms p95. Plašāka tīra un trokšņaina MASC daļa uz Mac CPU vēlāk ieguva 22,5% WER, tāpēc maršruts paliek priekšskatījums, nevis kļūst par vispārēju arābu apgalvojumu.
- Derīgi klipi
- 39
- Vidējā dekodēšana
- 624 ms
- p95 dekodēšana
- 984 ms
04 · Platformas pārklājums
Rādīt atstarpes, nevis tās slēpt.
macOS · Apple Silicon
Publicēts pilotsPašreizējie pierādījumiPašreizējais 20-iekārtu pilots, plus atsevišķs 144-sintētiskās un 65-cilvēku daudzvalodu modeļa salīdzinājums.
Nākamais pierādījumu ieejas punktsPievienojiet spontānu runu, vairāk Mac paaudzes, kontrolētu termisko kārtību un tiešo mikrofonu uztveri.
Windows · x64
Pašreizējie pierādījumiAtsevišķa 70 klipu, 14 valodu cilvēku FLEURS pārbaude salīdzināja Cohere un ONNX Parakeet uz Windows 11.
Nākamais pierādījumu ieejas punktsPublicējiet sanitizētās rindas saskaņā ar iesaldēto protokolu un pievienojiet zemākās atmiņas un papildu GPU klases.
Android · ARM64
Pašreizējie pierādījumiA Pixel 10 Pro novērtējums izmērīja arābu FastConformer paketi un pārbaudīja īsto tastatūras ceļu.
Nākamais pierādījumu ieejas punktsPievienot spontānu dialekta runu, vairāk tālruņu līmeņu, angļu maršruta vienlīdzību, akumulatoru un ilgstošas lietošanas mērījumus.
Linux · x64
Pētījumu plaisaPašreizējie pierādījumiYaps ir pieejams Linux, bet šis ziņojums nesatur ziņojuma līmeņa vietējo Linux precizitātes vai aiztures testu.
Nākamais pierādījumu ieejas punktsPalaidiet vietējo Ubuntu ierīces atskaņojumu, instalētās pakotnes diktātu, CPU un Vulkan ceļus, X11, un Wayland.
iOS · ARM64
Pētījumu plaisaPašreizējie pierādījumiYaps ir pieejams iOS, bet šis ziņojums vēl neietver iPhone ierīces veiktspējas testu.
Nākamais pierādījumu ieejas punktsIzmēriet reālo tastatūras paplašinājumu, modeļa ielādi, atmiņas slodzi, enerģijas patēriņu un gala līdz gala apstiprināšanas latentumu.
05 · Pētījuma jautājums
Plūstošs transkripts joprojām var būt nepareizs.
Precizitāte
Cik daudzi atsauces vārdi tiek aizstāti, ievietoti vai dzēsti pēc deterministiskas normalizācijas?
Klusā dzēšana
Vai transkripts zaudē atsevišķus vārdus vai frāzes, kamēr joprojām pietiekami plūstoši izklausās, lai izvairītos no ātras pārskatīšanas?
Atsaucība
Cik ilgi ilgst apstrāde sadalījumā, ne tikai vienā ātrākajā izpildē?
Tīkla uzvedība
Kādas savienojumus un datu pakas novēro definētā darbplūsmas laikā, ar paketes novērošanas ierobežojumiem skaidri norādītiem?
06 · Publikācijas dizains
Pierādījumi, kurus varat izsekot atpakaļ uz to avotu.
Pilots atšķir semantiskās tīrīšanas iestatījumus, novērtē galīgo vērtētāja rezultātu, neatkarīgi ziņo par aizstāšanu, ievietošanu un dzēšanu, kā arī patur privātas runas saturu ārpus publiskās izlaišanas. Salīdzināmas sistēmas saņem tos pašus audio baitus, ja to saskarnes to atļauj; nesaderīgi uztveršanas ceļi ietilpst skaidri nošķirtos slāņos.
01Sasalst publiska vai tiekusi sniegta piekrišana korpusam
02Deklarēta sistēma, modelis un ierīce
03Atkārtotas darbības ar saglabātām neveiksmēm
04Word-līmeņa S/I/D līdzinājums
05Publiskas rindas un apkopojumi bez satura
07 · Lasīt ierakstu
Pārbaudīt metodi un katru publisko rindu.
ProtokolsMetodikaPētniecības posmi, korpusa noteikumi, galvenie rādītāji, publikācijas vārti un zināmie ierobežojumi.PierādījumiPilota rezultātiTrīs Yaps-tikai pilotjoslas vienā sintētiskā korpusā un vienā ierīcē. Nav konkurentu reitings.AtdarinātLejupielādējiet datusAttīrītās rindas, apkopotie rādītāji, manifesti, kontrolsummas un publiskā versiju indekss.PortatīvsLokalizēts Markdown ziņojumsPilnīga teksta redakcija, kas satur pilotu, papildus pierādījumus, platformas trūkumus, metodoloģijas kopsavilkumu un avota failus.