Core ML Parakeet + tindif lokali
- Mikro WER
- 3.46%
- Rata ta' ħass
- 0.41%
- Ipproċessar medjan
- 1,124 ms
- p95 proċessar
- 2,807 ms
- Ipproċessar massimu
- 2,958 ms
Stat ta' Dittar Privat · 2026
Eżattezza, tħassir, latenza, u mġiba tal-network osservabbli fuq għodod ta' diskors fuq it-tagħmir. Qegħdin inippubblikaw il-metodu, il-limiti, u d-dejta sanitizzata ħdejn in-numri.
Bit-tindif lokali attivat, il-pilota rreġistra ħin medjan ta' proċessar ta' 1,124 ms u rata ta' żball tal-kliem ta' 3.46%. L-istess 20 attrezzatura sintetika nadifa ġew dekodifikati tliet darbiet għal kull korsija fuq M1 Max MacBook Pro wieħed bl-użu ta' Yaps 2.3.2129. Valuri aktar baxxi ta 'żball u latenza huma aħjar f'din is-setup eżatt. Dawn huma Yaps konfigurazzjonijiet, mhux prodotti li jikkompetu.
Il-ħin tal-ipproċessar jinkludi rikonoxximent, finalizzazzjoni tal-pipeline u tindif lokali meta jkun attivat. Teskludi l-kostruzzjoni tal-runtime inizjali, it-tagħbija tal-apparat, ir-reġistrazzjoni diretta, id-dispaċċ ta' shortcut u l-inserzjoni tal-cursor. Il-korsiji kollha punteġġaw l-output finali tal-evalwatur; korsiji għat-tindif xorta jistgħu japplikaw bidliet fil-vokabularju u l-ifformattjar.
Il-Latency juża 60 kampjun ta' dekodifikazzjoni peżati b'mod ugwali għal kull korsija u kwantili lineari R-7. L-20 fixture fihom 491 pożizzjoni ta’ kelma ta’ referenza għal kull pass, magħduda tliet darbiet fid-denominatur ta’ 1,473 kelma. Ir-repetizzjonijiet mhumiex kliem indipendenti. Il-fallimenti tal-limitu ta' kwalità jibqgħu inklużi: 3 bit-tindif ta' Core ML mixgħul, 3 bi tindif ta' Core ML mitfi u 6 bi Whisper.
Interpretazzjoni kkoreġuta fis-6 ta' Settembru 2026. In-numri oriġinali ma nbidlux. Aqra l-verifika tal-evidenza, ir-referenzi esterni, il-limitazzjonijiet li jifdal u l-istruzzjonijiet tar-riproduzzjoni.
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.
Il-pilota jeċċludi l-kelma umana, l-aċċenti, il-lingwi multipli, il-qbid tal-mikrofonu ħaj, l-ordni termali kontrollata, l-osservazzjoni tan-netwerk, apparati addizzjonali, u prodotti ta' parti terza.
It-tniżżil tal-piżijiet tal-mudell huwa l-aktar faċli. Sistema utli ta’ dettatura trid taqbad l-awdjo b’mod affidabbli, tagħżel ir-runtime t-tajjeb, tipprepara l-lingwa għall-mudell, tiskopri output inkumplut, tipproteġi l-intenzjoni tal-utent, u tpoġġi r-riżultat fejn qegħdin jaħdmu.
Yaps jagħmel mudelli lokali ta’ diskors kapaċi fi għodda privata waħda li n-nies jistgħu jużawha f’applikazzjonijiet tagħhom ta’ kuljum, mingħajr ma jippjanaw il-ħwienet tal-mudell, skripts, pipelines tal-awdjo, jew passi ta’ esportazzjoni tagħhom stess.
Shortcut jew keyboard tal-mobile jibda riklazzjoni privata mingħajr ma jħalli lill-utent fi għodda ta’ trascrizzjoni separata.
Yaps japplika l-iskoperta tal-kelma, immaniġġjar siekta, u preparazzjoni tal-awdjo f'forma ta' mezz qabel ir-riconoxxment.
L-app tagħżel magna lokali installata għall-apparat, il-lingwa, il-preferenza tal-kwalità, u l-hardware disponibbli.
Parakeet, Cohere, Whisper, jew triq speċjalista jikkonvertu l-awdjo ippreparat f'test kandidat.
Iċċekkjar tal-kompletezza, toroq ta' salvataġġ, trattament tal-vokabularju, u tindif lokali jipproteġu r-riżultat mogħti.
It-test lest jiġi kkommittat fil-korsur jew fil-fluss tax-xogħol tat-tastiera mobbli, lest biex jintuża immedjatament.
Dan il-kuntest tal-prodott jispjega għaliex ir-rapport jiddistingwi s-settings tat-tindif u l-istadju tal-output imkejjel. Mhijiex evidenza li Yaps hija l-aħjar, u ma ddawwarx il-pożizzjonament tal-prodott f'riżultat ta' referenza.
Dawn l-istudji tal-qrib użaw apparati, korpi, metriċi, u protokolli ta' test differenti. In-numeri tagħhom jispjegaw id-deċiżjonijiet tal-prodott kurrenti, iżda m'għandhomx jitħalltu f'leaderboard wieħed.
Test ikbar tal-M1 Max użaw 144 clip sinteżiċi f’24-il lingwa u 65 clip FLEURS umani f’13-il lingwa. Fuq is-sottosett ta’ 20 clip uman li kienu magħrufa minn Cohere u kull mudell, Cohere irreġistra 4.2% WER awditjat kontra 12.0% għal MLX Parakeet.
Fuq laptop Ryzen 7 5700U Windows, Cohere u ONNX Parakeet wettqu l-istess 70 ħolqien ta' 70 clipp ta' FLEURS umani f'14-il lingwa. Cohere reġa' rritorna 70 traskrizzjoni mhux vojta; Parakeet reġa' rritorna 61. Cohere rebaħ 12 minn 14-il tqabbil awtomatiku tal-lingwa, iżda medja ta' 3.654 sekondi kull clipp kontra 1.394 sekondi għal Parakeet.
Pakkett ta' FastConformer Għarbi mexxa fuq Pixel 10 Pro. Eskluż par ta' referenza wieħed invalidu, 39 FLEURS klipp ipproduċew 9.8% WER u 4.1% CER, b'medjan ta' 624 ms u 984 ms p95. Porzjon MASC nadif u storbjuż usa 'fuq Mac CPU aktar tard skorja 22.5% WER, għalhekk ir-rotta tibqa' Preview minflok issir talba ġenerali Għarbija.
Evidenza kurrentiIl-pilot attwali ta' 20-lest, flimkien ma' bake-off separat ta' 144-sintetiku u 65-mudell multilingwi tal-bniedem.
Il-bieb li jmiss tal-evidenzaŻid diskors spontanju, aktar ġenerazzjonijiet Mac, ordni termali kontrollata, u cattura tal-mikrofonu ħaj.
Evidenza kurrentiValidazzjoni tal-bniedem separata b'70-clip u 14-il lingwa FLEURS fuq Cohere u ONNX Parakeet fuq Windows 11.
Il-bieb li jmiss tal-evidenzaIppubblika r-rijiet imsallba taħt il-protokoll imsakkar u żid klassijiet ta’ memorja aktar baxxa u GPU addizzjonali.
Evidenza kurrentiEvalwazzjoni Pixel 10 Pro kejjlet pakkett FastConformer bil-lingwa Għarbi u eżerċitat it-triq tal-keyboard reali.
Il-bieb li jmiss tal-evidenzaŻid diskors bil-lingwi lokali b’mod spontaneu, aktar livelli tat-telefon, parità fir-rotta bl-Ingliż, batterija, u kejl ta’ użu sostenibbli.
Evidenza kurrentiYaps huwa disponibbli fuq Linux, iżda dan ir-rapport ma fihx eżekuzzjoni tal-preċiżjoni jew tal-latenza għal Linux b'grad ta' rapport.
Il-bieb li jmiss tal-evidenzaĠġib replay tal-fomm Ubuntu nattiva, dettatura tal-pakkett installat, CPU u toroq Vulkan, X11, u Wayland.
Evidenza kurrentiYaps huwa disponibbli fuq iOS, iżda dan ir-rapport għadu ma jinkludix benchmark għal apparat iPhone.
Il-bieb li jmiss tal-evidenzaIpprova l-estensjoni reali tat-tastiera, il-ħruġ tal-mudell, pressjoni tal-memorja, użu tal-enerġija, u dewmien ta' impenn mill-bidu sas-sigħat tat-tmiem.
Kemm kliem ta' referenza jiġi sostitwit, miżjud, jew imħassar wara normalizzazzjoni deterministika?
Jitlef it-traskrizzjoni kliem sħiħ jew frażijiet waqt li għadha tnissel ħsejjes biżżejjed biex jevita reviżjoni mgħaġġla?
Kemm idum il-proċessar fuq distribuzzjoni, mhux biss fir-run waħda l-iktar mgħaġġla?
Liema konnessjonijiet u payloads jiġu osservati matul workflow definit, bil-limiti ta’ osservazzjoni tal-packets indikati b’mod ċar?
Il-pilota jiddistingwi s-settings tat-tindif semantiku, jikkalkula l-output finali tal-evalwatur, jirrapporta sostituzzjonijiet, inserzjonijiet, u tħassir b'mod indipendenti, u jżomm kontenut ta' diskors privat barra r-rilaxx pubbliku. Sistemi komparabbli jirċievu l-istess bytes awdjo fejn l-interfaces tagħhom jippermettu dan; mogħdijiet ta' qbid inkompatibbli jappartjenu fi strati separati b'mod ċar.