Core ML Parakeet + локальне очищення
- Мікро WER
- 3.46%
- Рівень видалення
- 0.41%
- Середня обробка
- 1,124 ms
- обробка p95
- 2,807 ms
- Максимальна обробка
- 2,958 ms
Стан приватного диктування · 2026
Точність, видалення, затримка та спостережувана поведінка мережі у всіх мовних інструментах на пристрої. Ми публікуємо метод, обмеження та очищені дані поруч із числами.
З увімкненим локальним очищенням пілот зафіксував середній час обробки 1124 мс і 3,46% частоти помилок у словах. Ті самі 20 чистих синтетичних приладів були декодовані три рази на доріжку на одному M1 Max MacBook Pro за допомогою Yaps 2.3.2129. Нижчі значення помилки та затримки кращі в цьому точному налаштуванні. Це конфігурації Yaps, а не конкуруючі продукти.
Час обробки включає розпізнавання, фіналізацію конвеєра та локальне очищення, якщо ввімкнено. Це виключає початкову конструкцію середовища виконання, завантаження приладів, живий запис, відправку ярликів і вставку курсору. Усі доріжки оцінюють остаточний результат оцінювача; смуги очищення все ще можуть застосовувати зміни словника та форматування.
Затримка використовує 60 однаково зважених зразків декодування на доріжку та лінійні квантилі R-7. 20 тестів містять 491 позицію довідкового слова за проходження, враховуючи три рази в знаменнику з 1473 слів. Повтори не є самостійними висловлюваннями. Помилки порогу якості залишаються включеними: 3 з увімкненим очищенням Core ML, 3 з вимкненим очищенням Core ML і 6 з Whisper.
Інтерпретацію виправлено 6 вересня 2026 р. Оригінальні номери не змінені. Прочитайте перевірку доказів, зовнішні посилання, інші обмеження та інструкції щодо відтворення.
Під час цих прогонів Whisper Base із вимкненим очищенням мав 2,85 відсоткових пунктів вище WER, на 0,20 пункту вища швидкість видалення, на 595 мс вища медіана та на 947 мс вище p95, ніж Core ML Parakeet з вимкненим очищенням.
Пілот виключає людську мову, акценти, багатомовну мову, захоплення звуку з мікрофона в реальному часі, контрольований тепловий порядок, спостереження за мережею, додаткові пристрої та продукти третіх сторін.
Завантаження ваг моделі - це легка частина. Корисна система диктування повинна надійно захоплювати аудіо, обирати правильний режим виконання, підготовлювати мову для цієї моделі, виявляти неповний результат, зберігати наміри користувача та поміщати результат туди, де вони працюють.
Yaps перетворює здатні локальні мовні моделі в єдиний приватний інструмент, яким люди можуть користуватися у своїх щоденних додатках, без необхідності самим збирати сервери моделей, скрипти, аудіопотоки або кроки експорту.
Сполучення клавіш або мобільна клавіатура запускає приватний запис без переходу користувача у окремий інструмент транскрипції.
Yaps застосовує розпізнавання мови, обробку пауз та підготовку аудіо у формі пристрою перед розпізнаванням.
Додаток обирає встановлений локальний движок для пристрою, мови, уподобання якості та доступного обладнання.
Parakeet, Cohere, Whisper, або спеціалізований маршрут перетворює підготовлений аудіо у кандидатський текст.
Перевірки на повноту, шляхи відновлення, обробка словника та локальне очищення захищають доставлений результат.
Готовий текст вноситься у курсор або у робочий процес мобільної клавіатури, готовий до негайного використання.
Цей контекст продукту пояснює, чому у звіті розрізняються налаштування очищення та виміряний вихідний етап. Це не доказ того, що Yaps є найкращим, і це не перетворює позиціонування продукту на результат еталонного тесту.
Ці супровідні дослідження використовували різні пристрої, корпуси, метрики та тестові протоколи. Їхні цифри пояснюють поточні продуктові рішення, але їх не слід об’єднувати в одну єдину таблицю лідерів.
Більший тест M1 Max використовував 144 синтетичні кліпи на 24 мовах та 65 людських FLEURS кліпів на 13 мовах. На збігаючому підмножині з 20 людських кліпів, спільно використовуваних Cohere та усіма моделями, Cohere зафіксував 4,2% перевірених WER, тоді як у MLX Parakeet було 12,0%.
На ноутбуку Ryzen 7 5700U Windows, Cohere та ONNX Parakeet програли одні й ті ж 70 відеокліпів з 70 людьми FLEURS на 14 мовах. Cohere повернув 70 непорожніх транскрипцій; Parakeet повернув 61. Cohere виграв 12 з 14 автоматизованих порівнянь мови, але в середньому витрачав 3,654 секунди на кліп проти 1,394 секунд у Parakeet
Арабським FastConformer пакет запускався на Pixel 10 Pro. За винятком однієї недійсної контрольної пари, 39 кліпів FLEURS дали 9,8% WER і 4,1% CER із медіаною 624 мс і 984 мс p95. Ширший чистий і шумний фрагмент MASC на ЦП Mac пізніше набрав 22,5% WER, тому маршрут залишається попереднім переглядом, а не стає загальною арабською заявою.
Поточні доказиПоточний пілот із 20 пристроїв, плюс окремий тест із 144 синтетичних і 65 людських мультимовних моделей.
Наступний доказовий етапДодайте спонтанну мову, більше Mac поколінь, контрольований тепловий порядок і запис з живого мікрофона.
Поточні доказиОкреме 70-кліпове, 14-мовне людське FLEURS підтвердження порівнювало Cohere та ONNX Parakeet на Windows 11.
Наступний доказовий етапПублікувати очищені рядки за замороженим протоколом та додавати класи з меншою пам’яттю та додатковими GPU.
Поточні доказиОцінка Pixel 10 Pro вимірювала арабський FastConformer пакет і перевіряла реальний шлях клавіатури.
Наступний доказовий етапДодайте спонтанну діалектну мову, більше рівнів телефону, паритет англійських маршрутів, вимірювання батареї та тривалого використання.
Поточні доказиYaps доступний на Linux, але цей звіт не містить високоякісного рідного звіту про точність або затримку на Linux.
Наступний доказовий етапЗапустіть рідний відтворення тестового стенда Ubuntu, інстальований пакет диктування, шляхи CPU та Vulkan, X11, та Wayland.
Поточні доказиYaps доступний на iOS, але цей звіт ще не включає бенчмарк для пристрою iPhone.
Наступний доказовий етапВиміряйте реальне розширення клавіатури, завантаження моделі, навантаження на пам’ять, енергоспоживання та затримку коміту від кінця до кінця.
Скільки опорних слів заміщено, вставлено або видалено після детермінованої нормалізації?
Чи втрачає транскрипт цілі слова або фрази, одночасно звучачи достатньо плавно, щоб пройти швидку перевірку?
Скільки часу займає обробка по всьому розподілу, а не тільки за найшвидшого запуску?
Які підключення та дані спостерігаються під час визначеного робочого процесу, з ясно вказаними обмеженнями спостереження за пакетами?
Пілот розрізняє параметри семантичного очищення, оцінює остаточний вихід оцінювача, незалежно повідомляє про заміни, вставки та видалення та зберігає вміст приватного мовлення поза публічним випуском. Порівнянні системи отримують однакові аудіобайти, якщо їхні інтерфейси це дозволяють; несумісні шляхи захоплення належать до чітко розділених шарів.