Lesskeys
Γλώσσα
ΟδηγόςMac

Η ακρίβεια του Whisper σε 29 γλώσσες

Σύντομη απάντηση

Εκτελέστε το μοντέλο Large V3 Turbo Q5 των 547 MB: στις 29 γλώσσες κανένα μεγαλύτερο μοντέλο δεν ήταν σημαντικά καλύτερο σε 23 από αυτές. Οι γραμμές για Χίντι, Αραβικά και Εβραϊκά υπερεκτιμούν τα ποσοστά σφάλματος και μετριούνται ξανά, γι’ αυτό διαβάστε τις μαζί με τη διόρθωση στην κορυφή.

Λήψη για MacΛήψη για Windows
Περισσότερες λήψεις

macOS 13+ σε Apple Silicon · Χωρίς συνδρομή

Τελευταίος έλεγχος

Αυτός ο οδηγός αφορά το Mac. Για τα Windows, δείτε Το Whisper στα Windows.

Εικονογράφηση: 23 από 29 γλώσσες σε πλακίδια. Τα πράσινα πλακίδια είναι γλώσσες όπου κανένα μεγαλύτερο μοντέλο δεν είναι σαφώς καλύτερο από την προεπιλογή των 547 MB· τα κίτρινα πλακίδια (6) είναι γλώσσες όπου ένα μεγαλύτερο μοντέλο την ξεπερνά σαφώς. Τα Χίντι, Αραβικά και Εβραϊκά έχουν σταυρό (†): οι γραμμές τους μετριούνται ξανά.
Τα αποτελέσματα της ίδιας της σελίδας, ένα πλακίδιο ανά γλώσσα. Τα πλακίδια με σταυρό (†) μετριούνται ξανά: διαβάστε τη διόρθωση παρακάτω.

Διαβάστε πρώτα αυτό

Γραμμές που μετριούνται ξανά

Διόρθωση της 28 Αυγούστου 2026

Ο βαθμολογητής πίσω από αυτόν τον πίνακα κανονικοποιούσε το κείμενο με [^\w\s], και το \w της Python δεν ταιριάζει με τους συνδυαστικούς χαρακτήρες Unicode. Κάθε φωνηεντικό σημάδι Ντεβαναγκάρι, nukta της Βεγγαλικής και διακριτικό της Αραβικής αντικαθιστούνταν έτσι με κενό, σπάζοντας μία λέξη σε πολλές. Μετρημένα στα ίδια κείμενα αναφοράς που χρησιμοποίησε αυτή η σελίδα: τα Ταμίλ βγήκαν με 1.520 μονάδες έναντι 437 πραγματικών λέξεων, τα Χίντι με 1.237 έναντι 683, τα Ασαμικά με 1.220 έναντι 498. Οι γραμμές με λατινική, κυριλλική και CJK γραφή δεν επηρεάζονται — αυτές οι γραφές δεν έχουν συνδυαστικούς χαρακτήρες — και το ίδιο ισχύει για τα συμπεράσματα που στηρίζονται σε αυτές.

Αυτό διογκώνει το κείμενο αναφοράς και, επειδή τα θραύσματα δεν μπορούν να ευθυγραμμιστούν, και τον αριθμό σφαλμάτων. Άρα οι γραμμές για Χίντι, Αραβικά, Εβραϊκά και τις άλλες γραφές με συνδυαστικούς χαρακτήρες υπερεκτιμούν το ποσοστό σφάλματος κατά ποσό που διαφέρει ανά γλώσσα, και ο ισχυρισμός «χειρότερη γλώσσα» παρακάτω δεν είναι ασφαλής για αυτές τις γραμμές. Μια διορθωμένη μέτρηση σε 83 γλώσσες τρέχει τώρα και η σελίδα αυτή θα αναδημιουργηθεί από αυτήν.

Καταγράφεται εδώ αντί να διαγραφεί αθόρυβα, για τον ίδιο λόγο με την ανάκληση παρακάτω: ένας κανονικοποιητής που αλλοιώνει σιωπηλά τη μη λατινική γραφή είναι ακριβώς η αστοχία για την οποία πρέπει να ενημερώνεται ο αναγνώστης μιας πολύγλωσσης δοκιμής, και δεν φαίνεται σε κανέναν δημοσιευμένο αριθμό.

Κατάσταση, 15 Οκτωβρίου 2026

Η νέα μέτρηση καλύπτει 83 γλώσσες και έξι μοντέλα, τόσο για απομαγνητοφώνηση αρχείων όσο και για υπαγόρευση. Δεν είναι ακόμη σε αυτή τη σελίδα, γιατί δεν έχει ολοκληρωθεί: 89 από τις 996 εκτελέσεις δοκιμής απέτυχαν, όλες στα μεγαλύτερα μοντέλα και σε 17 γλώσσες, και οι εκτελέσεις δεν χρησιμοποίησαν όλες την ίδια ποσότητα μνήμης υπολογιστή ή την ίδια έκδοση του εργαλείου δοκιμής. Μέχρι να ολοκληρωθεί, ο πίνακας παρακάτω παραμένει ο πίνακας των 29 γλωσσών που περιγράφεται παραπάνω, άρα οι γραμμές με † (Χίντι, Αραβικά και Εβραϊκά, που αναφέρονται στη διόρθωση) εξακολουθούν να έχουν τα διογκωμένα ποσοστά σφάλματος, όπως ίσως και άλλες γραφές με συνδυαστικούς χαρακτήρες. Οι συγκρίσεις στις γραμμές με λατινική, κυριλλική και CJK γραφή δεν επηρεάζονται.

Η απάντηση

Το μοντέλο των 547 MB αντέχει

Σε 23 από 29 γλώσσες κανένα μοντέλο του συνόλου δεν είναι σημαντικά καλύτερο από την προεπιλογή των 547 MB.

  • 23 από 29γλώσσες: κανένα μεγαλύτερο μοντέλο δεν είναι σαφώς καλύτερο
  • 6γλώσσες όπου ένα μεγαλύτερο μοντέλο δικαιολογεί το μέγεθός του
  • 9 από 29γλώσσες όπου το μοντέλο turbo των 1,6 GB έχει χειρότερο σκορ

Σημαντικά σημαίνει στατιστικό έλεγχο z δύο αναλογιών με z ≤ −2 έναντι της προεπιλογής. Διαβάστε τις άλλες 23 ως μη διαχωρισμένες, όχι ως αποδεδειγμένα ίσες.

Εξαιρέσεις

Πού ένα μεγαλύτερο μοντέλο δικαιολογεί το μέγεθός του

Αν εργάζεστε σε ταϊλανδικά, ιαπωνικά, φινλανδικά, γαλλικά, ολλανδικά ή κορεατικά, η μεγαλύτερη λήψη αξίζει.

Γλώσσες όπου ένα μεγαλύτερο μοντέλο ξεπερνά σαφώς την προεπιλογή των 547 MB
ΓλώσσαΠροεπιλογή (547 MB)Καλύτερο μοντέλοΚέρδος
Ταϊλανδικά20,8%v3: 12,6%−8,2 ποσ. μον.
Ιαπωνικά18,5%v3-q5: 14,2%−4,3 ποσ. μον.
Φινλανδικά10,8%v3-q5: 7,7%−3,1 ποσ. μον.
Γαλλικά10,0%v3: 7,5%−2,5 ποσ. μον.
Ολλανδικά10,8%v3-q5: 8,3%−2,5 ποσ. μον.
Κορεατικά11,3%v3-q5: 9,4%−1,9 ποσ. μον.

Το v3-q5 (1,0 GB) εξασφαλίζει σχεδόν όλο το κέρδος: το v3 των 3 GB δεν το βελτιώνει ποτέ κατά περισσότερο από 1,2 ποσοστιαίες μονάδες.

Όχι πάντα μεγαλύτερο

Τα μεγαλύτερα μοντέλα δεν είναι πάντα πιο ακριβή

Το μοντέλο turbo των 1,6 GB έχει αριθμητικά χειρότερο σκορ από την προεπιλογή των 547 MB σε 9 από 29 γλώσσες.

Το μοντέλο των 75 MB δεν είναι χρησιμοποιήσιμο εκτός αγγλικών: Χίντι† 100,0%, Δανικά 87,2%, Ουγγρικά 84,8%, Τσεχικά 84,0%, Εβραϊκά† 81,9%.

Ποιες γλώσσες και κατά πόσο

Χίντι† (42,1% έναντι 34,4%), Ταϊλανδικά (24,6% έναντι 20,8%), Κινεζικά (απλοποιημένα) (16,8% έναντι 13,7%), Μαλαισιανά (9,8% έναντι 7,1%), Βιετναμικά (10,3% έναντι 9,8%), Ινδονησιακά (7,8% έναντι 7,4%), Τουρκικά (15,5% έναντι 15,2%), Ελληνικά (11,3% έναντι 11,2%), Γαλλικά (10,1% έναντι 10,0%). Τόσο μικρές διαφορές δεν είναι όλες στατιστικά σημαντικές μία μία σε αυτό το μέγεθος δείγματος· το ζητούμενο είναι η κατεύθυνση, που το μέγεθος μόνο του δεν θα προέβλεπε. Το να καταφεύγετε στο επόμενο μεγαλύτερο μοντέλο δεν είναι ασφαλής προεπιλογή.

Ακραίες τιμές

Ευκολότερες και δυσκολότερες

Καλύτερο αποτέλεσμα: Ισπανικά, 2,8%.

Το υψηλότερο ποσοστό σφάλματος που κανένα μοντέλο δεν βελτιώνει είναι τα Εβραϊκά†, που δεν πέφτουν κάτω από 48,3% σε καμία ρύθμιση που δοκιμάστηκε. Η διόρθωση λέει ότι αυτή η ανάγνωση δεν είναι ασφαλής για γραφές με συνδυαστικούς χαρακτήρες όπως τα Εβραϊκά, οπότε θεωρήστε την ανεπιβεβαίωτη μέχρι να μπει στη σελίδα η διορθωμένη μέτρηση.

Ανάκληση

Μια ανάκληση, που παραμένει στη θέση της

Ανάκληση

Μια προηγούμενη έκδοση αυτής της μέτρησης ανέφερε το large-v3 ως σημαντικά καλύτερο από την προεπιλογή για τα Ουκρανικά. Αυτό ήταν λάθος. Μετρήθηκε με beam 5, που είναι η προεπιλογή του whisper-cli αλλά όχι αυτή που χρησιμοποιεί η εφαρμογή. Όταν επαναλήφθηκε με greedy, την πραγματική ρύθμιση, η προεπιλογή και το v3 βγήκαν ισόπαλα. Η διαφορά ήταν ο αποκωδικοποιητής, όχι το μοντέλο. Καταγράφεται εδώ αντί να διαγραφεί αθόρυβα, επειδή η ρύθμιση του αποκωδικοποιητή είναι ακριβώς η μεταβλητή που οι περισσότερες συγκρίσεις τοπικού Whisper αφήνουν ασαφή.

Τα δεδομένα

Ο πλήρης πίνακας, η μέθοδος και τα όρια

Ο πλήρης πίνακας, η μέθοδος και τα όρια, συμπτυγμένα: ανοίξτε όποιο θέλετε.

Ποσοστό σφάλματος ανά γλώσσα και μοντέλο (29 γλώσσες, 6 μοντέλα)

Ποσοστό σφάλματος ανά γλώσσα και μοντέλο (29 γλώσσες, 6 μοντέλα)

ΓλώσσαΜέτρησηtiny
75 MB		small
466 MB		turbo-q5
547 MB		turbo
1,6 GB		v3-q5
1,0 GB		v3
3 GB
Αραβικά† ar-SAWER67,0%36,9%22,9%22,4%22,3%22,2% ●
Κινεζικά (απλοποιημένα) zh-HansCER55,0%24,8%13,7%16,8%13,1%12,6% ●
Τσεχικά csWER84,0%40,4%13,2%12,8%13,1%11,9% ●
Δανικά daWER87,2%35,0%13,4%13,0%12,6% ●13,3%
Ολλανδικά nl-NLWER74,8%28,8%10,8%9,8%8,3% ●8,4%
Αγγλικά en-USWER31,9%10,7%9,1%8,9%7,0% ●8,9%
Φινλανδικά fiWER64,4%31,8%10,8%10,1%7,7% ●7,7% ●
Γαλλικά fr-FRWER50,1%26,1%10,0%10,1%7,7%7,5% ●
Γερμανικά de-DEWER35,0%11,9%5,2%4,7% ●5,2%5,2%
Ελληνικά elWER74,7%32,9%11,2% ●11,3%11,8%12,3%
Εβραϊκά† heWER81,9%63,2%51,0%48,4%48,3% ●48,3% ●
Χίντι† hiWER100,0%68,3%34,4%42,1%33,4%32,4% ●
Ουγγρικά huWER84,8%48,7%17,9%17,9%17,0%16,3% ●
Ινδονησιακά idWER59,2%21,8%7,4% ●7,8%8,1%9,4%
Ιταλικά itWER31,8%8,2%4,0%2,9% ●4,6%4,5%
Ιαπωνικά jaCER54,3%25,4%18,5%15,6%14,2% ●17,0%
Κορεατικά koCER33,9%24,6%11,3%11,3%9,4% ●9,5%
Μαλαισιανά msWER62,5%25,1%7,1%9,8%6,0%5,9% ●
Νορβηγικά noWER64,0%24,2%10,0%9,8% ●10,0%9,8% ●
Πολωνικά plWER57,0%17,7%6,7%6,4% ●7,4%7,6%
Πορτογαλικά (Βραζιλίας) pt-BRWER25,4%7,9%5,2%5,1%5,0%4,9% ●
Ρουμανικά roWER79,1%33,4%10,2%9,9%9,5%9,2% ●
Ρωσικά ruWER38,7%12,9%6,4%6,3% ●6,8%7,3%
Ισπανικά es-ESWER19,3%7,0%3,5%3,5%3,0%2,8% ●
Σουηδικά svWER57,2%21,4%8,3%8,1%7,1% ●7,3%
Ταϊλανδικά thCER62,4%27,5%20,8%24,6%13,2%12,6% ●
Τουρκικά trWER62,1%30,5%15,2%15,5%13,1% ●13,5%
Ουκρανικά ukWER68,3%39,2%23,1%21,0% ●23,3%23,1%
Βιετναμικά viWER64,1%26,6%9,8% ●10,3%10,2%10,2%
Πώς μετρήθηκε

Έξι παραλλαγές μοντέλων Whisper απομαγνητοφώνησαν το ίδιο σώμα κειμένων ανάγνωσης σε 29 γλώσσες, κάθε γλώσσα στην οποία διατίθεται η καταχώριση του Lesskeys στο App Store, σε Apple Silicon, με τις ίδιες ρυθμίσεις αποκωδικοποίησης που χρησιμοποιεί η ίδια η εφαρμογή (greedy, χωρίς beam search). Οι τιμές εκφράζουν το ποσοστό σφάλματος λέξεων, εκτός από τα Ιαπωνικά, Κορεατικά, Ταϊλανδικά και Κινεζικά, όπου οι λέξεις δεν χωρίζονται με κενά και χρησιμοποιείται αντ’ αυτού το ποσοστό σφάλματος χαρακτήρων. Όσο χαμηλότερο, τόσο καλύτερο.

Το ● σημειώνει το καλύτερο μοντέλο για τη γλώσσα. Η επισημασμένη στήλη είναι το μοντέλο των 547 MB, η προεπιλογή στο Lesskeys 3.1.4 και η βάση για όλα τα παραπάνω. Το † σημαίνει γραμμή που μετριέται ξανά. Σε τηλέφωνο, κυλήστε τον πίνακα πλάγια· η στήλη της γλώσσας μένει ορατή.

Τα όρια αυτής της δοκιμής
  • Ένα τμήμα ανά γλώσσα (περίπου 1.000 λέξεις, ή περίπου 2.000 χαρακτήρες για τις γλώσσες με σφάλμα χαρακτήρων). Αρκεί για να ξεχωρίσουν οι μεγάλες διαφορές, όχι για να κριθούν οι μικρές. Όπου αυτή η σελίδα λέει ότι ένα μοντέλο «αντέχει», διαβάστε «δεν διαχωρίζεται σε αυτό το μέγεθος δείγματος», όχι «αποδεδειγμένα πανομοιότυπο».
  • whisper-cli με τις ρυθμίσεις περιβάλλοντος και αποκωδικοποίησης της εφαρμογής, όχι ολόκληρη η ροή του Lesskeys, που προσθέτει ανίχνευση φωνητικής δραστηριότητας, φίλτρο παραισθήσεων, εξομάλυνση έντασης και περιορισμό γλώσσας. Αυτός ο πίνακας δεν μετρά εκείνη τη ροή.
  • Ομιλία από ανάγνωση κειμένου, όχι συσκέψεις. Ο συνομιλιακός λόγος με αλληλοκαλύψεις είναι σημαντικά δυσκολότερος.
  • Τα απόλυτα ποσοστά περιέχουν κάποια διόγκωση από διαφορές μορφοποίησης αριθμών και στίξης που ένας ανθρώπινος αναγνώστης δεν θα μετρούσε ως λάθη. Οι συγκρίσεις ανάμεσα σε μοντέλα στην ίδια γλώσσα είναι το αξιόπιστο μέρος· οι συγκρίσεις μεταξύ γλωσσών έχουν περισσότερο θόρυβο.

Ερωτήσεις

Ερωτήσεις για την ακρίβεια του Whisper ανά γλώσσα

Ποιο μοντέλο Whisper να εκτελώ σε Mac;

Σε 23 από τις 29 γλώσσες που μετρήθηκαν, το κβαντισμένο μοντέλο Large V3 Turbo των 547 MB είναι εξίσου ακριβές με οτιδήποτε μεγαλύτερο, άρα είναι η λογική προεπιλογή. Οι εξαιρέσεις αναφέρονται σε αυτή τη σελίδα· σε εκείνες τις γλώσσες αξίζει η επιπλέον λήψη του μοντέλου v3-q5 του 1,0 GB.

Βλάπτει η κβάντιση την ακρίβεια ενός μοντέλου Whisper;

Ελάχιστα. Και στις 29 γλώσσες, το μοντέλο πλήρους ακρίβειας των 3 GB δεν ξεπερνά ποτέ το κβαντισμένο των 1,0 GB κατά περισσότερο από 1,2 ποσοστιαίες μονάδες, και η κβαντισμένη προεπιλογή των 547 MB ισοφαρίζει πολύ μεγαλύτερα μοντέλα στις περισσότερες γλώσσες.

Είναι πάντα πιο ακριβές ένα μεγαλύτερο μοντέλο Whisper;

Όχι. Το μοντέλο turbo του 1,6 GB έχει αριθμητικά χειρότερο σκορ από την προεπιλογή των 547 MB σε 9 από τις 29 γλώσσες που μετρήθηκαν. Το μέγεθος του μοντέλου δεν είναι αξιόπιστος δείκτης ακρίβειας σε μια συγκεκριμένη γλώσσα.

Μετρήθηκε στο cloud;

Όχι. Κάθε αριθμός παράχθηκε τοπικά σε Apple Silicon, που είναι και ο τρόπος που εκτελεί την απομαγνητοφώνηση το Lesskeys: ο ήχος δεν φεύγει ποτέ από το μηχάνημα.

Περισσότερα

Διαβάστε στη συνέχεια

Ποιο μοντέλο Whisper να χρησιμοποιήσετε σε MacΑκρίβεια, ταχύτητα και μέγεθος λήψης, σε σύγκριση.Ανάγνωση99 γλώσσεςΠοιες γλώσσες καταλαβαίνει το Lesskeys.ΑνάγνωσηΌταν το Whisper σταματά νωρίς και λέει ότι τελείωσεΈνα σφάλμα που αναφέρει επιτυχία, και πώς να το εντοπίσετε.ΑνάγνωσηΠώς λειτουργεί η τοπική απομαγνητοφώνησηΤι συμβαίνει ανάμεσα στη φωνή σας και στο κείμενο στον υπολογιστή σας, βήμα βήμα, και τι χρειάζεται ακόμη internet.ΑνάγνωσηΤι είναι η απομαγνητοφώνηση στη συσκευή;Τι σημαίνει «στη συσκευή», πώς διαφέρει από τα εργαλεία cloud, τι χρειάζεται και πού υστερεί.ΑνάγνωσηΤο Whisper σε MacΤο Whisper στα WindowsΧρησιμοποιήστε την αναγνώριση ομιλίας Whisper χωρίς internet στο Mac σας: εγκαθιστάτε μια εφαρμογή, υπαγορεύετε ή προσθέτετε ένα αρχείο, και δεν ανεβαίνει τίποτα.Χρησιμοποιήστε την αναγνώριση ομιλίας Whisper χωρίς internet στον υπολογιστή σας με Windows: εγκαθιστάτε μια εφαρμογή, υπαγορεύετε ή προσθέτετε ένα αρχείο, και δεν ανεβαίνει τίποτα.Ανάγνωση
Όλοι οι οδηγοίΑρχική σελίδα του Lesskeys