Rehber

Mac

29 dilde Whisper doğruluğu

Kısa cevap

547 MB’lık Large V3 Turbo Q5 modelini çalıştırın: 29 dilin 23’ünde daha büyük hiçbir model anlamlı biçimde daha iyi değildi. Hintçe, Arapça ve İbranice satırları hata oranlarını olduğundan yüksek gösteriyor ve yeniden ölçülüyor; bu yüzden onları sayfanın başındaki düzeltmeyle birlikte okuyun.

Mac için indir

Windows için indir

Diğer indirmeler

Apple Silicon üzerinde macOS 13+ · Abonelik yok

Son gözden geçirme: 15 Ekim 2026

Bu rehber Mac içindir. Windows için bkz. Windows’ta Whisper çalıştırma.

29 dilin 23’ünde

hiçbir büyük model 547 MB’lık varsayılandan açıkça daha iyi değil

Arapça†
Çince (Basitleştirilmiş)
Çekçe
Danca
Felemenkçe
İngilizce
Fince
Fransızca
Almanca
Yunanca
İbranice†
Hintçe†
Macarca
Endonezce
İtalyanca
Japonca
Korece
Malayca
Norveççe
Lehçe
Portekizce (BR)
Romence
Rusça
İspanyolca
İsveççe
Tayca
Türkçe
Ukraynaca
Vietnamca

Daha büyük hiçbir model açıkça daha iyi değil
Büyük model boyutunun karşılığını verir
†Yeniden ölçülüyor

Çizim: 29 dilin 23’ü karo olarak gösteriliyor. Yeşil karolar, daha büyük hiçbir modelin 547 MB’lık varsayılandan açıkça daha iyi olmadığı dillerdir; sarı karolar (6), daha büyük bir modelin onu açıkça geçtiği dillerdir. Hintçe, Arapça ve İbranice’de hançer işareti var: satırları yeniden ölçülüyor.

Sayfanın kendi sonuçları, her dil için bir karo. Hançer işaretli karolar yeniden ölçülüyor: aşağıdaki düzeltmeyi okuyun.

Önce bunu okuyun

Yeniden ölçülen satırlar

Düzeltme, 28 Ağustos 2026 tarihli

Bu tablonun arkasındaki puanlayıcı metni [^\w\s] ile normalleştiriyordu ve Python’un \w ifadesi Unicode birleşik işaretleriyle eşleşmiyor. Bu yüzden her Devanagari ünlü işareti, Bengalce nukta ve Arapça aksan işareti bir boşlukla değiştirildi ve tek sözcük birkaça bölündü. Bu sayfanın kullandığı aynı referanslarda ölçülünce: Tamilce 437 gerçek sözcüğe karşı 1.520 birim, Hintçe 683’e karşı 1.237, Assamca 498’e karşı 1.220 puan aldı. Latin, Kiril ve CJK satırları etkilenmez, çünkü bu yazılarda birleşik işaret yoktur; onlara dayanan sonuçlar da etkilenmez.

Bu, referansı şişirir; parçalar hizalanamadığı için hata sayısını da onunla birlikte şişirir. Dolayısıyla Hintçe, Arapça, İbranice ve birleşik işaretli diğer yazıların satırları, hata oranını dile göre değişen bir miktarda olduğundan yüksek gösterir; aşağıdaki “en kötü dil” iddiası da bu satırlar için güvenli değildir. 83 dili kapsayan düzeltilmiş bir tarama şu anda çalışıyor ve bu sayfa ondan yeniden üretilecek.

Aşağıdaki geri çekmeyle aynı nedenle, sessizce silinmek yerine burada kayda geçirilmiştir: Latin olmayan yazıyı sessizce bozan bir normalleştirici, çok dilli bir kıyaslamanın okuyucusuna bildirilmesi gereken tam da bu tür bir hatadır ve yayımlanan hiçbir sayıda görünmez.

Durum, 15 Ekim 2026

Yeni ölçüm, hem dosya transkripsiyonu hem de dikte için 83 dili ve altı modeli kapsıyor. Henüz bu sayfada değil, çünkü bitmedi: 996 test çalıştırmasının 89’u başarısız oldu; hepsi en büyük modellerde ve 17 dilde, ayrıca çalıştırmaların hepsi aynı bellek miktarını ya da test aracının aynı sürümünü kullanmadı. O bitene kadar aşağıdaki tablo hâlâ yukarıda anlatılan 29 dillik tablodur; dolayısıyla † işaretli satırlar (düzeltmede adı geçen Hintçe, Arapça ve İbranice) hâlâ şişirilmiş hata oranlarını taşır, birleşik işaretli diğer yazılar da öyle olabilir. Latin, Kiril ve CJK satırlarındaki karşılaştırmalar etkilenmez.

Yanıt

547 MB’lık model yeterli kalıyor

29 dilin 23’ünde kümedeki hiçbir model 547 MB’lık varsayılandan anlamlı biçimde daha iyi değil.

29 dilin 23’ündehiçbir büyük model açıkça daha iyi değil
6dilde daha büyük model boyutunun karşılığını veriyor
29 dilin 9’unda1,6 GB’lık turbo model daha kötü sonuç veriyor

“Anlamlı”, varsayılana karşı z ≤ −2 değerli iki oranlı z-testi demektir. Diğer 23’ü ayrışmadı olarak okuyun, eşit olduğu kanıtlandı diye değil.

İstisnalar

Daha büyük modelin boyutunun karşılığını verdiği yerler

Tayca, Japonca, Fince, Fransızca, Felemenkçe veya Korece ile çalışıyorsanız daha büyük indirme buna değer.

Daha büyük modelin 547 MB’lık varsayılanı açıkça geçtiği diller
Konu	Varsayılan (547 MB)	Daha iyi model	Kazanç
Tayca	%20,8	v3: %12,6	−8,2 puan
Japonca	%18,5	v3-q5: %14,2	−4,3 puan
Fince	%10,8	v3-q5: %7,7	−3,1 puan
Fransızca	%10,0	v3: %7,5	−2,5 puan
Felemenkçe	%10,8	v3-q5: %8,3	−2,5 puan
Korece	%11,3	v3-q5: %9,4	−1,9 puan

v3-q5 (1,0 GB) kazancın neredeyse tamamını sağlar: 3 GB’lık v3 onu hiçbir zaman 1,2 yüzde puanından fazla geçmez.

Her zaman büyük değil

Büyük modeller her zaman daha doğru değildir

1,6 GB’lık turbo model, 29 dilin 9’unda 547 MB’lık varsayılandan sayısal olarak daha kötü sonuç veriyor.

75 MB’lık model İngilizce dışında kullanılamaz: Hintçe† %100,0, Danca %87,2, Macarca %84,8, Çekçe %84,0, İbranice† %81,9.

Hangi diller ve ne kadar

Hintçe† (%42,1; varsayılan %34,4), Tayca (%24,6; %20,8), Çince (Basitleştirilmiş) (%16,8; %13,7), Malayca (%9,8; %7,1), Vietnamca (%10,3; %9,8), Endonezce (%7,8; %7,4), Türkçe (%15,5; %15,2), Yunanca (%11,3; %11,2), Fransızca (%10,1; %10,0). Bu kadar küçük farkların hepsi bu örneklem boyutunda tek tek anlamlı değildir; önemli olan, tek başına boyutun öngörmeyeceği yöndür. Bir üst modele uzanmak güvenli bir varsayılan değildir.

Uçlar

En kolay ve en zor

En iyi sonuç: İspanyolca, %2,8.

Hiçbir modelin iyileştiremediği en yüksek hata oranı İbranice†’dir; denenen hiçbir yapılandırmada %48,3’ün altına inmez. Düzeltme, bu okumanın İbranice gibi birleşik işaretli yazılar için güvenli olmadığını söylüyor; düzeltilmiş tarama bu sayfaya gelene kadar onu doğrulanmamış sayın.

Geri çekme

Yerinde bırakılan bir geri çekme

Geri çekme

Bu taramanın önceki bir sürümü, Ukraynaca için large-v3’ün varsayılandan anlamlı biçimde daha iyi olduğunu bildirmişti. Bu yanlıştı. Ölçüm, whisper-cli’nin varsayılanı olan ama uygulamanın kullanmadığı beam 5 ile yapılmıştı. Gerçek ayar olan greedy ile yeniden çalıştırıldığında varsayılan ve v3 tam bir beraberliğe düştü. Aradaki fark modelden değil, kod çözücüden geliyordu. Sessizce silinmek yerine burada kayda geçirilmiştir, çünkü kod çözücü ayarı, yerel Whisper karşılaştırmalarının çoğunun belirtmeden bıraktığı değişkenin ta kendisidir.

Veriler

Tam tablo, yöntem ve sınırlar

Tam tablo, yöntem ve sınırlar kapalı durumda: hangisini isterseniz açın.

Dile ve modele göre hata oranı (29 dil, 6 model)

Dil	Ölçüt	tiny 75 MB	small 466 MB	turbo-q5 547 MB	turbo 1,6 GB	v3-q5 1,0 GB	v3 3 GB
Arapça† ar-SA	WER	%67,0	%36,9	%22,9	%22,4	%22,3	%22,2 ●
Çince (Basitleştirilmiş) zh-Hans	CER	%55,0	%24,8	%13,7	%16,8	%13,1	%12,6 ●
Çekçe cs	WER	%84,0	%40,4	%13,2	%12,8	%13,1	%11,9 ●
Danca da	WER	%87,2	%35,0	%13,4	%13,0	%12,6 ●	%13,3
Felemenkçe nl-NL	WER	%74,8	%28,8	%10,8	%9,8	%8,3 ●	%8,4
İngilizce en-US	WER	%31,9	%10,7	%9,1	%8,9	%7,0 ●	%8,9
Fince fi	WER	%64,4	%31,8	%10,8	%10,1	%7,7 ●	%7,7 ●
Fransızca fr-FR	WER	%50,1	%26,1	%10,0	%10,1	%7,7	%7,5 ●
Almanca de-DE	WER	%35,0	%11,9	%5,2	%4,7 ●	%5,2	%5,2
Yunanca el	WER	%74,7	%32,9	%11,2 ●	%11,3	%11,8	%12,3
İbranice† he	WER	%81,9	%63,2	%51,0	%48,4	%48,3 ●	%48,3 ●
Hintçe† hi	WER	%100,0	%68,3	%34,4	%42,1	%33,4	%32,4 ●
Macarca hu	WER	%84,8	%48,7	%17,9	%17,9	%17,0	%16,3 ●
Endonezce id	WER	%59,2	%21,8	%7,4 ●	%7,8	%8,1	%9,4
İtalyanca it	WER	%31,8	%8,2	%4,0	%2,9 ●	%4,6	%4,5
Japonca ja	CER	%54,3	%25,4	%18,5	%15,6	%14,2 ●	%17,0
Korece ko	CER	%33,9	%24,6	%11,3	%11,3	%9,4 ●	%9,5
Malayca ms	WER	%62,5	%25,1	%7,1	%9,8	%6,0	%5,9 ●
Norveççe no	WER	%64,0	%24,2	%10,0	%9,8 ●	%10,0	%9,8 ●
Lehçe pl	WER	%57,0	%17,7	%6,7	%6,4 ●	%7,4	%7,6
Portekizce (BR) pt-BR	WER	%25,4	%7,9	%5,2	%5,1	%5,0	%4,9 ●
Romence ro	WER	%79,1	%33,4	%10,2	%9,9	%9,5	%9,2 ●
Rusça ru	WER	%38,7	%12,9	%6,4	%6,3 ●	%6,8	%7,3
İspanyolca es-ES	WER	%19,3	%7,0	%3,5	%3,5	%3,0	%2,8 ●
İsveççe sv	WER	%57,2	%21,4	%8,3	%8,1	%7,1 ●	%7,3
Tayca th	CER	%62,4	%27,5	%20,8	%24,6	%13,2	%12,6 ●
Türkçe tr	WER	%62,1	%30,5	%15,2	%15,5	%13,1 ●	%13,5
Ukraynaca uk	WER	%68,3	%39,2	%23,1	%21,0 ●	%23,3	%23,1
Vietnamca vi	WER	%64,1	%26,6	%9,8 ●	%10,3	%10,2	%10,2

Nasıl ölçüldü

Altı Whisper model varyantı, aynı okunmuş konuşma derlemini 29 dilde yazıya döktü; bunlar Lesskeys’in App Store sayfasının sunulduğu dillerin hepsidir. Test Apple Silicon üzerinde, uygulamanın kendi kullandığı kod çözücü ayarlarıyla (greedy, ışın araması yok) yapıldı. Oranlar sözcük hata oranıdır; sözcüklerin boşlukla ayrılmadığı Japonca, Korece, Tayca ve Çince için bunun yerine karakter hata oranı kullanıldı. Düşük olan iyidir.

● o dil için en iyi modeli gösterir. Vurgulanan sütun, Lesskeys 3.1.4’te varsayılan olan ve yukarıdaki her şeyin kıyas noktası olan 547 MB’lık modeldir. † yeniden ölçülen bir satırı gösterir. Telefonda tabloyu yana kaydırın; dil sütunu görünür kalır.

Bu testin sınırları

Dil başına tek parça (yaklaşık 1.000 sözcük ya da karakter hata oranı kullanılan dillerde yaklaşık 2.000 karakter). Büyük farkları ayırmaya yeter, küçükleri söylemeye yetmez. Bu sayfa bir modelin “yeterli kaldığını” söylüyorsa bunu eşit olduğunun kanıtı olarak değil, bu örneklem boyutunda ayrışmadı diye okuyun.
whisper-cli, uygulamanın bağlam ve kod çözme ayarlarıyla; ses etkinliği algılama, halüsinasyon filtresi, ses seviyesi normalleştirme ve dil kısıtlaması ekleyen tam Lesskeys işlem hattıyla değil. Bu tablo o işlem hattını ölçmez.
Okunmuş konuşma, toplantı değil. Sohbet havasındaki ve üst üste binen ses belirgin biçimde daha zordur.
Mutlak oranlar bir miktar şişkinlik taşır; bunun nedeni, bir insan okuyucunun hata saymayacağı sayı ve noktalama biçimi farklarıdır. Aynı dilde modeller arasındaki karşılaştırmalar güvenilir kısımdır; diller arasındaki karşılaştırmalar daha gürültülüdür.

Sorular

Dile göre Whisper doğruluğu hakkında sorular

Mac’te hangi Whisper modelini çalıştırmalıyım?

Ölçülen 29 dilin 23’ünde 547 MB’lık kuantize Large V3 Turbo modeli, daha büyük her modelle aynı derecede doğrudur; bu yüzden makul varsayılandır. İstisnalar bu sayfada listelenir; o dillerde 1,0 GB’lık v3-q5 modeli ek indirmeye değer.

Bir Whisper modelini kuantize etmek doğruluğu düşürür mü?

Çok az. 29 dilin hepsinde tam duyarlıklı 3 GB’lık model, 1,0 GB’lık kuantize modeli hiçbir zaman 1,2 yüzde puanından fazla geçmez; 547 MB’lık kuantize varsayılan ise çoğu dilde çok daha büyük modellerle başa baş gider.

Daha büyük bir Whisper modeli her zaman daha mı doğrudur?

Hayır. 1,6 GB’lık turbo model, ölçülen 29 dilin 9’unda 547 MB’lık varsayılandan sayısal olarak daha kötü sonuç verir. Model boyutu, belirli bir dilde doğruluğun güvenilir bir göstergesi değildir.

Bu bulutta mı ölçüldü?

Hayır. Her sayı Apple Silicon üzerinde yerelde üretildi; Lesskeys de transkripsiyonu böyle çalıştırır: ses makineden hiç çıkmaz.

Daha fazlası