Whisper проти Parakeet

Ми постачаємо обидва, тож це не рекламний хід

Більшість статей «X проти Y» пише той, хто продає X. Ця — інша. Ми постачаємо обидва рушії в одному застосунку. Ви обираєте потрібний із випадного списку, завантажуєте один раз і будь-коли перемикаєтеся.

Це означає, що в мене немає причин умовляти вас на хибний варіант. Якщо вам підходить Parakeet — я хочу, щоб ви користувалися Parakeet. Якщо вам потрібен Whisper — я хочу, щоб ви були на Whisper. Застосунок не обирає за вас, і я теж не буду. Я просто розкладу, у чому кожен із них справді сильний.

Обидва працюють повністю офлайн. Обидва безкоштовні для кожного, хто увійшов до облікового запису. Без картки, без похвилинних рахунків за хмару, без доплати за другий рушій.

Parakeet — це швидкий

Parakeet — це TDT-модель від NVIDIA. Розшифровується як Token-and-Duration Transducer: кодувальник FastConformer, з'єднаний із декодером, який передбачає і слова, і те, скільки триває кожне з них. Запам'ятовувати все це не потрібно. Найважливіше — у наступному реченні.

Він у 5–10 разів швидший за Whisper на звичайному процесорі. Без GPU, без очікування. Ви відпускаєте гарячу клавішу — і текст уже фактично там.

Модель, яка постачається, — це Parakeet v3, близько 600 МБ на диску, і вона охоплює англійську та ще 24 європейські мови, разом 25. Якість хороша. Не настільки, як у Whisper-large, але більш ніж достатня для щоденного диктування: листи, нотатки, повідомлення — те, що більшість із нас набирає цілий день.

Чого Parakeet не вміє: він не перекладе вашу мову англійською й не приймає власного словника чи підказок із ключовими словами. Якщо ви диктуєте французькою — отримаєте текст французькою. Що саме й потрібно більшості франкомовних, тож це проблема лише тоді, коли переклад — єдина причина, заради якої ви прийшли.

Whisper — це ретельний

Whisper — це відкрита модель від OpenAI, і всередині нашого застосунку вона представлена у восьми варіантах. Чотири лише англійські й чотири багатомовні — від моделі Base приблизно на 140 МБ до Large v3 приблизно на 3 ГБ. Ви обираєте розмір, який пасує вашій машині та вашому терпінню.

Багатомовні моделі охоплюють 99 мов, а не 25. Серед них китайська, японська, корейська та арабська — саме ті, які Parakeet оминає повністю. Whisper до того ж перекладе будь-яку з них англійською за один крок, чого Parakeet не може.

І Whisper дає керування, якого немає в Parakeet: власний словник, налаштування розміру beam і зміщення в бік ключових слів, щоб він перестав калічити ім'я вашого колеги чи назву вашого продукту. Якщо ви цілими днями диктуєте технічні терміни, це керування — різниця між чистим текстом і марудним «знайти й замінити».

Ціна — швидкість. На тому самому процесорі Whisper повільніший, а на більших моделях інколи помітно повільніший. Нудна правда в тому, що більшість людей, які обирають Whisper, обирають не так точність замість Parakeet, як мови й керування замість швидкості.

Чесне порівняння, в одній таблиці

Ось усе рішення в семи рядках. Жодних цифр у доларах — обидва рушії безкоштовні на одному рівні.

Обидва локальні, обидва офлайн, обидва безкоштовні на одному рівні. Таблиця — не «хороший проти поганого». Вона про «швидкий проти гнучкого».

Який же варто обрати вам

Цю частину більшість порівнянь оминає, тож ось вона прямо.

Для більшості англомовних користувачів обирайте Parakeet. Швидкість виграє щодня. Ви диктуєте десятки разів на день, і різниця між «текст з'являється миттєво» та «текст з'являється з затримкою» — це різниця між тим, чи лишилися ви на хвилі думки, чи загубили її. Усе, що довше за дві секунди, — і ваш мозок знову переключається на застосунок, у якому ви були, і ви забуваєте, що казали. Те, що Parakeet у 5–10 разів швидший на процесорі, — це не хвальба з таблиці характеристик. Це те, що ви відчуваєте сотню разів на день.

Обирайте Whisper, коли вам потрібне щось одне з трьох, чого Parakeet дати не може: мова поза 25 європейськими (китайська, японська, корейська, арабська), переклад англійською або власний словник і керування ключовими словами для імен та жаргону.

Я з тих людей, які малюють схему архітектури ще до встановлення середовища, тож мій інстинкт завжди — «бери інструмент потужніший». Тут цей інстинкт хибний. Потужніший інструмент — Whisper, але правильний інструмент для щоденної звички диктувати англійською зазвичай той, що швидший. Можливості, якими ви не користуєтеся, — це лише зайвий розмір завантаження.

Як перемикатися між ними

Не обов'язково на щось наважуватися назавжди. Відкрийте вибір моделей, оберіть Parakeet або будь-яку модель Whisper — і вона завантажиться один раз. Перемикайтеся назад, щойно змінюється робота: Parakeet — для ранкової пачки листів, Whisper Large v3 — на той пообідній час, коли ви розшифровуєте японське інтерв'ю.

Та сама гаряча клавіша, те саме вікно, ті самі налаштування в обох випадках. У Windows типово це Ctrl+Space. На Mac — акорд push-to-talk Command+Option, і його можна перепризначити, якщо він із чимось конфліктує. Рушій — це випадний список, а не перевстановлення.

Якщо запам'ятати лише одне

Parakeet — для швидкості та англійської. Whisper — для 99 мов, перекладу й керування. Не треба обирати під час встановлення, бо обидва входять до одного застосунку, а перемикання — це випадний список, а не рішення про завантаження, з яким ви застрягли назавжди.

Якщо хочете ширшу картину того, чому запускати це на власній машині краще, ніж надсилати аудіо на сервер, я писав про це в матеріалі офлайн перетворення мовлення на текст. А якщо ви зважуєте нас проти конкретного платного застосунку, матеріал альтернатива superwhisper розбирає це порівняння віч-на-віч.