
Atualização de novembro de 2026: o Parakeet Ultra melhora a base V3. A nova seção explica os ganhos publicados, as condições de medição e a cobertura de idiomas que permanece igual.
O Parakeet V3 tem menos parâmetros que o Whisper Large V3 e supera o modelo da OpenAI em alguns testes publicados pela NVIDIA. Isso parece encerrar a comparação, mas uma média de benchmark não responde à pergunta principal: qual deles funciona melhor com o seu português, no seu aparelho e no seu fluxo de trabalho?
Para processar muitas horas de áudio em português num servidor com GPU NVIDIA, o Parakeet TDT 0.6B V3 é uma opção forte. Para alternar entre português, inglês, espanhol e outros idiomas, ou transcrever no iPhone sem enviar a gravação para a nuvem, a família Whisper é mais flexível.
Por isso, o LoroNote usa o Whisper Large V3 Turbo. Ele mantém a base multilíngue do Large V3, mas reduz o peso e o tempo de processamento para funcionar de forma prática no iPhone e no iPad.
Em resumo:
- O Parakeet V3 faz sentido para grandes lotes em português e outros idiomas europeus compatíveis, usando hardware NVIDIA.
- O Whisper Large V3 é mais versátil para vários idiomas e gravações com troca de língua.
- O LoroNote usa o Large V3 Turbo para equilibrar qualidade, velocidade no aparelho e privacidade offline.
Transparência: esta comparação foi escrita pela equipe do LoroNote. Consultamos as fichas oficiais e o material técnico da NVIDIA e da OpenAI em 10 de agosto de 2026. O gráfico da NVIDIA é reproduzido com atribuição e também indicamos onde o Parakeet pode ser a melhor escolha.
Comparação rápida
Neste artigo, Parakeet V3 significa parakeet-tdt-0.6b-v3. Na família Whisper, separamos o large-v3 completo do large-v3-turbo, versão otimizada usada pelo LoroNote.
| Item | Parakeet TDT 0.6B V3 | Whisper Large V3 | Whisper Large V3 Turbo |
|---|---|---|---|
| Parâmetros | 600 milhões | 1,55 bilhão | Cerca de 809 milhões |
| Principal vantagem | ASR de alto volume | ASR e tradução multilíngue ampla | ASR multilíngue mais rápido |
| Idiomas oficiais | 25 idiomas europeus | Cobertura multilíngue ampla | ASR multilíngue baseado no Large V3 |
| Português | Compatível | Compatível | Compatível |
| Detecção automática de idioma | Entre idiomas compatíveis | Sim | Sim |
| Tradução para inglês | Não | Sim | Não foi treinado para tradução |
| No LoroNote | Não usado | Base do Turbo | Executado no aparelho |
O número de parâmetros ajuda a entender o tamanho, mas não prevê sozinho a velocidade percebida. Otimização, memória, duração do áudio e hardware fazem diferença. Um modelo rápido num servidor com GPU NVIDIA não terá necessariamente a mesma vantagem num iPhone.
O que muda com o Parakeet Ultra?
A Moondream lançou o Parakeet Ultra em 22 de setembro de 2026. É uma versão do parakeet-tdt-0.6b-v3 da NVIDIA com treinamento adicional, a mesma arquitetura, o mesmo tokenizador e 600 milhões de parâmetros. Ao contrário do Parakeet Redux, o modelo irmão comprimido para CPUs e Macs, o Ultra mantém os pesos em precisão completa e se concentra na precisão da transcrição.
Precisão publicada: V3 e Ultra
A ficha da Moondream, consultada em 5 de novembro de 2026, apresenta estas taxas de erro de palavras (WER). Quanto menor, melhor.
| Avaliação | V3 original | Ultra |
|---|---|---|
| Inglês, sete conjuntos de teste | 6.26% | 5.80% |
| FLEURS, 25 idiomas compatíveis | 11.62% | 9.55% |
| Ruído de fundo, nove condições | 6.72% | 5.82% |
| Áudio longo, 11 palestras TED-LIUM completas | 2.71% | 1.94% |
No FLEURS, a queda é de 2,07 pontos percentuais, ou cerca de 17,8% menos erros em relação ao V3. São medições da própria Moondream: o Ultra roda no Photon em GPU NVIDIA, e o original no NeMo com bf16. A segmentação dos áudios longos também é diferente. A tabela compara configurações publicadas, não apenas os pesos em condições idênticas. Não misture os valores absolutos com o gráfico anterior da NVIDIA mostrado abaixo nem os use para declarar uma vitória direta sobre o Whisper.
Velocidade e idiomas ainda precisam de contexto
A comparação de vazão da Moondream usa uma NVIDIA B200 com 128 solicitações simultâneas e motores diferentes. Ela não mede a latência nem o consumo de bateria em um iPhone. Teste o aplicativo no aparelho que você realmente vai usar.
O Ultra mantém os 25 idiomas europeus do V3. Não acrescenta coreano, japonês ou chinês. Para os idiomas compatíveis, vale avaliá-lo junto ao V3; para uma cobertura maior, o Whisper continua relevante. O LoroNote segue usando Whisper Large V3 Turbo.
Por que o Parakeet V3 chama atenção
O Parakeet utiliza um Token-and-Duration Transducer. Em termos simples, o modelo pode pular trechos do sinal que provavelmente não gerarão texto novo, reduzindo cálculos desnecessários. A ficha oficial também lista pontuação e letras maiúsculas automáticas, timestamps por palavra e segmento, detecção de idioma e suporte a áudios longos.

Comparação da NVIDIA do WER médio em 24 idiomas compatíveis. Fonte:
ficha do NVIDIA Parakeet TDT 0.6B V3
. CC BY 4.0.
Nos resultados divulgados pela NVIDIA para português, o Parakeet registra WER de 4,76 no FLEURS, 7,50 no MLS e 3,96 no CoVoST. Há um detalhe importante para quem está no Brasil: a própria ficha informa que os dados de treino em português são principalmente de português europeu, enquanto muitos conjuntos de avaliação usam português brasileiro.
Isso não significa que o modelo não funcione no Brasil. Significa que sotaques, vocabulário e construção de frases precisam ser testados com gravações brasileiras reais. O mesmo vale para Portugal e outros países lusófonos.
O gráfico também calcula a média apenas entre idiomas aceitos pelo Parakeet, desconsidera erros de pontuação e maiúsculas e foi produzido pela NVIDIA. Ele não é um teste de velocidade no iPhone.
Para português, o contexto regional importa
Os dois modelos reconhecem português, portanto não existe um vencedor automático por compatibilidade. O Parakeet pode ser ideal quando todo o áudio chega a um servidor, o idioma é previsível e a prioridade é processar muitos arquivos numa infraestrutura NVIDIA.
O Whisper ganha espaço quando a realidade é mais variada. Uma reunião no Brasil pode misturar termos em inglês e falantes de diferentes regiões; uma equipe em Portugal pode trabalhar no mesmo dia com espanhol ou francês. A cobertura mais ampla permite manter o mesmo fluxo de transcrição.
Mais importante: use amostras do público que realmente será atendido. Um podcast limpo de Lisboa e uma reunião remota com participantes de São Paulo, Recife e Porto Alegre são desafios diferentes.
Por que o LoroNote usa Whisper Large V3 Turbo
O LoroNote não é um servidor para processamento em lote. É um app para transformar reuniões, aulas, entrevistas e arquivos importados em notas privadas no iPhone e no iPad.
O Large V3 completo é poderoso, mas pesado para gravações longas num dispositivo móvel. No Turbo, a OpenAI reduziu o decodificador de 32 para quatro camadas. O modelo caiu de 1,55 bilhão para cerca de 809 milhões de parâmetros e ficou muito mais rápido, mantendo a base multilíngue do Large V3.
Existe uma troca. A OpenAI informa que a precisão varia conforme o idioma e que o Turbo não foi treinado para tradução de fala. O objetivo principal do LoroNote é transcrever no idioma falado, então essa combinação é mais útil para o aplicativo.
O LoroNote complementa o modelo com recursos voltados ao uso diário:
- identificação de falantes no aparelho
- timestamps ligados ao ponto certo do áudio
- vocabulário personalizado para nomes e termos técnicos
- importação de áudio e vídeo
- edição e exportação em TXT e SRT
O nome Whisper, por si só, também não garante privacidade: o modelo pode ser usado por serviços de nuvem. No LoroNote, a transcrição e a identificação de falantes rodam diretamente no aparelho e funcionam offline. Veja a guia de transcrição offline para entender todo o processo.
Qual modelo escolher?
O Parakeet V3 é uma boa escolha para português ou outro idioma europeu compatível quando há infraestrutura NVIDIA e a prioridade é processar grandes lotes. Para português brasileiro, vale testar especialmente sotaques e termos locais por causa da composição declarada dos dados de treino.
A família Whisper Large V3 é um ponto de partida mais versátil para vários idiomas, gravações mistas e diferentes formas de implantação. Em aparelhos Apple, o Turbo oferece uma relação mais prática entre precisão e espera.
Antes de decidir, grave dois ou três minutos no ambiente habitual. Inclua nomes, números, siglas e termos regionais. Depois, confira palavras ausentes, pontuação, timestamps, mudança de falante e tempo de processamento. O benchmark organiza a comparação; seu áudio mostra se o resultado é realmente útil.
Perguntas frequentes
O Parakeet Ultra acrescenta coreano, japonês ou chinês?
Não. Segundo a Moondream, o Ultra mantém os 25 idiomas do V3. O treinamento adicional melhora as taxas de erro publicadas sem acrescentar esses idiomas. Os benchmarks em GPU também não estabelecem a velocidade de um aplicativo para iPhone.
O Parakeet V3 é melhor que o Whisper para português?
Não em todas as situações. O Parakeet é muito competitivo nos benchmarks e pode ser eficiente em hardware NVIDIA. O Whisper cobre mais idiomas e cenários. Para português brasileiro, a observação da NVIDIA sobre dados de treino majoritariamente europeus torna o teste local ainda mais importante.
O Whisper Large V3 Turbo é igual ao Large V3?
Não. O Turbo deriva do Large V3, mas reduz o decodificador de 32 para quatro camadas. Ele é menor e mais rápido, com variações de precisão conforme o idioma, e não foi otimizado para tradução.
Usar Whisper significa enviar o áudio para a OpenAI?
Não necessariamente. Isso depende de como o aplicativo executa o modelo. No LoroNote, ele roda no iPhone ou iPad, então a transcrição não exige upload para a OpenAI nem para um servidor do LoroNote.
O melhor modelo é o que combina com a gravação
O Parakeet V3 é uma ótima ferramenta para grandes lotes em português numa infraestrutura NVIDIA. O Whisper Large V3 atende a mais contextos linguísticos, e o Turbo leva essa base para um dispositivo pessoal com velocidade prática.
O LoroNote escolheu o Turbo porque um bom aplicativo móvel precisa lidar com as línguas que as pessoas realmente usam, entregar o texto sem longa espera e manter o áudio privado no próprio aparelho.
Fontes oficiais
Sua voz vira texto — offline
O LoroNote transcreve reuniões, aulas e entrevistas direto no seu iPhone — privado, preciso e ilimitado.
Baixar na App Store