Parakeet V3 или Whisper Large V3 (2026): скорость, точность и что кому подходит

Parakeet V3 заметно компактнее Whisper Large V3 и в нескольких тестах NVIDIA показывает более низкую частоту ошибок. Но средний балл в бенчмарке не отвечает на главный вопрос: какая модель лучше справится с вашей записью и будет работать там, где вам нужно?

Для пакетной расшифровки русскоязычных файлов на сервере с GPU NVIDIA Parakeet TDT 0.6B V3 выглядит очень убедительно. Если в записях встречаются разные языки или расшифровка должна выполняться прямо на iPhone без отправки аудио в облако, семейство Whisper дает больше возможностей.

Поэтому LoroNote использует Whisper Large V3 Turbo. Эта версия сохраняет многоязычную основу Large V3, но работает достаточно быстро для повседневного использования на iPhone и iPad.

Короткий вывод:

• Parakeet V3 подходит для больших объемов русской речи и других поддерживаемых европейских языков на инфраструктуре NVIDIA.
• Whisper Large V3 удобнее для многоязычных и смешанных записей, а также разных способов развертывания.
• LoroNote использует Large V3 Turbo ради баланса качества, мобильной скорости и офлайн-конфиденциальности.

Раскрытие информации: сравнение подготовлено командой LoroNote. 10 августа 2026 года мы сверили данные с официальными карточками моделей и техническими материалами NVIDIA и OpenAI. График NVIDIA приведен с указанием источника; случаи, в которых Parakeet может быть лучшим выбором, также отмечены.

Модели в цифрах

Под Parakeet V3 здесь имеется в виду parakeet-tdt-0.6b-v3. В семействе Whisper важно различать полную модель large-v3 и оптимизированную large-v3-turbo, которую использует LoroNote.

Количество параметров не определяет пользовательскую скорость само по себе. На нее влияют оптимизация, память, длина записи и конкретное оборудование. Преимущество на серверной GPU NVIDIA нельзя автоматически переносить на iPhone.

Почему Parakeet V3 заслуживает внимания

В Parakeet используется архитектура Token-and-Duration Transducer. Если упростить, модель умеет пропускать фрагменты сигнала, которые вряд ли дадут новый текст, и не тратить на них лишние вычисления. Официальная карточка также указывает автоматическую пунктуацию и регистр, временные метки для слов и сегментов, определение языка и поддержку длинного аудио.

Для русского языка NVIDIA приводит WER 5,51 на FLEURS и 3,00 на CoVoST. Это сильные показатели, но они не гарантируют такой же результат на разговоре с шумом, региональной речью, несколькими собеседниками и профессиональными терминами.

Важно учитывать и границы графика: среднее рассчитано только по языкам, поддерживаемым Parakeet, ошибки пунктуации и регистра исключены, а оценка проведена самой NVIDIA. Это не тест скорости LoroNote на iPhone.

Цифры, стоящие за заявлением

Если поставить опубликованные показатели рядом, компромисс становится осязаемым:

• Точность на английском: в рейтинге Hugging Face Open ASR Leaderboard у Parakeet TDT 0.6B V3 частота ошибок (WER) около 6,3 % против примерно 7,4 % у Whisper Large V3. Это реальное преимущество — и одновременно всего одно слово из сотни, на которое микрофон и помещение влияют куда сильнее.
• Среднее по языкам: на FLEURS по поддерживаемым Parakeet языкам карточка NVIDIA даёт близкие средние — около 12,0 % у Parakeet и около 12,6 % у Whisper Large V3, причём по отдельным языкам впереди то одна, то другая модель.
• Пропускная способность: трансдьюсерная архитектура Parakeet кардинально быстрее в пакетной обработке; опубликованные NVIDIA коэффициенты реального времени превосходят показатели Whisper более чем на порядок. Скорость — самое очевидное и наименее спорное преимущество Parakeet.

За пределами таблиц стоит знать об одном различии в поведении. Whisper использует генеративный декодер, и OpenAI документирует его склонность иногда порождать текст, которого не было в записи, — чаще всего на тишине или шуме. Трансдьюсер Parakeet выдаёт текст только тогда, когда обнаруживает речевые токены, поэтому на тихих фрагментах он галлюцинирует меньше. Хорошие приложения сглаживают эту особенность Whisper, но на уровне «сырого» поведения моделей этот балл уходит Parakeet.

Parakeet больше не только для GPU — почему всё же Whisper?

Честное уточнение к привычной формулировке: Parakeet уже не живёт исключительно на серверах NVIDIA. Конвертированные сборки работают локально на технике Apple, и некоторые приложения для iOS и Mac предлагают Parakeet как переключаемый движок именно из-за его скорости. Если бы Parakeet покрывал ваши языки, запускать его на телефоне было бы вполне разумным выбором.

Решающим оказывается охват. Официальный список Parakeet V3 — 25 европейских языков, включая русский. Корейского, японского, китайского, хинди, арабского, тайского, вьетнамского — и большинства остальных языков мира — в нём нет. Обучение Whisper охватывает порядка 100 языков, поэтому одна модель Whisper справляется и с русской встречей, где звучат английские названия, и с интервью, которое перескакивает между языками, без смены движка.

Для приложения, которым пользуются в десятках стран, эта разница структурная, а не бенчмарковая. Именно она — главная причина, по которой LoroNote строится на семействе Whisper, а не на более быстрой альтернативе с европейским уклоном.

Для русского подходят обе модели

Русский язык официально поддерживается и Parakeet, и Whisper. Parakeet особенно привлекателен в предсказуемом сценарии: файлы поступают на сервер, GPU NVIDIA обрабатывает большой поток, а точные временные метки нужны для дальнейшей автоматизации.

Whisper становится удобнее, когда записи менее однородны. В деловой встрече на русском могут звучать английские названия, а следующий файл может быть полностью на другом языке. Более широкий языковой охват позволяет не перестраивать весь процесс.

Бенчмарки обычно используют подготовленные наборы данных. Для реального выбора стоит проверить совещание с перебиваниями, запись из аудитории и собственную терминологию — именно эти условия чаще определяют полезность результата.

Почему LoroNote использует Whisper Large V3 Turbo

LoroNote — не серверный конвейер для пакетной обработки. Это приложение, которое превращает встречи, лекции, интервью и импортированные медиафайлы в личные заметки на iPhone и iPad.

Полная модель Large V3 мощная, но тяжелая для длинной мобильной записи. В Turbo OpenAI сократила декодер с 32 до четырех слоев. Число параметров уменьшилось с 1,55 млрд примерно до 809 млн, а распознавание заметно ускорилось при сохранении многоязычной основы Large V3.

Компромисс существует: OpenAI отмечает различия в точности между языками, а Turbo не обучалась для перевода речи. Основная задача LoroNote — получить текст на том языке, на котором говорят, поэтому такой баланс подходит приложению.

LoroNote дополняет модель функциями для работы с результатом:

• разделение по говорящим на устройстве
• временные метки с переходом к нужному месту аудио
• пользовательский словарь имен и специальных терминов
• импорт аудио и видео
• редактирование и экспорт в TXT и SRT

Само название Whisper не означает, что обработка всегда приватная: многие сервисы запускают модель в облаке. В LoroNote распознавание речи и говорящих выполняется непосредственно на устройстве и работает без интернета. Подробнее — в руководстве по офлайн-транскрибации.

Что выбрать?

Parakeet V3 логично выбрать, если основная часть записей — на русском или другом поддерживаемом европейском языке, у вас есть инфраструктура NVIDIA и важнее всего быстро обработать множество файлов.

Семейство Whisper Large V3 лучше подходит для широкого набора языков, смешанной речи и разных устройств. Для приватной расшифровки на технике Apple Turbo дает более практичный баланс точности и ожидания.

Перед решением запишите три–пять минут в обычной обстановке. Добавьте фамилии, числа, аббревиатуры и специальные термины, затем проверьте пропуски, пунктуацию, временные метки, смену говорящих и время обработки. Бенчмарк сравнивает модели, а ваш файл — будущий результат.

Частые вопросы

Parakeet V3 лучше Whisper для русского языка?

Не во всех случаях. Parakeet очень конкурентоспособен в тестах и может быть эффективнее на оборудовании NVIDIA. Whisper охватывает больше языков и способов использования. Корректный тест должен использовать один и тот же файл и оборудование нужного класса.

Whisper Large V3 Turbo — это та же модель, что Large V3?

Нет. Turbo основана на Large V3, но в ней четыре слоя декодера вместо 32. Она меньше и быстрее, при этом точность меняется в зависимости от языка, а перевод не является ее задачей.

Поддерживает ли Parakeet V3 корейский, японский или китайский?

Нет. Официальный список Parakeet V3 — 25 европейских языков (русский в него входит). Для корейского, японского, китайского и большинства неевропейских языков практичный выбор — семейство Whisper: одна модель покрывает порядка 100 языков.

Может ли Parakeet работать на iPhone?

Да — конвертированные сборки работают на технике Apple, и некоторые приложения предлагают Parakeet как переключаемый локальный движок ради скорости. Но решает уже не доступность, а охват языков. Если ваши записи укладываются в 25 европейских языков Parakeet, это быстрый вариант; если нет — только Whisper вообще сможет их расшифровать.

Whisper всегда отправляет аудио в OpenAI?

Нет, это зависит от приложения. LoroNote запускает модель на iPhone или iPad, поэтому для транскрибации не нужно загружать аудио на серверы OpenAI или LoroNote. О реальной скорости такой обработки — наши замеры в сравнении Whisper-приложений.

Лучшая модель соответствует реальной задаче

Parakeet V3 — отличный движок для больших объемов русской речи на инфраструктуре NVIDIA. Whisper Large V3 охватывает больше языковых сценариев, а Turbo делает эту основу практичной на личном устройстве.

LoroNote выбрал Turbo, потому что мобильному приложению нужны не только хорошие цифры. Оно должно работать с языками реальных записей, давать результат без долгого ожидания и оставлять личное аудио на устройстве.

Официальные источники

• Карточка NVIDIA Parakeet TDT 0.6B V3
• Hugging Face Open ASR Leaderboard
• Объяснение Parakeet-TDT от NVIDIA
• Выпуск OpenAI Whisper Large V3
• Выпуск OpenAI Whisper Large V3 Turbo
• Карточка модели OpenAI Whisper