Benchmarks für lokale Spracherkennung
Wie schnell und wie genau sind die Sprachmodelle, die du auf deinem eigenen Computer ausführen kannst? Wir haben jedes Modell in Glimpse auf Mac und Windows gemessen. Stand: 5. Oktober 2026.
- schneller als Echtzeit mit Parakeet auf einem Mac
- 313×schneller als Echtzeit mit Parakeet auf einem Mac
- für ein typisches kurzes Diktat
- 16 msfür ein typisches kurzes Diktat
- falsche englische Wörter mit Parakeet
- 2 %falsche englische Wörter mit Parakeet
Geschwindigkeit
Parakeet liegt auf Mac und Windows vorn und ist in Glimpse voreingestellt. Mehr dazu, wie Parakeet doppelt so schnell wurde.
- Parakeet Unified EN1,5 s
- Parakeet TDT V31,8 s
- Whisper Tiny3,6 s
- Nemotron Streaming EN6,3 s
- Whisper Small9,8 s
- Whisper Large V3 Turbo13,1 s
- Qwen3-ASR 0.6B15,4 s
- Nemotron 3.5 Streaming25,6 s
- Whisper Large V339,4 s
- Apple Speech (in macOS integriert)43,0 s
Genauigkeit
Alle Modelle mit denselben Clips. Auf Englisch liegen die meisten innerhalb eines Prozentpunkts; Whisper Large ist auf Spanisch und Deutsch am besten (mehr dazu, wie du Whisper in Glimpse nutzt). Die Modelle gibt es auf Hugging Face.
- Parakeet Unified EN1,8%
- Nemotron Streaming EN1,8%
- Qwen3-ASR 0.6B1,8%
- Parakeet TDT V32,0%
- Whisper Large V3 Turbo2,1%
- Nemotron 3.5 Streaming2,2%
- Whisper Large V3 (Q5)2,3%
- Whisper Small3,3%
- Whisper Tiny7,3%
Häufige Fragen
Welches ist das schnellste lokale Spracherkennungsmodell auf dem Mac?
In unseren Tests Parakeet. Parakeet TDT V3 hat eine 9-minütige Aufnahme in unter 2 Sekunden transkribiert, etwa 313-mal schneller als Echtzeit, und ein kurzes Diktat in 16 ms. Parakeet Unified EN ist etwas schneller, kann aber nur Englisch.
Ist Parakeet schneller als Whisper?
Ja, deutlich: 1,8 Sekunden für die 9-minütige Aufnahme gegenüber 13 Sekunden für Whisper Large V3 Turbo. Whisper ist auf Deutsch und Spanisch etwas genauer, Parakeet auf Englisch etwas besser.
Wie schneidet die eingebaute Spracherkennung von Apple ab?
Sie brauchte 43 Sekunden für die 9-minütige Aufnahme und erkannte bei unseren Diktat-Clips etwa 9 % der englischen Wörter falsch, gegenüber 2,4 % bei Parakeet.
Brauche ich unter Windows eine Grafikkarte?
Nein. Glimpse nutzt deine Grafikkarte, wenn eine vorhanden ist, und läuft sonst auf der CPU. Auf einem Prozessor mit 24 Kernen ohne Grafikkarte hat Parakeet die 9-minütige Aufnahme trotzdem in etwa 24 Sekunden transkribiert.
Wie habt ihr getestet?
Jedes Modell lief in der Engine von Glimpse auf einem MacBook mit M2 Pro und einem Windows-PC mit 24 Kernen und NVIDIA-Grafikkarte, mit bereits geladenem Modell. Die Geschwindigkeit ist der Median wiederholter Durchläufe mit einer 9-minütigen Aufnahme in vier Sprachen. Für die Genauigkeit nutzen wir die öffentlichen Testsets LibriSpeech und FLEURS. Deine Werte hängen von deinem Computer ab.
Probier sie auf deinem eigenen Rechner aus
Jedes Glimpse-Modell auf dieser Seite ist ein kostenloser Download, mit kostenlosem, unbegrenztem Diktieren auf Mac und Windows.