Pruebas de rendimiento de voz a texto en local
¿Qué tan rápidos y precisos son los modelos de voz que puedes ejecutar en tu propio ordenador? Medimos todos los modelos de Glimpse en Mac y Windows. Actualizado el 5 de octubre de 2026.
- más rápido que el tiempo real con Parakeet en un Mac
- 313×más rápido que el tiempo real con Parakeet en un Mac
- para transcribir un dictado corto típico
- 16 mspara transcribir un dictado corto típico
- de palabras en inglés incorrectas con Parakeet
- 2 %de palabras en inglés incorrectas con Parakeet
Velocidad
Parakeet queda primero tanto en Mac como en Windows, y es el modelo predeterminado en Glimpse. Más detalles en cómo Parakeet se volvió el doble de rápido.
- 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 (integrado en macOS)43,0 s
Precisión
Todos los modelos con los mismos fragmentos. En inglés, la mayoría están a menos de un punto entre sí; Whisper Large es el mejor en español y alemán (más sobre cómo usar Whisper en Glimpse). Descarga los modelos desde 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%
Preguntas frecuentes
¿Cuál es el modelo local de voz a texto más rápido en un Mac?
En nuestras pruebas, Parakeet. Parakeet TDT V3 transcribió una grabación de 9 minutos en menos de 2 segundos, unas 313 veces más rápido que el tiempo real, y un dictado corto en 16 ms. Parakeet Unified EN es algo más rápido, pero solo funciona en inglés.
¿Parakeet es más rápido que Whisper?
Sí, con mucha diferencia: 1,8 segundos para la grabación de 9 minutos frente a 13 segundos de Whisper Large V3 Turbo. Whisper es algo más preciso en alemán y español; Parakeet es un poco mejor en inglés.
¿Cómo se compara el reconocimiento de voz integrado de Apple?
Tardó 43 segundos con la grabación de 9 minutos y se equivocó en alrededor del 9 % de las palabras en inglés en nuestros fragmentos de dictado, frente al 2,4 % de Parakeet.
¿Necesito una tarjeta gráfica en Windows?
No. Glimpse usa tu tarjeta gráfica si la tienes y la CPU si no. En un procesador de 24 núcleos sin tarjeta gráfica, Parakeet transcribió la grabación de 9 minutos en unos 24 segundos.
¿Cómo hicisteis las pruebas?
Todos los modelos se ejecutaron en el propio motor de Glimpse en un MacBook con M2 Pro y en un PC con Windows de 24 núcleos y tarjeta gráfica de NVIDIA, con el modelo ya cargado. La velocidad es la mediana de varias ejecuciones con una grabación de 9 minutos en cuatro idiomas. La precisión usa los conjuntos de prueba públicos LibriSpeech y FLEURS. Tus resultados variarán según tu ordenador.
Pruébalos en tu propio ordenador
Todos los modelos de Glimpse de esta página se descargan gratis, con dictado gratis e ilimitado en Mac y Windows.