होम पर वापस

लोकल स्पीच-टू-टेक्स्ट बेंचमार्क

जो स्पीच मॉडल आप अपने कंप्यूटर पर चला सकते हैं, वे कितने तेज़ और कितने सटीक हैं? हमने Glimpse के हर मॉडल का समय Mac और Windows पर मापा। अपडेट: 5 अक्टूबर 2026।

Mac पर Parakeet के साथ रियल टाइम से तेज़
313×Mac पर Parakeet के साथ रियल टाइम से तेज़
एक आम छोटी डिक्टेशन ट्रांसक्राइब करने में
16 msएक आम छोटी डिक्टेशन ट्रांसक्राइब करने में
Parakeet के साथ गलत अंग्रेज़ी शब्द
2%Parakeet के साथ गलत अंग्रेज़ी शब्द

स्पीड

Mac और Windows दोनों पर Parakeet सबसे आगे है, और Glimpse में यही डिफ़ॉल्ट है। ज़्यादा जानकारी Parakeet दोगुना तेज़ कैसे हुआ में।

  • 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 (macOS में बिल्ट-इन)43.0 s
9 मिनट की रिकॉर्डिंग ट्रांसक्राइब करने में लगे सेकंड। कम बेहतर है।

सटीकता

हर मॉडल, एक जैसी क्लिप पर। अंग्रेज़ी में ज़्यादातर मॉडल एक-दूसरे से एक पॉइंट के अंदर हैं; स्पेनिश और जर्मन में Whisper Large सबसे अच्छा है (ज़्यादा जानकारी Glimpse में Whisper चलाने पर)। मॉडल Hugging Face से लें।

  • 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%
मॉडल ने कितने प्रतिशत शब्द गलत लिखे। कम बेहतर है। सिर्फ़ अंग्रेज़ी वाले मॉडल अंग्रेज़ी में दिखते हैं।

आम सवाल

Mac पर सबसे तेज़ लोकल स्पीच-टू-टेक्स्ट मॉडल कौन सा है?

हमारे टेस्ट में, Parakeet। Parakeet TDT V3 ने 9 मिनट की रिकॉर्डिंग 2 सेकंड से कम में ट्रांसक्राइब की, रियल टाइम से करीब 313 गुना तेज़, और एक छोटी डिक्टेशन 16 ms में। Parakeet Unified EN थोड़ा और तेज़ है, पर सिर्फ़ अंग्रेज़ी करता है।

क्या Parakeet, Whisper से तेज़ है?

हाँ, बहुत ज़्यादा: 9 मिनट की रिकॉर्डिंग के लिए 1.8 सेकंड, जबकि Whisper Large V3 Turbo को 13 सेकंड लगे। जर्मन और स्पेनिश में Whisper थोड़ा ज़्यादा सटीक है; अंग्रेज़ी में Parakeet थोड़ा बेहतर है।

Apple का बिल्ट-इन स्पीच रिकग्निशन कैसा है?

इसे 9 मिनट की रिकॉर्डिंग पर 43 सेकंड लगे, और हमारी डिक्टेशन क्लिप पर इसने करीब 9% अंग्रेज़ी शब्द गलत लिखे, जबकि Parakeet ने 2.4%।

क्या Windows पर ग्राफ़िक्स कार्ड चाहिए?

नहीं। ग्राफ़िक्स कार्ड हो तो Glimpse उसे इस्तेमाल करता है, और न हो तो CPU पर चलता है। बिना ग्राफ़िक्स कार्ड वाले 24-कोर प्रोसेसर पर भी Parakeet ने 9 मिनट की रिकॉर्डिंग करीब 24 सेकंड में ट्रांसक्राइब की।

आपने टेस्ट कैसे किया?

हर मॉडल Glimpse के अपने इंजन के अंदर चला, एक M2 Pro MacBook पर और NVIDIA ग्राफ़िक्स कार्ड वाले 24-कोर Windows PC पर, मॉडल पहले से लोड करके। स्पीड चार भाषाओं की 9 मिनट की रिकॉर्डिंग पर बार-बार चलाए गए टेस्ट का मीडियन है। सटीकता के लिए सार्वजनिक LibriSpeech और FLEURS टेस्ट सेट इस्तेमाल हुए। आपके कंप्यूटर पर नतीजे अलग हो सकते हैं।

इन्हें अपनी मशीन पर चलाएँ

इस पेज का हर Glimpse मॉडल मुफ़्त डाउनलोड है, और Mac और Windows पर डिक्टेशन मुफ़्त और असीमित है।

Glimpse डाउनलोड करें