Qwen3-ASR vs Whisper على Apple Silicon
كلا Qwen3-ASR وWhisper خيار قوي للتعرّف المحلي على الكلام، لكنهما يحسّنان قيوداً مختلفة. تفصل هذه الصفحة نتائجهما عن الاختبار الأوسع لتسهيل مقارنة الدقة والسرعة والذاكرة والتكامل.
كلا المحركين مدعومان: يوفّر speech-swift Qwen3-ASR عبر MLX وWhisper Large-v3 Turbo عبر Core ML الأصلي. يظهر WhisperKit أدناه كمرجع قياس خارجي فقط.
عبر جميع الصفوف، يحقق Qwen3-ASR 1.7B 5-bit أقل WER عند 1.32%، ويحقق Qwen3-ASR 0.6B 5-bit أقل RTF عند 0.014. في مقارنة Whisper المتطابقة على 200 منطوق، يكون WhisperASR الأصلي أسرع: RTF يساوي 0.077 مقابل 0.084، وتحميل من الذاكرة المؤقتة خلال 1.3 ثانية مقابل 7.2 ثانية. تفصل الدقة غلطة كلمة واحدة فقط (WER 1.73% مقابل 1.71%)، ويبلغ فرق ذروة RSS 18 MB فقط (445 مقابل 427 MB).
النتائج المقاسة
RTF هو زمن التشغيل مقسوماً على مدة الصوت؛ الأقل أسرع. تستخدم كل الصفوف LibriSpeech test-clean والمطبّع النصي نفسه؛ راجع اختلاف حجم العينة أدناه.
| Engine | Quant. | WER% | RTF | Peak RSS |
|---|---|---|---|---|
| Qwen3-ASR 1.7B MLX | 5-bit | 1.32 | 0.027 | 1.92 GB |
| Qwen3-ASR 1.7B MLX | 8-bit | 1.52 | 0.033 | 2.7 GB |
| Qwen3-ASR 0.6B MLX | 5-bit | 1.74 | 0.014 | 1.03 GB |
| Qwen3-ASR 0.6B MLX | 8-bit | 1.82 | 0.015 | 1.3 GB |
| WhisperKit Large-v3 Turbo | FP16 | 1.71 | 0.084 | 427 MB |
| WhisperASR native CoreML | FP16 | 1.73 | 0.077 | 445 MB |
أيّهما تختار؟
- Qwen3-ASR 1.7B 5-bit: لأفضل نتيجة دقة وسرعة هنا إذا كانت ذروة 1.92 GB مقبولة.
- Qwen3-ASR 0.6B 5-bit: أسرع خيار Qwen متوازن، RTF 0.014 وذروة 1.03 GB.
- Whisper CoreML الأصلي: لأسرع مسار Whisper مدعوم، أو تحميل مؤقت خلال 1.3 ثانية، أو حزمة CoreML ثابتة، أو مسار Whisper قائم.
- WhisperKit: إذا كان التطبيق يستخدم بالفعل واجهات إدارة النماذج وفك الترميز الخاصة به.
المنهجية والحدود
يستخدم الاختبار كلاماً إنجليزياً مقروءاً من LibriSpeech test-clean على Apple M5 Pro وبناء release. تستخدم صفوف Qwen 8-bit وWhisper أول 200 منطوق (~30 دقيقة)، وQwen 5-bit مجموعة من 100 من الاختبار نفسه.
هذه مقارنة لهذه التطبيقات ضمن هذا الاختبار، وليست ترتيباً عالمياً متعدد اللغات. قد تغيّر اللهجة والضوضاء والتقسيم واللغة وفك الترميز والعتاد النتيجة. WER الأقل أفضل، وتُقاس ذروة RSS لكل محرك في عملية مستقلة.