תרגום מכונה · המקור באנגלית
Qwen3-ASR לעומת Whisper על Apple Silicon
Qwen3-ASR ו Whisper הן אפשרויות זיהוי דיבור מקומיות חזקות, אך הן מייעלות למגבלות שונות. Qwen ו Whisper שורות Soniqo"מדד רחב יותר כל כך דיוק, מהירות, זיכרון ומימוש עסקאות קל יותר להעריך.
שני המנועים תומכים: ספינות speech-swift Qwen3-ASR דרך MLX ו Whisper Large-v3 Turbo Through Native Core MLWhisper Kit מופיע מתחת רק כנקודת ציון חיצונית.
בכל שורות, Qwen3-ASR 1.7B B 5-bit הוא הנמוך ביותר WER at at 1.32%, בזמן Qwen3-ASR 0.6B B 5-bit יש את הנמוך ביותר RTF at at 0.014ב-The Fit 200- עצמאות Whisper השוואה, Native Whisper ASR הוא מהיר יותר: RTF 0.077 מול 0.084 ועומס חרישי 1.3 s לעומת 7.2 דיוק היא טעות של מילה אחת בנפרד (1.73% מול 1.71% WER● פסגות RSS שונות רק 18 MB (MB)445 מול 427 MB).
תוצאות בינוניות
RTF הוא זמן הקיר מחולק על ידי משך אודיו, כל כך נמוך יותר הוא מהיר יותר.כל השורות להשתמש LibriSpeech test-clean ואת אותו טקסט רגילizer; ראה את מתודולוגיה המערה למטה עבור גדלים תיקון.
| מנוע מנוע מנוע | קואנט. | WER% | RTF | שיא RSS |
|---|---|---|---|---|
| Qwen3-ASR 1.7B MLX | 5bit | 1.32 | 0.027 | 1.92 GB |
| Qwen3-ASR 1.7B MLX | 8 סיביות | 1.52 | 0.033 | 2.7 GB |
| Qwen3-ASR 0.6B MLX | 5bit | 1.74 | 0.014 | 1.03 GB |
| Qwen3-ASR 0.6B MLX | 8 סיביות | 1.82 | 0.015 | 1.3 GB |
| WhisperKit Large-v3 טורבו | FP16 | 1.71 | 0.084 | 427 MB |
| WhisperASR Native CoreML | FP16 | 1.73 | 0.077 | 445 MB |
מי צריך לבחור?
- Qwen3-ASR 1.7B 5-bit: בחר אותו עבור הדיוק הטוב ביותר / תוצאה מהירה כאן כאשר טביעת רגל שיא של 1.92 GB מתקבל על הדעת.
- Qwen3-ASR 0.6B 5-bit: בחר את זה עבור המהיר ביותר Qwen אפשרות RTF 0.014 עם עלייה של 1.03 GB.
- Whisper CoreML: בחר את זה עבור המסלול נתמך ביותר Whisper, 1.3 s העומס, חבילת CoreML קבועה, או זרם עבודה Whisper קיים.
- WhisperKit: בחר את זה כאשר היישום שלך כבר תלוי WhisperKheit ואת המודל-ניהול APIs.
מתודולוגיה ומגבלות
התעודה משתמשת ב- LibriSpeech Test-clean English Read Speech on an Apple M5 Pro עם שחרור בונה. 8-bit Qwen ו Whisper שורות להשתמש הראשון 200 המונחים: about 30 דקות) Qwen 5שורות חיפוש משתמשות 100תת-קרקעית של אותו תיקון, הוסיפה כאשר הגרסאות נחתו.
מספרים אלה משווים את המימושים האלה על תיקון זה; הם לא דירוג רב לשוני אוניברסלי. Accent, רעש, פלח ארוך, שילוב שפה, הגדרות מרתיעות, וחומרה יכולים לשנות את התוצאה. WER הוא נמוך יותר, ו- RSS נמדד עם כל מנוע בתהליך נפרד.