Parakeet vs Whisper : vitesse, précision et langues
Parakeet vs Whisper : le modèle de NVIDIA, plus rapide, gagne aux benchmarks anglais mais couvre 25 langues européennes contre 99 pour Whisper. Lequel choisir ?
Parakeet vs Whisper, tout dépend de la langue de votre vidéo. Parakeet TDT 0.6B v3 de NVIDIA est bien plus rapide que Whisper et, sur les tests anglais de l’Open ASR Leaderboard, plus précis que Whisper large-v3 et turbo. Mais il couvre 25 langues européennes, alors que Whisper en couvre 99. En dehors de ces 25, dont le turc, le japonais, le coréen, le chinois, l’arabe et l’hindi, Parakeet n’est pas une option.
Le choix est donc plus simple que les graphiques de benchmarks ne le laissent croire. Voici les chiffres tirés des fiches de modèle de NVIDIA et d’OpenAI et du leaderboard, la raison pour laquelle Parakeet est si rapide, les cas où Whisper gagne encore, et les applications de bureau qui exécutent chacun des deux.
Parakeet vs Whisper côte à côte
Chiffres vérifiés le 16 novembre 2026 sur les fiches de modèle de NVIDIA et d’OpenAI et sur l’Open ASR Leaderboard, mis à jour pour la dernière fois le 13 novembre 2026. Le taux d’erreur est le taux d’erreur de mots moyen du leaderboard en anglais ; plus il est bas, mieux c’est. La vitesse est son RTFx : le nombre de secondes d’audio transcrites par seconde de calcul, sur un seul NVIDIA H200.
| Caractéristique | Parakeet TDT 0.6B v3 | Whisper large-v3 | Whisper large-v3-turbo |
|---|---|---|---|
| Créé par | NVIDIA | OpenAI | OpenAI |
| Paramètres | 600 M | 1 550 M | 809 M |
| Langues | 25 européennes | 99 | 99 |
| Taux d’erreur en anglais (leaderboard) | 7,04 % | 8,24 % | 8,75 % |
| Taux d’erreur sur longs enregistrements (leaderboard) | 12,60 % | 13,10 % | 12,82 % |
| Vitesse (RTFx) | ~6 320 | ~470 | ~810 |
| Turc, japonais, coréen, chinois, arabe, hindi | Non | Oui | Oui |
| Traduction vocale | Non | Vers l’anglais | Non |
| Minutage par mot | Oui | Oui | Oui |
| Licence | CC-BY-4.0 | MIT | MIT |
Deux lignes méritent qu’on s’y arrête. La ligne des langues décide plus que toute autre : un modèle plus rapide et plus précis ne vaut rien s’il n’entend pas votre langue. Et la ligne des longs enregistrements, mesurée sur des conférences téléphoniques de résultats et de longs entretiens, place les trois modèles à moins d’un demi-point l’un de l’autre. L’avance de Parakeet est la plus nette sur les clips anglais plus courts qui composent la plupart des benchmarks.
La fiche de modèle de NVIDIA indique aussi la ponctuation et les majuscules automatiques, la détection automatique de la langue, et un audio allant jusqu’à 24 minutes en un seul passage avec attention complète, ou jusqu’à trois heures avec attention locale. Whisper gère n’importe quelle durée en avançant dans l’audio par fenêtres de 30 secondes, comme le décrit le README d’OpenAI.
Pourquoi Parakeet est-il tellement plus rapide que Whisper ?
Les deux modèles sont construits différemment. Whisper est un transformeur encodeur-décodeur : l’encodeur écoute 30 secondes d’audio, puis le décodeur écrit le texte un jeton à la fois, chaque jeton attendant le précédent. C’est dans cette seconde moitié que passe l’essentiel du temps, ce qui explique que large-v3-turbo, qui garde l’encodeur et ramène le décodeur de 32 couches à 4, tourne environ huit fois plus vite que large-v3.
Parakeet associe un encodeur FastConformer à un décodeur TDT. TDT signifie Token-and-Duration Transducer : à chaque étape, il prédit le jeton suivant et le nombre de trames audio que ce jeton couvre, ce qui lui permet de sauter des trames au lieu de toutes les visiter. Ses auteurs ont mesuré une inférence jusqu’à 2,82 fois plus rapide qu’avec un transducteur classique, rien que grâce à cela. Moins de travail par seconde d’audio, c’est plus d’audio par seconde de calcul.
Prenez les chiffres de vitesse du leaderboard comme un rapport, pas comme une promesse. Ils viennent d’un GPU de centre de données. Sur une carte RTX à la maison, ou sur le CPU d’un portable, les deux modèles sont bien des fois plus lents que ces chiffres, et l’avance que Parakeet conserve dépend du logiciel qui l’exécute. Nous ne l’avons pas mesuré nous-mêmes sur du matériel de bureau, donc nous ne publions aucun chiffre à ce sujet.
Parakeet est-il plus précis que Whisper ?
Sur les benchmarks anglais, oui. Parakeet v3 obtient en moyenne un taux d’erreur de mots de 7,04 % sur le jeu anglais actuel du leaderboard, contre 8,24 % pour Whisper large-v3 et 8,75 % pour turbo. Son prédécesseur réservé à l’anglais, Parakeet v2, fait encore un peu mieux, avec 6,93 %. Sur les longs enregistrements, l’écart se referme presque : 12,60 % pour Parakeet v3, 12,82 % pour turbo, 13,10 % pour large-v3.
Trois réserves remettent ces chiffres en proportion :
- Le leaderboard est surtout anglais. Son onglet multilingue teste huit langues. Parakeet v3 en couvre six et n’a aucun score pour le chinois ni l’hindi : il n’obtient donc aucune moyenne multilingue. Whisper large-v3 fait en moyenne 7,76 % sur les huit.
- Les benchmarks ne sont pas votre audio. Un écart d’un point de pourcentage représente environ un mot sur cent. Votre micro, vos accents, la musique et les voix qui se chevauchent font bouger le résultat bien plus que le classement des modèles.
- Les erreurs de Whisper sont bien documentées, celles de Parakeet moins. L’article d’OpenAI range parmi les défauts de Whisper le fait de « rester bloqué dans des boucles de répétition » et l’« hallucination complète, où le modèle produit une transcription sans aucun rapport avec l’audio réel ». Les fiches de modèle de NVIDIA ne disent rien sur l’hallucination, ni dans un sens ni dans l’autre ; elles publient plutôt des chiffres de bruit, avec un taux d’erreur en anglais qui passe de 6,34 % sur un audio propre à 11,66 % à 0 dB de rapport signal/bruit. Pourquoi Whisper hallucine présente les correctifs côté Whisper.
Pour les sous-titres, des écarts de précision aussi faibles comptent moins que les omissions. Un modèle qui saute une phrase coûte plus cher qu’un modèle qui écorche un nom : testez donc sur un extrait à vous et cherchez d’abord ce qui manque.
Quelles langues Parakeet v3 prend-il en charge ?
Vingt-cinq, toutes européennes : bulgare, croate, tchèque, danois, néerlandais, anglais, estonien, finnois, français, allemand, grec, hongrois, italien, letton, lituanien, maltais, polonais, portugais, roumain, russe, slovaque, slovène, espagnol, suédois et ukrainien. Il détecte laquelle est parlée sans qu’on le lui dise.
Tout le reste est hors de portée. Le turc, le japonais, le coréen, le chinois, l’arabe, l’hindi, le vietnamien, le thaï, l’indonésien et le persan font partie des langues que Parakeet v3 ne peut pas transcrire. NVIDIA publie bien un Parakeet distinct, uniquement japonais, d’une génération plus ancienne, mais aucun Parakeet multilingue ne couvre les langues asiatiques ni le turc.
Les 99 langues de Whisper ne se valent pas non plus. Sa précision varie beaucoup d’une langue à l’autre, comme le dit le README d’OpenAI, et les langues prises en charge par Whisper donne le taux d’erreur publié par OpenAI pour chacune. Mais un résultat faible dans votre langue reste une transcription que vous pouvez corriger, et l’absence totale de résultat n’en est pas une.
En novembre 2026, la page Hugging Face de NVIDIA ne liste aucun Parakeet v4. Ses versions 0.6B plus récentes sont un modèle anglais en streaming et une version multilingue de celui-ci qui couvre les mêmes 25 langues européennes.
Où exécuter Parakeet sous Windows et sur Mac ?
Parakeet vient de la boîte à outils NeMo de NVIDIA, un framework Python que sa fiche de modèle décrit comme optimisé pour les GPU NVIDIA, avec Linux comme système préféré. Peu de gens l’exécutent ainsi. Ces applications de bureau l’intègrent, d’après leurs propres pages :
- Vibe (Windows, Mac et Linux, gratuit et open source) exécute Whisper et Parakeet TDT v3 et exporte en SRT, en VTT et dans plusieurs formats de document.
- Subtitle Edit (Windows, Mac et Linux, gratuit) a ajouté des modèles Parakeet à sa fenêtre Speech to text dans la version 5.1, via le moteur CrispASR. Subtitle Edit avec Whisper présente cette fenêtre.
- MacWhisper (Mac) exécute Whisper et Parakeet sur Apple Silicon et exporte en SRT et en VTT. Les alternatives à MacWhisper pour Windows le comparent aux options Windows.
- MacParakeet (Apple Silicon, gratuit et open source) est bâti autour de Parakeet v3, exporte en SRT et en VTT, et dit clairement qu’il ne prend pas en charge le chinois, le japonais ni le coréen.
- parakeet-mlx est un outil en ligne de commande pour Apple Silicon qui écrit du SRT par défaut.
- Handy (Windows, Mac et Linux, gratuit) utilise Parakeet v3 pour la dictée plutôt que pour transcrire des fichiers.
Côté Whisper, le comparatif des interfaces Whisper recense sept applications de bureau et le moteur que chacune exécute.
Parakeet ou Whisper : lequel choisir pour les sous-titres ?
« Mes vidéos sont en anglais, ou dans une autre des 25 langues de Parakeet, et la vitesse compte. » Essayez Parakeet dans Vibe ou Subtitle Edit. Il est plus rapide et, sur les benchmarks anglais, un peu plus précis.
« Mes vidéos sont en turc, japonais, coréen, chinois, arabe ou hindi. » Utilisez Whisper. Parakeet ne transcrit pas du tout ces langues.
« Je travaille dans plusieurs langues, et toutes ne sont pas européennes. » Utilisez Whisper : un seul outil et un seul flux de travail couvrent chaque vidéo.
« Il me faut des sous-titres dans d’autres langues, pas seulement dans la langue parlée. » Aucun des deux modèles ne le fait bien seul. Transcrivez dans la langue parlée avec le modèle qui lui convient, corrigez la transcription, puis traduisez le texte.
« Je transcris de longs enregistrements. » L’un comme l’autre convient. Sur les tests longue durée du leaderboard, les trois modèles sont à moins d’un demi-point l’un de l’autre : choisissez donc selon la langue et la vitesse.
Pourquoi Sablate utilise Whisper et non Parakeet
Sablate transcrit avec faster-whisper sur votre propre ordinateur, et il ne propose pas Parakeet. La raison, ce sont les langues. Sablate est conçu pour qu’une seule transcription devienne des sous-titres dans de nombreuses langues, et la vidéo source peut être dans l’une des 100 langues, les 99 de Whisper plus le cantonais. Un modèle qui s’arrête à 25 langues européennes ne couvrirait pas les vidéos turques, japonaises et coréennes qu’on lui apporte.
Le compromis est réel, et c’est Parakeet qui l’emporte là où il s’applique. Sur un Mac, Sablate exécute Whisper sur le GPU d’Apple Silicon via whisper.cpp, mais pour l’anglais ou une langue européenne, MacWhisper ou MacParakeet, qui exécutent Parakeet, finiront quand même plus vite. Sous Windows, un GPU NVIDIA rend les modèles Whisper de Sablate environ cinq à dix fois plus rapides que le CPU, avec large-v3-turbo comme choix par défaut raisonnable.
Ce qui se passe après la transcription est ce qui distingue Sablate d’un transcripteur. Chaque traduction est une couche sur les mêmes minutages, hors ligne avec Argos ou avec votre propre clé DeepL, OpenAI ou Claude, et chaque langue garde son propre style et sa propre police. Exportez des fichiers .srt ou .vtt, un seul .mkv avec une piste par langue, ou un .mp4 aux sous-titres incrustés. La formule gratuite fait tourner les modèles Fast et Balanced ; Pro ajoute Accurate (large-v3-turbo) et Best (large-v3) pour $29 en une fois ou $5.99 par mois.
En résumé
Parakeet v3 est le modèle le plus rapide et, en anglais, le plus précis de peu. Whisper est celui qui comprend votre langue si elle ne fait pas partie des 25 de Parakeet. Pour une vidéo en anglais ou dans une langue européenne, essayez Parakeet dans une application gratuite comme Vibe ou Subtitle Edit. Pour tout le reste, ou pour des sous-titres qui finissent en plusieurs langues, restez sur Whisper, et appuyez-vous sur le comparatif des modèles Whisper pour choisir une taille.
Questions fréquentes
Parakeet est-il meilleur que Whisper ?
Pour l’anglais et les 25 langues européennes qu’il prend en charge, Parakeet TDT 0.6B v3 est plus rapide et obtient un taux d’erreur plus bas que Whisper large-v3 et turbo sur l’Open ASR Leaderboard. Pour toute autre langue, ce n’est pas une option, car il ne transcrit ni le turc, ni le japonais, ni le coréen, ni le chinois, ni l’arabe, ni l’hindi. Whisper couvre 99 langues.
De combien Parakeet est-il plus rapide que Whisper ?
Environ treize fois plus rapide que Whisper large-v3 et huit fois plus que turbo sur l’Open ASR Leaderboard, qui a mesuré à peu près 6 300 secondes d’audio par seconde de calcul pour Parakeet v3 sur un GPU de centre de données. Sur une carte graphique de bureau ou un portable, les valeurs absolues sont bien plus basses et dépendent du logiciel qui exécute chaque modèle.
Quelles langues Parakeet v3 prend-il en charge ?
Vingt-cinq langues européennes : bulgare, croate, tchèque, danois, néerlandais, anglais, estonien, finnois, français, allemand, grec, hongrois, italien, letton, lituanien, maltais, polonais, portugais, roumain, russe, slovaque, slovène, espagnol, suédois et ukrainien. Il détecte automatiquement laquelle est parlée. Parakeet v2, la version précédente, ne transcrit que l’anglais.
Parakeet peut-il transcrire le japonais, le chinois, le coréen ou le turc ?
Non. Aucune de ces langues ne figure dans la liste des 25 langues de Parakeet v3, pas plus que l’arabe ou l’hindi. NVIDIA a bien un modèle Parakeet distinct, uniquement japonais, d’une génération plus ancienne, mais aucun Parakeet multilingue ne couvre les langues asiatiques ni le turc. Pour celles-ci, Whisper large-v3 ou turbo est le choix local pratique.
Parakeet peut-il traduire la parole comme Whisper ?
Non. Parakeet ne fait que transcrire, dans la langue parlée. Whisper large-v3 peut traduire la parole vers l’anglais, alors que turbo ne le peut pas. Le modèle de NVIDIA pour la traduction vocale est Canary-1B-v2, qui traduit entre l’anglais et 24 langues européennes. Pour des sous-titres dans d’autres langues, traduire la transcription corrigée comme du texte donne de meilleurs résultats que l’un ou l’autre.