Torna al blog

Parakeet vs Whisper: velocità, precisione e lingue

Parakeet vs Whisper: il modello NVIDIA è più veloce e vince i benchmark in inglese, ma copre 25 lingue europee, Whisper 99. Quale usare per i sottotitoli.

16 novembre 2026
Sablate Team

Parakeet vs Whisper si riduce a una domanda: in che lingua è il tuo video. Parakeet TDT 0.6B v3 di NVIDIA è molto più veloce di Whisper e, nei test in inglese della Open ASR Leaderboard, più preciso di Whisper large-v3 e turbo. Ma copre 25 lingue europee, mentre Whisper ne copre 99. Fuori da quelle 25, tra cui turco, giapponese, coreano, cinese, arabo e hindi, Parakeet non è un'opzione.

Questo rende la scelta più semplice di quanto suggeriscano i grafici dei benchmark. Ecco i numeri dalle model card di NVIDIA e di OpenAI e dalla leaderboard, il motivo per cui Parakeet è così veloce, dove Whisper vince ancora e quali app desktop eseguono ciascuno dei due.

Parakeet vs Whisper a confronto

Dati verificati il 16 novembre 2026 sulle model card di NVIDIA e di OpenAI e sulla Open ASR Leaderboard, aggiornata l'ultima volta il 13 novembre 2026. Il tasso di errore è la media del tasso di errore sulle parole in inglese della leaderboard; più è basso, meglio è. La velocità è il suo RTFx: secondi di audio trascritti per secondo di calcolo, su una singola NVIDIA H200.

CaratteristicaParakeet TDT 0.6B v3Whisper large-v3Whisper large-v3-turbo
Sviluppato daNVIDIAOpenAIOpenAI
Parametri600 M1.550 M809 M
Lingue25 europee9999
Tasso di errore in inglese (leaderboard)7,04%8,24%8,75%
Tasso di errore su registrazioni lunghe (leaderboard)12,60%13,10%12,82%
Velocità (RTFx)~6.320~470~810
Turco, giapponese, coreano, cinese, arabo, hindiNoSìSì
Traduzione vocaleNoIn ingleseNo
Timestamp per parolaSìSìSì
LicenzaCC-BY-4.0MITMIT

Due righe meritano un secondo sguardo. La riga delle lingue decide più di qualsiasi altra: un modello più veloce e più preciso non vale nulla se non riesce a capire la tua lingua. E la riga delle registrazioni lunghe, misurata su earnings call e interviste lunghe, mette tutti e tre a meno di mezzo punto di distanza. Il vantaggio di Parakeet è più netto sulle clip inglesi più brevi che compongono la maggior parte dei benchmark.

La model card di NVIDIA elenca inoltre punteggiatura e maiuscole automatiche, rilevamento automatico della lingua e audio fino a 24 minuti in un solo passaggio con full attention, oppure fino a tre ore con local attention. Whisper gestisce qualsiasi durata scorrendo l'audio in finestre da 30 secondi, come descrive il README di OpenAI.

Perché Parakeet è molto più veloce di Whisper?

I due modelli sono costruiti in modo diverso. Whisper è un transformer encoder-decoder: l'encoder ascolta 30 secondi di audio, e il decoder scrive poi il testo un token alla volta, ciascuno in attesa del precedente. È in questa seconda metà che se ne va la maggior parte del tempo, ed è per questo che large-v3-turbo, che mantiene l'encoder e riduce il decoder da 32 livelli a 4, è circa otto volte più veloce di large-v3.

Parakeet abbina un encoder FastConformer a un decoder TDT. TDT sta per Token-and-Duration Transducer: a ogni passo prevede il token successivo e quanti frame audio copre quel token, così può saltare i frame invece di visitarli tutti. I suoi autori hanno misurato un'inferenza fino a 2,82 volte più veloce rispetto a un transducer convenzionale solo grazie a questo. Meno lavoro per ogni secondo di audio significa più audio per secondo di calcolo.

Considera le cifre di velocità della leaderboard un rapporto, non una promessa. Vengono da una GPU da data center. Su una scheda RTX a casa, o su una CPU di un portatile, entrambi i modelli sono molte volte più lenti di quei numeri, e quanto Parakeet resti più veloce dipende dal software che lo esegue. Non l'abbiamo misurato noi su hardware desktop, quindi non pubblichiamo una cifra al riguardo.

Parakeet è più preciso di Whisper?

Nei benchmark in inglese, sì. Parakeet v3 ha in media un tasso di errore sulle parole del 7,04% sul set inglese attuale della leaderboard, contro l'8,24% di Whisper large-v3 e l'8,75% di turbo. Il suo predecessore solo inglese, Parakeet v2, fa ancora un po' meglio con il 6,93%. Sulle registrazioni lunghe il divario quasi si chiude: 12,60% per Parakeet v3, 12,82% per turbo, 13,10% per large-v3.

Tre avvertenze aiutano a mettere quei numeri in proporzione:

  • La leaderboard è per lo più in inglese. La sua scheda multilingue testa otto lingue. Parakeet v3 ne copre sei e non ha un punteggio per cinese o hindi, quindi non ottiene alcuna media multilingue. Whisper large-v3 ha una media del 7,76% sulle otto.
  • I benchmark non sono il tuo audio. Una differenza di un punto percentuale equivale a circa una parola su cento. Il tuo microfono, gli accenti, la musica e le voci sovrapposte spostano il risultato molto più della classifica dei modelli.
  • Gli errori di Whisper sono ben documentati, quelli di Parakeet meno. Il paper di OpenAI elenca per Whisper il «bloccarsi in loop di ripetizione» e la «allucinazione completa, in cui il modello produce una trascrizione del tutto estranea all'audio reale». Le model card di NVIDIA non dicono nulla sulle allucinazioni, né in un senso né nell'altro; pubblicano invece cifre sul rumore, con il tasso di errore in inglese che sale dal 6,34% su audio pulito all'11,66% a 0 dB di rapporto segnale-rumore. Perché Whisper allucina tratta i rimedi sul lato Whisper.

Per i sottotitoli, differenze di precisione così piccole contano meno delle omissioni. Un modello che salta una frase costa più di uno che sbaglia l'ortografia di un nome, quindi prova su una clip tua e cerca prima di tutto ciò che manca.

Quali lingue supporta Parakeet v3?

Venticinque, tutte europee: bulgaro, croato, ceco, danese, olandese, inglese, estone, finlandese, francese, tedesco, greco, ungherese, italiano, lettone, lituano, maltese, polacco, portoghese, rumeno, russo, slovacco, sloveno, spagnolo, svedese e ucraino. Rileva quale di esse viene parlata senza che tu glielo dica.

Tutto il resto è fuori portata. Turco, giapponese, coreano, cinese, arabo, hindi, vietnamita, thailandese, indonesiano e persiano sono tra le lingue che Parakeet v3 non può trascrivere. NVIDIA pubblica in effetti un Parakeet separato solo giapponese, di una generazione precedente, ma nessun Parakeet multilingue copre le lingue asiatiche o il turco.

Neanche le 99 lingue di Whisper sono tutte uguali. La sua precisione varia molto da una lingua all'altra, come dice il README di OpenAI, e le lingue supportate da Whisper elenca il tasso di errore indicato da OpenAI per ciascuna. Ma un risultato debole nella tua lingua è pur sempre una trascrizione che puoi correggere, mentre nessun risultato non lo è.

A novembre 2026 la pagina Hugging Face di NVIDIA non elenca alcun Parakeet v4. Le sue uscite 0.6B più recenti sono un modello in streaming solo inglese e una sua versione multilingue che copre le stesse 25 lingue europee.

Dove puoi eseguire Parakeet su Windows e Mac?

Parakeet nasce dal toolkit NeMo di NVIDIA, un framework Python che la sua model card descrive come ottimizzato per le GPU NVIDIA, con Linux come sistema preferito. Pochi lo eseguono in questo modo. Queste app desktop lo includono, secondo le loro stesse pagine:

  • Vibe (Windows, Mac e Linux, gratuito e open source) esegue Whisper e Parakeet TDT v3 ed esporta SRT, VTT e diversi formati di documento.
  • Subtitle Edit (Windows, Mac e Linux, gratuito) ha aggiunto i modelli Parakeet alla sua finestra Speech to text nella versione 5.1, tramite il motore CrispASR. Subtitle Edit con Whisper tratta quella finestra.
  • MacWhisper (Mac) esegue Whisper e Parakeet su Apple Silicon ed esporta SRT e VTT. Le alternative a MacWhisper per Windows lo confronta con le opzioni per Windows.
  • MacParakeet (Apple Silicon, gratuito e open source) è costruito attorno a Parakeet v3, esporta SRT e VTT e dice chiaramente di non supportare cinese, giapponese e coreano.
  • parakeet-mlx è uno strumento a riga di comando per Apple Silicon che scrive SRT per impostazione predefinita.
  • Handy (Windows, Mac e Linux, gratuito) usa Parakeet v3 per la dettatura, non per trascrivere file.

Per il lato Whisper, il confronto delle Whisper GUI elenca sette app desktop e il motore che ciascuna esegue.

Parakeet o Whisper: quale usare per i sottotitoli?

«I miei video sono in inglese, o in un'altra delle 25 lingue di Parakeet, e la velocità conta.» Prova Parakeet in Vibe o in Subtitle Edit. È più veloce e, nei benchmark in inglese, leggermente più preciso.

«I miei video sono in turco, giapponese, coreano, cinese, arabo o hindi.» Usa Whisper. Parakeet non trascrive affatto queste lingue.

«Lavoro in più lingue, e non tutte sono europee.» Usa Whisper, così un solo strumento e un solo flusso di lavoro coprono ogni video.

«Mi servono sottotitoli in altre lingue, non solo in quella parlata.» Nessuno dei due modelli lo fa bene da solo. Trascrivi nella lingua parlata con il modello più adatto, correggi la trascrizione, poi traduci il testo.

«Trascrivo registrazioni lunghe.» Vanno bene entrambi. Nei test sulle registrazioni lunghe della leaderboard i tre modelli sono a meno di mezzo punto di distanza, quindi scegli in base a lingua e velocità.

Perché Sablate usa Whisper e non Parakeet

Sablate trascrive con faster-whisper sul tuo computer e non offre Parakeet. Il motivo sono le lingue. Sablate è costruito attorno a un'unica trascrizione che diventa sottotitoli in molte lingue, e il video di partenza può essere in una qualsiasi delle 100 lingue, le 99 di Whisper più il cantonese. Un modello che si ferma a 25 lingue europee non coprirebbe i video in turco, giapponese e coreano che le persone gli portano.

Il compromesso è reale, e Parakeet lo vince dove si applica. Su Mac, Sablate esegue Whisper sulla GPU di Apple Silicon tramite whisper.cpp, ma per l'inglese o per una lingua europea MacWhisper o MacParakeet che eseguono Parakeet finiranno comunque prima. Su Windows, una GPU NVIDIA rende i modelli Whisper di Sablate circa da cinque a dieci volte più veloci della CPU, con large-v3-turbo come impostazione predefinita sensata.

Dove Sablate si distingue da un semplice trascrittore è in ciò che succede dopo la trascrizione. Ogni traduzione è un livello sulle stesse tempistiche, offline con Argos o con la tua chiave DeepL, OpenAI o Claude, e ogni lingua mantiene il proprio stile e il proprio font. Esporta file .srt o .vtt, un unico .mkv con una traccia per lingua, oppure un .mp4 con sottotitoli impressi. Il piano gratuito esegue i modelli Fast e Balanced; Pro aggiunge Accurate (large-v3-turbo) e Best (large-v3) a $29 una tantum oppure $5,99 al mese.

In breve

Parakeet v3 è il modello più veloce e, in inglese, leggermente più preciso. Whisper è il modello che capisce la tua lingua se non è una delle 25 di Parakeet. Per video in inglese o in una lingua europea, prova Parakeet in un'app gratuita come Vibe o Subtitle Edit. Per tutto il resto, o per sottotitoli che finiscono in più lingue, resta con Whisper e usa il confronto tra i modelli Whisper per scegliere una dimensione.

Domande frequenti

Parakeet è meglio di Whisper?

Per l'inglese e le 25 lingue europee che supporta, Parakeet TDT 0.6B v3 è più veloce e ottiene un tasso di errore più basso di Whisper large-v3 e turbo sulla Open ASR Leaderboard. Per qualsiasi altra lingua non è un'opzione, perché non trascrive turco, giapponese, coreano, cinese, arabo né hindi. Whisper ne copre 99.

Quanto è più veloce Parakeet di Whisper?

Circa tredici volte più veloce di Whisper large-v3 e otto volte più veloce di turbo sulla Open ASR Leaderboard, che ha misurato circa 6.300 secondi di audio per secondo di calcolo per Parakeet v3 su una GPU da data center. Su una scheda grafica desktop o su un portatile i numeri assoluti sono molto più bassi e dipendono dal software che esegue ciascun modello.

Quali lingue supporta Parakeet v3?

Venticinque lingue europee: bulgaro, croato, ceco, danese, olandese, inglese, estone, finlandese, francese, tedesco, greco, ungherese, italiano, lettone, lituano, maltese, polacco, portoghese, rumeno, russo, slovacco, sloveno, spagnolo, svedese e ucraino. Rileva da solo quale viene parlata. Parakeet v2, la versione precedente, trascrive solo l'inglese.

Parakeet può trascrivere giapponese, cinese, coreano o turco?

No. Nessuna di queste lingue è nell'elenco delle 25 di Parakeet v3, e lo stesso vale per arabo e hindi. NVIDIA ha un modello Parakeet separato solo giapponese, di una generazione precedente, ma nessun Parakeet multilingue copre le lingue asiatiche o il turco. Per queste, Whisper large-v3 o turbo è la scelta locale pratica.

Parakeet può tradurre il parlato come Whisper?

No. Parakeet si limita a trascrivere, nella lingua parlata. Whisper large-v3 può tradurre il parlato in inglese, mentre turbo no. Il modello di NVIDIA per la traduzione vocale è Canary-1B-v2, che traduce tra l'inglese e 24 lingue europee. Per sottotitoli in altre lingue, tradurre come testo la trascrizione corretta dà risultati migliori di entrambi.