Назад к блогу

Parakeet vs Whisper: скорость, точность и языки в сравнении

Parakeet vs Whisper: модель NVIDIA быстрее и выигрывает на английских тестах, но покрывает 25 европейских языков против 99 у Whisper. Что выбрать для субтитров.

16 ноября 2026 г.
Sablate Team

Parakeet vs Whisper сводится к тому, на каком языке ваше видео. Parakeet TDT 0.6B v3 от NVIDIA заметно быстрее Whisper и на английских тестах Open ASR Leaderboard точнее, чем Whisper large-v3 и turbo. Но он покрывает 25 европейских языков, а Whisper — 99. За пределами этих 25, включая турецкий, японский, корейский, китайский, арабский и хинди, Parakeet не вариант.

Из-за этого выбор проще, чем кажется по графикам тестов. Ниже — цифры из карточек моделей NVIDIA и OpenAI и с самого лидерборда, причины, по которым Parakeet так быстр, случаи, где Whisper всё равно выигрывает, и десктопные приложения, которые запускают каждую из моделей.

Parakeet и Whisper бок о бок

Цифры проверены 16 ноября 2026 года по карточкам моделей NVIDIA и OpenAI и по Open ASR Leaderboard, обновлённому 13 ноября 2026 года. Доля ошибок — это средняя доля ошибочных слов (WER) на английском по лидерборду; чем меньше, тем лучше. Скорость — его показатель RTFx: сколько секунд аудио расшифровывается за секунду вычислений на одном NVIDIA H200.

ХарактеристикаParakeet TDT 0.6B v3Whisper large-v3Whisper large-v3-turbo
РазработчикNVIDIAOpenAIOpenAI
Параметры600 млн1550 млн809 млн
Языки25 европейских9999
Доля ошибок на английском (лидерборд)7,04%8,24%8,75%
Доля ошибок на длинных записях (лидерборд)12,60%13,10%12,82%
Скорость (RTFx)~6320~470~810
Турецкий, японский, корейский, китайский, арабский, хиндиНетДаДа
Перевод речиНетНа английскийНет
Тайм-коды словДаДаДа
ЛицензияCC-BY-4.0MITMIT

Две строки заслуживают второго взгляда. Строка с языками решает больше любой другой: быстрая и точная модель ничего не стоит, если не слышит ваш язык. А строка про длинные записи, измеренная на звонках с инвесторами по итогам отчётности и на длинных интервью, ставит все три модели в пределах половины процентного пункта друг от друга. Преимущество Parakeet заметнее всего на коротких английских клипах, из которых состоит большинство тестов.

Карточка модели NVIDIA также называет автоматическую пунктуацию и расстановку заглавных букв, автоматическое определение языка и аудио длиной до 24 минут за один проход с полным вниманием или до трёх часов с локальным вниманием. Whisper обрабатывает запись любой длины, двигаясь по аудио 30-секундными окнами, как описано в README OpenAI.

Почему Parakeet намного быстрее Whisper?

Эти две модели устроены по-разному. Whisper — трансформер с энкодером и декодером: энкодер «слушает» 30 секунд аудио, а декодер затем пишет текст по одному токену, и каждый токен ждёт предыдущий. Именно на этой второй половине уходит большая часть времени, поэтому large-v3-turbo, у которого энкодер сохранён, а декодер урезан с 32 слоёв до 4, работает примерно в восемь раз быстрее large-v3.

Parakeet сочетает энкодер FastConformer с декодером TDT. TDT расшифровывается как Token-and-Duration Transducer: на каждом шаге он предсказывает следующий токен и то, сколько аудиокадров этот токен занимает, поэтому может перепрыгивать через кадры, а не посещать каждый. Только за счёт этого, по измерениям его авторов, вывод получается до 2,82 раза быстрее, чем у обычного трансдьюсера. Меньше работы на секунду аудио — больше аудио за секунду вычислений.

Воспринимайте цифры скорости с лидерборда как соотношение, а не как обещание. Они получены на GPU для дата-центров. На видеокарте RTX дома или на процессоре ноутбука обе модели работают во много раз медленнее этих цифр, а насколько Parakeet остаётся быстрее, зависит от программы, в которой он запущен. Мы сами не измеряли его на десктопном оборудовании, поэтому цифру для этого случая не публикуем.

Точнее ли Parakeet, чем Whisper?

На английских тестах — да. Parakeet v3 в среднем даёт 7,04% ошибочных слов на текущем английском наборе лидерборда против 8,24% у Whisper large-v3 и 8,75% у turbo. Его предшественник Parakeet v2, рассчитанный только на английский, показывает результат ещё чуть лучше — 6,93%. На длинных записях разрыв почти исчезает: 12,60% у Parakeet v3, 12,82% у turbo, 13,10% у large-v3.

Три оговорки помогают не терять чувство меры:

  • Лидерборд в основном английский. Его многоязычная вкладка проверяет восемь языков. Parakeet v3 покрывает шесть из них и не имеет оценки для китайского и хинди, поэтому среднего многоязычного результата у него вообще нет. У Whisper large-v3 среднее по этим восьми — 7,76%.
  • Тесты — это не ваше аудио. Разница в один процентный пункт — это примерно одно слово из ста. Ваш микрофон, акценты, музыка и перекрывающиеся голоса влияют на результат гораздо сильнее, чем место модели в рейтинге.
  • Ошибки Whisper хорошо задокументированы, ошибки Parakeet — меньше. В собственной статье OpenAI у Whisper перечислены «застревание в циклах повторов» и «полная галлюцинация, когда модель выдаёт транскрипт, совершенно не связанный с реальным аудио». В карточках моделей NVIDIA о галлюцинациях нет ни слова в ту или иную сторону; вместо этого там опубликованы цифры по шуму: доля ошибок на английском растёт с 6,34% на чистом аудио до 11,66% при отношении сигнал/шум 0 дБ. Почему Whisper галлюцинирует разбирает исправления со стороны Whisper.

Для субтитров столь малая разница в точности значит меньше, чем пропуски. Модель, которая пропускает предложение, обходится дороже, чем та, что неверно пишет имя, поэтому проверьте её на своём клипе и первым делом ищите то, чего не хватает.

Какие языки поддерживает Parakeet v3?

Двадцать пять, все европейские: болгарский, хорватский, чешский, датский, нидерландский, английский, эстонский, финский, французский, немецкий, греческий, венгерский, итальянский, латышский, литовский, мальтийский, польский, португальский, румынский, русский, словацкий, словенский, испанский, шведский и украинский. Он определяет, какой из них звучит, без подсказки.

Всё остальное ему недоступно. Турецкий, японский, корейский, китайский, арабский, хинди, вьетнамский, тайский, индонезийский и персидский — среди языков, которые Parakeet v3 расшифровать не может. NVIDIA действительно публикует отдельный Parakeet только для японского, более старого поколения, но ни один многоязычный Parakeet не покрывает азиатские языки или турецкий.

Не все 99 языков Whisper равны между собой. Его точность сильно различается от языка к языку, как сказано в README OpenAI, а поддерживаемые языки Whisper перечисляют собственную долю ошибок OpenAI по каждому. Но слабый результат на вашем языке — это всё же расшифровка, которую можно исправить, а отсутствие результата — нет.

По состоянию на ноябрь 2026 года на странице NVIDIA в Hugging Face нет Parakeet v4. Её более новые релизы размера 0.6B — это потоковая модель для английского и её многоязычная версия, которая охватывает те же 25 европейских языков.

Где запустить Parakeet в Windows и на Mac?

Parakeet происходит из набора инструментов NVIDIA NeMo — фреймворка на Python, который, по описанию в его карточке модели, оптимизирован под GPU NVIDIA, а предпочтительной системой назван Linux. Так его запускают немногие. Эти десктопные приложения упаковывают его — по данным их собственных страниц:

  • Vibe (Windows, Mac и Linux, бесплатный, с открытым кодом) запускает Whisper и Parakeet TDT v3 и экспортирует SRT, VTT и несколько форматов документов.
  • Subtitle Edit (Windows, Mac и Linux, бесплатный) добавил модели Parakeet в окно Speech to text в версии 5.1 через движок CrispASR. Subtitle Edit с Whisper рассказывает об этом окне.
  • MacWhisper (Mac) запускает Whisper и Parakeet на Apple Silicon и экспортирует SRT и VTT. Аналоги MacWhisper для Windows сравнивают его с вариантами для Windows.
  • MacParakeet (Apple Silicon, бесплатный, с открытым кодом) построен вокруг Parakeet v3, экспортирует SRT и VTT и прямо говорит, что китайский, японский и корейский не поддерживает.
  • parakeet-mlx — консольный инструмент для Apple Silicon, который по умолчанию записывает SRT.
  • Handy (Windows, Mac и Linux, бесплатный) использует Parakeet v3 для диктовки, а не для расшифровки файлов.

Со стороны Whisper сравнение Whisper GUI перечисляет семь десктопных приложений и движок, на котором работает каждое.

Parakeet или Whisper: что выбрать для субтитров?

«Мои видео на английском или на другом из 25 языков Parakeet, и важна скорость». Попробуйте Parakeet в Vibe или Subtitle Edit. Он быстрее, а на английских тестах чуть точнее.

«Мои видео на турецком, японском, корейском, китайском, арабском или хинди». Берите Whisper. Parakeet эти языки не расшифровывает вовсе.

«Я работаю на нескольких языках, и не все они европейские». Берите Whisper: один инструмент и один процесс покроют любое видео.

«Мне нужны субтитры и на других языках, а не только на языке речи». Ни одна из моделей не делает этого хорошо сама по себе. Расшифруйте на языке речи той моделью, которая ему подходит, исправьте расшифровку, затем переведите текст.

«Я расшифровываю длинные записи». Подойдут обе. На длинных тестах лидерборда три модели расходятся не больше чем на полпункта, поэтому выбирайте по языку и скорости.

Почему Sablate работает на Whisper, а не на Parakeet

Sablate расшифровывает через faster-whisper на вашем компьютере, а Parakeet не предлагает. Причина — языки. Sablate построен вокруг того, что одна расшифровка превращается в субтитры на многих языках, а исходное видео может быть на любом из 100 языков: 99 языков Whisper плюс кантонский. Модель, которая заканчивается на 25 европейских языках, не покрыла бы турецкие, японские и корейские видео, которые приносят пользователи.

Компромисс реален, и там, где Parakeet применим, он выигрывает. На Mac Sablate запускает Whisper на GPU Apple Silicon через whisper.cpp, но для английского или европейского языка MacWhisper или MacParakeet с Parakeet всё равно справятся быстрее. В Windows GPU NVIDIA ускоряет модели Whisper в Sablate примерно в пять–десять раз по сравнению с CPU, а разумный выбор по умолчанию — large-v3-turbo.

От обычного транскрибатора Sablate отличается тем, что происходит после расшифровки. Каждый перевод — слой поверх тех же таймингов, офлайн через Argos или с вашим ключом DeepL, OpenAI или Claude, и у каждого языка остаются своё оформление и свой шрифт. Экспортируйте файлы .srt или .vtt, один .mkv с дорожкой на каждый язык либо .mp4 с вшитыми субтитрами. Бесплатный тариф запускает модели Fast и Balanced; Pro добавляет Accurate (large-v3-turbo) и Best (large-v3) за $29 разово или $5,99 в месяц.

Коротко

Parakeet v3 — более быстрая модель и, на английском, чуть более точная. Whisper — модель, которая понимает ваш язык, если он не входит в 25 языков Parakeet. Для видео на английском или европейских языках попробуйте Parakeet в бесплатном приложении вроде Vibe или Subtitle Edit. Для всего остального, а также для субтитров, которые в итоге окажутся на нескольких языках, оставайтесь с Whisper, а размер выберите по сравнению моделей Whisper.

Часто задаваемые вопросы

Parakeet лучше, чем Whisper?

Для английского и 25 поддерживаемых европейских языков Parakeet TDT 0.6B v3 быстрее и показывает меньшую долю ошибок, чем Whisper large-v3 и turbo, на Open ASR Leaderboard. Для любого другого языка он не подходит: турецкий, японский, корейский, китайский, арабский и хинди он не расшифровывает. Whisper охватывает 99 языков.

Насколько Parakeet быстрее Whisper?

Примерно в тринадцать раз быстрее Whisper large-v3 и в восемь раз быстрее turbo на Open ASR Leaderboard: там для Parakeet v3 измерили около 6300 секунд аудио за секунду вычислений на GPU для дата-центров. На десктопной видеокарте или ноутбуке абсолютные цифры гораздо ниже и зависят от программы, в которой запущена каждая модель.

Какие языки поддерживает Parakeet v3?

Двадцать пять европейских языков: болгарский, хорватский, чешский, датский, нидерландский, английский, эстонский, финский, французский, немецкий, греческий, венгерский, итальянский, латышский, литовский, мальтийский, польский, португальский, румынский, русский, словацкий, словенский, испанский, шведский и украинский. Он сам определяет, какой из них звучит. Parakeet v2, предыдущая версия, расшифровывает только английский.

Может ли Parakeet расшифровывать японский, китайский, корейский или турецкий?

Нет. Ни один из них не входит в список 25 языков Parakeet v3, как и арабский с хинди. У NVIDIA есть отдельная модель Parakeet только для японского, более старого поколения, но ни один многоязычный Parakeet не покрывает азиатские языки или турецкий. Для них практичный локальный выбор — Whisper large-v3 или turbo.

Умеет ли Parakeet переводить речь, как Whisper?

Нет. Parakeet только расшифровывает — на том языке, на котором говорят. Whisper large-v3 умеет переводить речь на английский, а turbo — нет. Модель NVIDIA для перевода речи — Canary-1B-v2, она переводит между английским и 24 европейскими языками. Для субтитров на других языках перевод исправленной расшифровки как текста даёт результат лучше, чем любая из двух.

Похожие статьи

11 сентября 2026 г.

Сравнение моделей Whisper для субтитров: tiny, small, turbo и large-v3

Сравнение моделей Whisper для субтитров: параметры, реальный размер загрузки и скорость tiny, small, turbo и large-v3 — и почему больше не всегда лучше.

Читать дальше
3 октября 2026 г.

Галлюцинации Whisper: почему он повторяет строки и выдумывает текст

Галлюцинации Whisper: почему он пишет «Thank you for watching» на тишине или зацикливает одну строку, чем обходится каждое исправление и как найти их в SRT.

Читать дальше
12 ноября 2026 г.

Whisper GUI: 7 десктопных программ для Windows и Mac (2026)

Whisper GUI запускает речевую модель OpenAI Whisper без терминала. Семь десктопных программ для Windows и Mac: установка, работа на GPU, редактор и экспорт.

Читать дальше
10 ноября 2026 г.

Whisper на русском: поддерживаемые языки и ошибки

Whisper поддерживает 100 языков, но не одинаково хорошо. Полный список, доля ошибок на русском и других языках по данным OpenAI и где turbo уступает large-v3.

Читать дальше