Whisper o Parakeet en Mac: medidos en Apple Silicon
En una Mac con Apple Silicon, Parakeet Ultra transcribió unas 7 veces más rápido que Whisper Large v3 Turbo y fue igual o más preciso en español, inglés y francés con voz humana del largo de un dictado. Whisper sigue siendo la opción para un idioma que Parakeet no cubre, y Large v3 Turbo fue el mejor modelo de Whisper en esta prueba.
Los números salen de una sola corrida, el 25 de octubre de 2026, en un Apple M5 Pro con 48 GB de memoria y macOS 27.0.1, con exactamente los motores y archivos de modelo de YappYapp 0.4.1.
Resultados con voz humana
La tabla usa grabaciones humanas cortadas al largo de un dictado (de 3.5 a 23 segundos, mediana de 13), porque eso es lo que transcribe una app de dictado. El WER (tasa de error por palabra) es la proporción de palabras mal transcritas: mientras más bajo, mejor.
| Modelo | Motor | Tamaño en disco | Carga | Factor de tiempo real | WER inglés | WER francés | WER español |
|---|---|---|---|---|---|---|---|
| Parakeet Ultra (predeterminado en YappYapp) | FluidAudio 0.17.7, CoreML | 632 MB | 0.12 s | 0.0035 (284x) | 0.5 % | 1.9 % | 1.3 % |
| Parakeet TDT v3 | FluidAudio 0.17.7, CoreML | 491 MB | 0.11 s | 0.0034 (294x) | 0.5 % | 2.8 % | 2.6 % |
| Whisper Large v3 Turbo | whisper.cpp, Metal | 1,628 MB | 0.58 s | 0.0245 (41x) | 0.5 % | 1.9 % | 2.0 % |
| Whisper Small | whisper.cpp, Metal | 504 MB | 0.22 s | 0.0164 (61x) | 1.1 % | 13.0 % | 3.3 % |
| Whisper Base | whisper.cpp, Metal | 152 MB | 0.10 s | 0.0087 (115x) | 2.1 % | 21.3 % | 11.1 % |
| Qwen3-ASR 0.6B | llama.cpp, Metal | 1,025 MB | 0.52 s | 0.0224 (45x) | 0.5 % | 5.6 % | 5.9 % |
El factor de tiempo real es el tiempo de transcripción dividido entre la duración del audio: 0.0035 quiere decir que un minuto de audio tarda unos 0.2 segundos. Con un solo clip de dictado, la espera mediana fue de 0.08 s con Parakeet Ultra y de 0.60 s con Whisper Large v3 Turbo.
Los clips humanos son lecturas de audiolibros de dominio público, un lector por idioma y de 150 a 200 palabras cada uno, así que una palabra vale como medio punto. Una diferencia de 1 o 2 puntos no significa nada. Las diferencias grandes son las de Whisper Base y Small en francés, y Base en español.
Lo que muestran los números
- Parakeet es el rápido: de 7 a 8 veces más rápido que Whisper Large v3 Turbo, en clips largos y cortos.
- Turbo empata con Parakeet en clips cortos, dentro del margen de ruido en los tres idiomas.
- Los modelos chicos de Whisper fallan en francés. Base se equivocó en más o menos una de cada cinco palabras, Small en una de cada ocho.
- Qwen3-ASR es preciso en inglés y queda unos puntos atrás en francés y español. Está en la app para otros idiomas, que esta prueba no cubrió.
Whisper y las grabaciones de más de 30 segundos
En los clips largos (de 38 a 79 segundos), los tres modelos de Whisper, con las opciones predeterminadas de YappYapp, se saltaron o deformaron oraciones completas en esta corrida, al parecer cerca de los límites de 30 segundos de la ventana de decodificación de Whisper. En el clip humano en francés de 204 palabras, Large v3 Turbo perdió 52 palabras, Small 94 y Base 73. Parakeet y Qwen3-ASR no lo hicieron. La mayoría de los dictados dura menos de 30 segundos, pero si dictas pasajes largos, es una razón para preferir Parakeet.
Memoria
El pico de memoria de Whisper fue de unos 0.5 GB con Base, 1 GB con Small y 2 GB con Large v3 Turbo; Qwen3-ASR 0.6B llegó a entre 2 y 2.6 GB. No hay una cifra comparable para Parakeet: CoreML ejecuta su codificador en el Neural Engine, cuya memoria la tienen servicios de macOS fuera del proceso medido, y la prueba no pudo contarla.
Las voces sintéticas favorecen a todos los modelos
Los clips hechos con las voces say de macOS los transcribieron casi perfecto todos los modelos, incluido Whisper Base (de 0 a 4.9 % de WER). No sirven para distinguir estos modelos, por eso esta página se basa en voz humana. Un dictado real (titubeos, ruido, micrófono de laptop) dará más errores.
Cuál elegir
- Parakeet Ultra para español, inglés, francés y la mayoría de los idiomas europeos. Es el modelo predeterminado de YappYapp, fue el más rápido aquí y tan preciso como los mejores. Cubre 25 idiomas, entre ellos alemán, italiano, portugués, neerlandés, polaco, ruso y ucraniano, y detecta el idioma solo. Parakeet TDT v3 tiene los mismos idiomas y velocidad; Ultra es un v3 reentrenado que comete menos errores.
- Whisper Large v3 Turbo para un idioma que Parakeet no cubre. Los modelos multilingües de Whisper manejan unos 100 idiomas. Evita Base y Small para francés, y Base para español.
- Qwen3-ASR para chino, japonés, coreano, árabe, hindi y similares. YappYapp 0.4.0 lo agregó para esos idiomas (52 idiomas y dialectos), en 0.6B (como 1 GB) y 1.7B (como 2.5 GB). Si en la configuración dices que hablas uno de ellos, te propone Qwen3-ASR.
El modelo se cambia en la pestaña MODELOS; la guía de uso te muestra dónde, y YappYapp es gratis en la página de descarga. Para dictar sin conexión, lee la guía de dictado sin internet. ¿Comparas apps y no modelos? Revisa YappYapp frente a Superwhisper.
Cómo medimos
- Equipo: Apple M5 Pro, 48 GB, macOS 27.0.1, en uso normal con otras apps abiertas, así que los tiempos son típicos y no de laboratorio.
- Motores y modelos: los que YappYapp 0.4.1 trae y fija. FluidAudio 0.17.7 para Parakeet (ficha del modelo de NVIDIA), codificador int8; whisper.
cpp en el commit 7695a53 con las opciones de la app (detección de idioma, beam size 5); llama.cpp v0.6.0 para Qwen3-ASR, con la caché de prompt apagada para que las corridas repetidas no reutilizaran nada. Sumas de verificación comprobadas. - Clips: seis clips largos (sintéticos de 38 a 39 s, humanos de 72 a 79 s) para la velocidad, y el mismo audio cortado en 24 clips para la precisión y la espera. El inglés humano viene de LibriSpeech; el francés y el español, de Multilingual LibriSpeech.
- Tiempos: la carga es la mediana de tres arranques con el modelo en caché. La primera carga de un modelo Parakeet recién instalado tardó unos 12 a 13 s mientras macOS lo compilaba para el Neural Engine; la de Qwen, 5.4 s. La velocidad es la mediana de tres corridas en caliente.
No medidos: Whisper Large v3, Whisper Medium, Qwen3-ASR 1.7B, Parakeet TDT v2 y Parakeet 110M. La lista de PALABRAS de YappYapp, la limpieza y la inserción del texto tampoco se probaron: son números en bruto de los motores.
Preguntas frecuentes
¿Cuál es el mejor modelo de Whisper para Mac?
En esta prueba, Whisper Large v3 Turbo: igualó a Parakeet en clips cortos, a 41 veces el tiempo real. Base y Small fueron más rápidos pero mucho menos precisos en francés.
¿Parakeet es mejor que Whisper?
Para los idiomas que cubre, aquí fue más rápido y al menos igual de preciso, y no perdió texto en grabaciones largas. Whisper cubre muchos más idiomas.
¿Estos modelos necesitan internet?
No. Después de la descarga inicial del modelo, todos corren en tu Mac.