Whisper ou Parakeet sur Mac : mesures sur Apple Silicon
Sur un Mac Apple Silicon, Parakeet Ultra a transcrit environ 7 fois plus vite que Whisper Large v3 Turbo, avec une précision égale ou meilleure en français, en anglais et en espagnol sur de la voix humaine à la longueur d'une dictée. Whisper reste le bon choix pour une langue que Parakeet ne couvre pas, et Large v3 Turbo a été le meilleur modèle Whisper de ce test.
Les chiffres viennent d'une seule série de mesures, le 25 octobre 2026, sur un Apple M5 Pro avec 48 Go de mémoire et macOS 27.0.1, avec exactement les moteurs et les fichiers de modèles de YappYapp 0.4.1.
Résultats sur de la voix humaine
Le tableau utilise des enregistrements humains découpés à la longueur d'une dictée (3,5 à 23 secondes, médiane 13), puisque c'est ce qu'une app de dictée transcrit. Le WER (taux d'erreur par mot) est la part de mots mal transcrits : plus il est bas, mieux c'est.
| Modèle | Moteur | Taille sur disque | Chargement | Facteur temps réel | WER anglais | WER français | WER espagnol |
|---|---|---|---|---|---|---|---|
| Parakeet Ultra (par défaut dans YappYapp) | FluidAudio 0.17.7, CoreML | 632 Mo | 0,12 s | 0,0035 (284x) | 0,5 % | 1,9 % | 1,3 % |
| Parakeet TDT v3 | FluidAudio 0.17.7, CoreML | 491 Mo | 0,11 s | 0,0034 (294x) | 0,5 % | 2,8 % | 2,6 % |
| Whisper Large v3 Turbo | whisper.cpp, Metal | 1 628 Mo | 0,58 s | 0,0245 (41x) | 0,5 % | 1,9 % | 2,0 % |
| Whisper Small | whisper.cpp, Metal | 504 Mo | 0,22 s | 0,0164 (61x) | 1,1 % | 13,0 % | 3,3 % |
| Whisper Base | whisper.cpp, Metal | 152 Mo | 0,10 s | 0,0087 (115x) | 2,1 % | 21,3 % | 11,1 % |
| Qwen3-ASR 0.6B | llama.cpp, Metal | 1 025 Mo | 0,52 s | 0,0224 (45x) | 0,5 % | 5,6 % | 5,9 % |
Le facteur temps réel est le temps de transcription divisé par la durée de l'audio : 0,0035 signifie qu'une minute d'audio prend environ 0,2 seconde. Pour un seul extrait de dictée, l'attente médiane a été de 0,08 s avec Parakeet Ultra et de 0,60 s avec Whisper Large v3 Turbo.
Les extraits humains sont des lectures de livres audio du domaine public, un lecteur par langue et 150 à 200 mots chacun : un mot vaut environ un demi-point. Un écart de 1 ou 2 points ne veut rien dire. Les vrais écarts sont ceux de Whisper Base et Small en français, et de Base en espagnol.
Ce que montrent les chiffres
- Parakeet est le plus rapide : 7 à 8 fois plus rapide que Whisper Large v3 Turbo, sur les extraits longs comme courts.
- Turbo égale Parakeet sur les extraits courts, dans la marge de bruit pour les trois langues.
- Les petits modèles Whisper peinent en français. Base s'est trompé sur environ un mot sur cinq, Small sur un sur huit.
- Qwen3-ASR est précis en anglais et quelques points derrière en français et en espagnol. Il est dans l'app pour d'autres langues, que ce test n'a pas couvertes.
Whisper et les enregistrements de plus de 30 secondes
Sur les extraits longs (38 à 79 secondes), les trois modèles Whisper, lancés avec les options par défaut de YappYapp, ont sauté ou déformé des phrases entières pendant ces mesures, apparemment autour des limites de 30 secondes de la fenêtre de décodage de Whisper. Sur l'extrait humain français de 204 mots, Large v3 Turbo a perdu 52 mots, Small 94 et Base 73. Parakeet et Qwen3-ASR n'ont pas eu ce comportement. La plupart des dictées durent moins de 30 secondes, mais si vous dictez de longs passages, c'est une raison de préférer Parakeet.
Mémoire
Le pic de mémoire de Whisper a été d'environ 0,5 Go pour Base, 1 Go pour Small et 2 Go pour Large v3 Turbo ; Qwen3-ASR 0.6B est monté entre 2 et 2,6 Go. Il n'y a pas de chiffre comparable pour Parakeet : CoreML exécute son encodeur sur le Neural Engine, dont la mémoire est tenue par des services de macOS hors du processus mesuré, et le test n'a pas pu la compter.
Les voix de synthèse flattent tous les modèles
Les extraits produits avec les voix say de macOS ont été transcrits presque parfaitement par tous les modèles, Whisper Base compris (0 à 4,9 % de WER). Ils ne départagent pas ces modèles, d'où la place donnée à la voix humaine. Une vraie dictée (hésitations, bruit, micro de portable) donnera plus d'erreurs.
Lequel choisir
- Parakeet Ultra pour le français, l'anglais, l'espagnol et la plupart des langues européennes. C'est le modèle par défaut de YappYapp, le plus rapide ici, avec une précision au niveau des meilleurs. Il couvre 25 langues, dont l'allemand, l'italien, le portugais, le néerlandais, le polonais, le russe et l'ukrainien, et détecte la langue tout seul. Parakeet TDT v3 a les mêmes langues et la même vitesse ; Ultra est un v3 réentraîné qui fait moins d'erreurs.
- Whisper Large v3 Turbo pour une langue que Parakeet ne couvre pas. Les modèles Whisper multilingues gèrent une centaine de langues. Évitez Base et Small pour le français, et Base pour l'espagnol.
- Qwen3-ASR pour le chinois, le japonais, le coréen, l'arabe, l'hindi et des langues proches. YappYapp 0.4.0 l'a ajouté pour ces langues (52 langues et dialectes), en 0.6B (environ 1 Go) et 1.7B (environ 2,5 Go). Indiquez à la configuration que vous parlez l'une d'elles et elle propose Qwen3-ASR.
Vous changez de modèle dans l'onglet MODÈLES ; le mode d'emploi montre où, et YappYapp est gratuit sur la page de téléchargement. Pour dicter sans connexion, lisez le guide de la dictée hors ligne. Vous comparez des apps plutôt que des modèles ? Voyez YappYapp face à Superwhisper.
Comment nous avons mesuré
- Matériel : Apple M5 Pro, 48 Go, macOS 27.0.1, en usage normal avec d'autres apps ouvertes.
- Moteurs et modèles : ceux que YappYapp 0.4.1 livre et épingle. FluidAudio 0.17.7 pour Parakeet (fiche du modèle NVIDIA), encodeur int8 ; whisper.
cpp au commit 7695a53 avec les options de l'app (détection de la langue, beam size 5) ; llama.cpp v0.6.0 pour Qwen3-ASR, cache de prompt désactivé pour que les passages répétés ne réutilisent rien. Sommes de contrôle vérifiées. - Extraits : six extraits longs (synthèse 38 à 39 s, voix humaine 72 à 79 s) pour la vitesse, et le même audio découpé en 24 extraits pour la précision et l'attente. L'anglais humain vient de LibriSpeech, le français et l'espagnol de Multilingual LibriSpeech.
- Temps : le chargement est la médiane de trois lancements, modèle en cache. Le premier chargement d'un modèle Parakeet tout juste installé a pris environ 12 à 13 s, le temps que macOS le compile pour le Neural Engine ; celui de Qwen 5,4 s. La vitesse est la médiane de trois passages à chaud.
Non mesurés : Whisper Large v3, Whisper Medium, Qwen3-ASR 1.7B, Parakeet TDT v2 et Parakeet 110M. La liste de MOTS de YappYapp, le nettoyage et l'insertion du texte n'ont pas été testés non plus : ce sont les chiffres bruts des moteurs.
FAQ
Quel est le meilleur modèle Whisper pour Mac ?
Dans ce test, Whisper Large v3 Turbo : il a égalé Parakeet sur les extraits courts, à 41 fois le temps réel. Base et Small étaient plus rapides mais bien moins précis en français.
Parakeet est-il meilleur que Whisper ?
Pour les langues qu'il couvre, il a été plus rapide et au moins aussi précis ici, et il n'a pas perdu de texte sur les longs enregistrements. Whisper couvre beaucoup plus de langues.
Ces modèles ont-ils besoin d'Internet ?
Non. Après le téléchargement initial du modèle, tous tournent sur votre Mac.