Quanto costa davvero non caricare nulla
Un modello vocale che sta in un browser è più piccolo di uno che gira su un rack di server. Ecco quanto vale quella differenza, misurata sullo stesso audio, per tutte e nove le lingue.
errore sulle parole, più basso è meglio · FLEURS test · n = 111–120 · 2026-09-26
Come è stato misurato
A entrambi i sistemi sono state date le stesse 150 frasi per lingua, prese dal test set FLEURS di Google, sulla stessa macchina, con la stessa normalizzazione: maiuscole e punteggiatura ignorate. Una frase viene esclusa del tutto se il testo di riferimento, o l’output di uno dei due sistemi, contiene cifre: «1940» e «millenovecentoquaranta» sono entrambi corretti e nessuna regola unica normalizza questo in nove lingue. Le frasi escluse sono le stesse per entrambi i sistemi, ed escluderle allarga il divario invece di ridurlo. Il sistema di riferimento è Whisper large-v3, il modello usato dalla maggior parte dei servizi di trascrizione online gratuiti, quantizzato a q5_0. Molti servizi gratuiti usano in realtà una variante più piccola di Whisper, quindi il divario mostrato qui è il massimo che dovresti aspettarti.
Che cosa questi numeri non dicono
FLEURS è parlato letto registrato in condizioni silenziose, quindi entrambe le colonne sono ottimistiche rispetto a una vera registrazione di riunione. Guarda la differenza tra le colonne, non i valori assoluti. FLEURS inoltre include solo spagnolo latinoamericano e portoghese brasiliano, quindi le varianti europee di queste due lingue non sono misurate separatamente.
La velocità è la frazione di tempo reale necessaria alla trascrizione: 0,20× significa che un’ora di registrazione richiede dodici minuti. Misurata su un portatile Apple con chip M; sulla tua macchina sarà diverso.