RedPanda Transcribe

Во сколько на самом деле обходится отказ от загрузки

Речевая модель, помещающаяся в браузер, меньше той, что работает на серверной стойке. Вот размер этого разрыва, измеренный на одном и том же аудио, для всех языков.

Язык
Загрузка
Время на 1 час аудио
Этот инструмент (в вашем браузере)
Whisper large-v3 (уровень облака)
Лучший опубликованный результат
английский
Загрузка110 MB
Время на 1 час аудио≈ 3,0 мин
Этот инструмент (в вашем браузере)6,90 %
Whisper large-v3 (уровень облака)3,76 %
Лучший опубликованный результат3,3 %Mistral Voxtral Mini Transcribe V2
итальянский
Загрузка111 MB
Время на 1 час аудио≈ 3,1 мин
Этот инструмент (в вашем браузере)3,14 %
Whisper large-v3 (уровень облака)2,45 %
Лучший опубликованный результат1,3 %ElevenLabs Scribe v1
немецкий
Загрузка109 MB
Время на 1 час аудио≈ 3,3 мин
Этот инструмент (в вашем браузере)10,05 %
Whisper large-v3 (уровень облака)2,88 %
Лучший опубликованный результат2,7 %ElevenLabs Scribe v1
испанский
Загрузка112 MB
Время на 1 час аудио≈ 3,2 мин
Этот инструмент (в вашем браузере)2,81 %
Whisper large-v3 (уровень облака)1,42 %
Лучший опубликованный результат2,0 %ElevenLabs Scribe v1
французский
Загрузка112 MB
Время на 1 час аудио≈ 3,0 мин
Этот инструмент (в вашем браузере)8,32 %
Whisper large-v3 (уровень облака)4,32 %
Лучший опубликованный результат3,1 %ElevenLabs Scribe v1
нидерландский
Загрузка112 MB
Время на 1 час аудио≈ 3,3 мин
Этот инструмент (в вашем браузере)10,01 %
Whisper large-v3 (уровень облака)4,61 %
Лучший опубликованный результат3,4 %ElevenLabs Scribe v1
португальский
Загрузка111 MB
Время на 1 час аудио≈ 3,2 мин
Этот инструмент (в вашем браузере)4,99 %
Whisper large-v3 (уровень облака)3,13 %
Лучший опубликованный результат2,3 %ElevenLabs Scribe v1
турецкий
Загрузка110 MB
Время на 1 час аудио≈ 3,1 мин
Этот инструмент (в вашем браузере)6,81 %
Whisper large-v3 (уровень облака)5,62 %
Лучший опубликованный результат3,8 %ElevenLabs Scribe v1
шведский
Загрузка112 MB
Время на 1 час аудио≈ 3,2 мин
Этот инструмент (в вашем браузере)8,71 %
Whisper large-v3 (уровень облака)6,28 %
Лучший опубликованный результат3,4 %ElevenLabs Scribe v1
русский
Загрузка22 MB
Время на 1 час аудио≈ 1,4 мин
Этот инструмент (в вашем браузере)9,55 %
Whisper large-v3 (уровень облака)3,78 %
Лучший опубликованный результат3,1 %ElevenLabs Scribe v1

доля ошибок по словам, меньше — лучше · FLEURS test · n = 111–120 · 2026-09-26

Как это измерялось

Обеим системам дали одни и те же 150 предложений на язык из тестового набора FLEURS от Google, на одной машине, с одинаковой нормализацией: регистр и пунктуация не учитываются. Предложение исключается целиком, если эталонный текст или вывод любой из систем содержит цифры — «1940» и «тысяча девятьсот сорок» одинаково верны, и нет единого правила, которое нормализует это сразу для всех языков. Исключаются одни и те же предложения для обеих систем, и это расширяет разрыв, а не сужает его. Эталонная система — Whisper large-v3, модель, которую запускает большинство бесплатных онлайн-сервисов, в квантизации q5_0. Многие бесплатные сервисы на деле используют вариант Whisper поменьше, так что показанный здесь разрыв — максимальный из ожидаемых.

Чего эти числа не говорят

FLEURS — это начитанная речь, записанная в тишине, поэтому обе колонки оптимистичны по сравнению с реальной записью совещания. Смотрите на разрыв между колонками, а не на абсолютные значения. Кроме того, в FLEURS есть только латиноамериканский испанский и бразильский португальский, поэтому европейские варианты этих двух языков отдельно не измерялись.

Последний столбец — самая низкая доля ошибок по словам, опубликованная для каждого языка на FLEURS разработчиками системы или в научной статье; мы её не измеряли. Эти цифры получены на полном тестовом наборе и с более строгим подсчётом, чем наш: тот же Whisper large-v3 здесь даёт 2,9 % на немецком, а опубликовано 4,5–4,9 %. В равных условиях отрыв лучших облачных систем немного больше, чем показывают эти столбцы.

ElevenLabs Scribe v1 (self-reported) · Mistral Voxtral Mini Transcribe V2 (Voxtral Realtime paper, Table 7) · Whisper large-v3 (OpenAI, large-v3 release) · NVIDIA Canary-1B-v2 (Canary-1B-v2 paper, Table 11)

Измерено на этой странице в Chrome на Apple M2 (8 cores), с 3 распознавателями параллельно, как сайт делает по умолчанию: примерно в 20 раз быстрее реального времени. Компьютеры с меньшим числом ядер, телефоны и вкладки в фоне работают медленнее.