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.
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.