Transcriber

مقارنة نماذج تحويل الكلام إلى نص: Whisper vs SenseVoice وParakeet وغيرها

قسنا النماذج الاثني عشر لتحويل الكلام إلى نص المتاحة في هذه الأداة على الصوت نفسه بـ 5 لغات. معدل الخطأ هو نسبة ما تعرّف عليه النموذج خطأً من النص المُفرَّغ، ووقت المعالجة تقدير للمدة التي تستغرقها ساعة واحدة من الصوت. إن لم تكن متأكدًا من النموذج الذي تختاره، فابدأ بـ «التوصيات حسب اللغة والجهاز».

تاريخ القياس: 29 أكتوبر 2026

التوصيات حسب اللغة والجهاز

اليابانية

على حاسوب يدعم WebGPU، يكون Haas-ja v1.0 ‏(710 MB) الأدق (معدل خطأ 5.2%). ويستغرق أيضًا نحو ثلث الوقت الذي يستغرقه SenseVoice Small. وهو النموذج الافتراضي في Chrome وEdge على هذه الحواسيب (باستثناء أجهزة Mac بشرائح Apple). على الهواتف والحواسيب التي لا تدعم WebGPU، اختر النموذج الافتراضي SenseVoice Small ‏(240 MB). دقته تقارب دقة Whisper Large v3 Turbo ‏(1.5 GB)، ويستغرق أقل من نصف الوقت.

الصينية والكورية

للصينية، النموذج الافتراضي SenseVoice Small أدق من أي نموذج Whisper. للكورية، على حاسوب يدعم WebGPU، يكون Whisper Large v3 Turbo (معدل خطأ 5.0%) وLarge v3 ‏(4.6%) أدق من SenseVoice Small ‏(7.9%). للغتين كلتيهما، يكون Qwen3-ASR 1.7B على حاسوب يدعم WebGPU بدقة SenseVoice Small أو أفضل.

الإنجليزية

على حاسوب يدعم WebGPU، يكون Whisper Large v3 Turbo (معدل خطأ 5.8%) أو Medium ‏(5.7%) دقيقًا بما يكفي. الأدق هو Qwen3-ASR 1.7B ‏(4.3%)، لكنه يُحمِّل نحو 5.2 GB في المرة الأولى ويستخدم نحو 5 GB من ذاكرة GPU. دقة Parakeet Ultra ‏(500 MB) تقارب دقة Large v3 Turbo ‏(5.7%)، ويستغرق نحو 1/7 من وقت معالجة Turbo. وهو النموذج الافتراضي على الحواسيب ذات الرسوميات المدمجة في Chrome أو Edge. على الهواتف، اختر SenseVoice Small ‏(9.0%).

الإسبانية والألمانية ولغات أخرى

للإسبانية والألمانية والفرنسية والإيطالية والبرتغالية والروسية والبولندية والهولندية والأوكرانية والمجرية والتشيكية وغيرها من اللغات الأوروبية، اختر Parakeet Ultra ‏(500 MB) على حاسوب يدعم WebGPU. معدل خطئه في الإسبانية 4.2%، أي ما يقارب Large v3 Turbo ‏(4.4%)، ويستغرق نحو 1/7 من وقت معالجة Turbo. وهو النموذج الافتراضي لهذه اللغات الإحدى عشرة ولليونانية على الحواسيب ذات الرسوميات المدمجة في Chrome أو Edge. لكن أخطاء Whisper Large v3 Turbo في اليونانية أقل، لذا اختر Turbo حين تكون الدقة هي الأهم (وهو النموذج الافتراضي على الحواسيب ذات GPU مستقلة). للغات الأخرى، اختر Whisper Large v3 Turbo على حاسوب يدعم WebGPU. على الهواتف والحواسيب التي لا تدعم WebGPU، اختر النموذج الافتراضي FastConformer ‏(175 MB) للإسبانية والفرنسية والإيطالية والألمانية. معدل خطئه في الإسبانية 9.2%، أعلى قليلًا من Whisper Small ‏(7.7%)، لكنه يستغرق نحو 1/15 من وقت معالجة Small. للغات الأخرى، اختر Whisper Small أو أكبر.

الهواتف

لليابانية والصينية والكورية والإنجليزية، اختر النموذج الافتراضي SenseVoice Small. للإسبانية والفرنسية والإيطالية والألمانية، اختر النموذج الافتراضي FastConformer. تشغّل الهواتف نسخة أخف (8 بت) من Whisper، لذا يتجاوز معدل خطأ Tiny في اليابانية 70%. للغات الأخرى، يكون Whisper Small الأدق، لكن المعالجة تستغرق مدة تقارب طول الصوت أو أطول. للصوت الطويل، يُعد Whisper Base خيارًا أيضًا.

WebGPU طريقة يستخدم بها المتصفح GPU في الحسابات. وهي متاحة في Chrome وEdge وغيرهما على الحاسوب.

فتح أداة التفريغ

مقارنة SenseVoice vs Whisper ‏(اليابانية والصينية والكورية والإنجليزية)

قارنّا SenseVoice Small بـ 4 نماذج من Whisper على الصوت المقروء نفسه (100 عبارة لكل لغة). يعمل SenseVoice Small على CPU في كل الأجهزة، بما فيها الهواتف. أما نتائج Whisper فمن حاسوب يدعم WebGPU.

معدل الخطأ (%) ووقت المعالجة وحجم التحميل لـ SenseVoice Small وWhisper
النموذجاليابانيةالإنجليزيةالكوريةالصينيةوقت معالجة ساعة من الصوتالتحميل في المرة الأولى
SenseVoice Small8.6‎%‎9.0‎%‎7.9‎%‎7.9‎%‎نحو 7 دقيقة〜240 MB
Whisper Small14.1‎%‎7.3‎%‎7.2‎%‎14.5‎%‎نحو 10 دقيقة〜925 MB
Whisper Medium8.7‎%‎5.7‎%‎5.7‎%‎9.8‎%‎نحو 19 دقيقة〜650 MB
Whisper Large v3 Turbo8.9‎%‎5.8‎%‎5.0‎%‎9.9‎%‎نحو 16 دقيقة〜1.5 GB
Whisper Large v36.9‎%‎5.6‎%‎4.6‎%‎11.5‎%‎نحو 23 دقيقة〜2.0 GB

لا يمكن اختيار SenseVoice Small للإسبانية وغيرها من اللغات الأوروبية في هذه الأداة، لذا نقارن 4 لغات فقط. وقت معالجة SenseVoice Small مقيس على CPU، ووقت Whisper على GPU. لقيم Whisper على الهواتف والحواسيب التي لا تدعم WebGPU، راجع الجدول في «على الهواتف والحواسيب التي لا تدعم WebGPU».

مقارنة Parakeet vs Whisper ‏(الإنجليزية والإسبانية)

نموذج Parakeet في هذه الأداة هو Parakeet Ultra، وهو نموذج نشرته moondream بالبنية والمفردات نفسها التي في Parakeet TDT 0.6B v3 من NVIDIA، وحوّلناه للعمل على WebGPU. يعمل فقط على الحواسيب التي تدعم WebGPU. القيم مقيسة على الصوت المقروء نفسه (100 عبارة لكل لغة)، ولا يتضمن هذا الجدول Parakeet TDT 0.6B v2 وv3 نفسيهما.

معدل الخطأ (%) ووقت المعالجة وحجم التحميل لـ Parakeet Ultra وWhisper
النموذجالإنجليزيةالإسبانيةوقت معالجة ساعة من الصوتالتحميل في المرة الأولى
Parakeet Ultra5.7‎%‎4.2‎%‎نحو 2 دقيقة〜500 MB
Whisper Base11.5‎%‎13.2‎%‎نحو 6 دقيقة〜280 MB
Whisper Small7.3‎%‎7.6‎%‎نحو 10 دقيقة〜925 MB
Whisper Medium5.7‎%‎5.3‎%‎نحو 19 دقيقة〜650 MB
Whisper Large v3 Turbo5.8‎%‎4.4‎%‎نحو 16 دقيقة〜1.5 GB
Whisper Large v35.6‎%‎6.2‎%‎نحو 23 دقيقة〜2.0 GB

اللغتان الوحيدتان المقيستان بالشروط نفسها في هذه الصفحة هما الإنجليزية والإسبانية. يدعم Parakeet Ultra أيضًا 23 لغة أوروبية أخرى.

معدلات الأخطاء حسب اللغة

معدل الخطأ هو نسبة ما يختلف من النص المُفرَّغ عن النص الصحيح. الأقل أدق. تُحسب اليابانية والصينية والكورية بالحرف، والإنجليزية والإسبانية بالكلمة. يُبرَز النموذج الأقل أخطاءً في كل لغة. يعرض الجدول النتائج على حاسوب يدعم WebGPU.

معدل الخطأ (%) حسب النموذج واللغة
النموذجاليابانيةالإنجليزيةالإسبانيةالكوريةالصينية
Haas-ja v1.05.2‎%‎————
SenseVoice Small8.6‎%‎9.0‎%‎—7.9‎%‎7.9‎%‎
Parakeet Ultra—5.7‎%‎4.2‎%‎——
FastConformer——9.2‎%‎——
Whisper Tiny44.4‎%‎16.0‎%‎21.1‎%‎20.4‎%‎30.1‎%‎
Whisper Base26.3‎%‎11.5‎%‎13.2‎%‎13.7‎%‎24.0‎%‎
Whisper Small14.1‎%‎7.3‎%‎7.6‎%‎7.2‎%‎14.5‎%‎
Whisper Medium8.7‎%‎5.7‎%‎5.3‎%‎5.7‎%‎9.8‎%‎
Whisper Large v3 Turbo8.9‎%‎5.8‎%‎4.4‎%‎5.0‎%‎9.9‎%‎
Whisper Large v36.9‎%‎5.6‎%‎6.2‎%‎4.6‎%‎11.5‎%‎
Qwen3-ASR 1.7B8.0‎%‎4.3‎%‎4.1‎%‎5.1‎%‎7.7‎%‎
Voxtral Mini 4B6.1‎%‎————

تعني «—» أن النموذج لا يمكن اختياره لتلك اللغة في هذه الأداة. هذه النتائج لكلام مقروء بصوت عالٍ، لذا تزيد أخطاء كل النماذج في التسجيلات المشوشة أو المحادثات بين عدة أشخاص.

وقت المعالجة وحجم التحميل

وقت المعالجة تقدير للمدة التي يستغرقها تفريغ ساعة واحدة من الصوت على حاسوب الاختبار لدينا (AMD Ryzen 7 8745H، ورسوميات Radeon 780M المدمجة). حجم التحميل هو ما يُحمَّل في المرة الأولى فقط، وبعدها يُستخدم النموذج المحفوظ في المتصفح.

وقت المعالجة وحجم التحميل والمتطلبات حسب النموذج
النموذجوقت معالجة ساعة من الصوتالتحميل في المرة الأولىالمتطلبات
Haas-ja v1.0نحو 2 دقيقة〜710 MBحاسوب يدعم WebGPU (يستخدم نحو 1 GB من ذاكرة GPU)
SenseVoice Smallنحو 7 دقيقة〜240 MBالحواسيب والهواتف (يعمل على CPU)
Parakeet Ultraنحو 2 دقيقة〜500 MBحاسوب يدعم WebGPU (يستخدم نحو 1.3 GB من ذاكرة GPU)
FastConformerنحو 3 دقيقة〜175 MBالحواسيب والهواتف (يعمل على CPU)
Whisper Tinyنحو 5 دقيقة〜145 MBالحواسيب والهواتف
Whisper Baseنحو 6 دقيقة〜280 MBالحواسيب والهواتف
Whisper Smallنحو 10 دقيقة〜925 MBالحواسيب والهواتف
Whisper Mediumنحو 19 دقيقة〜650 MBيُنصح بحاسوب يدعم WebGPU (على CPU تستغرق ساعة من الصوت عدة ساعات)
Whisper Large v3 Turboنحو 16 دقيقة〜1.5 GBيُنصح بحاسوب يدعم WebGPU مع GPU تدعم الفاصلة العائمة 16 بت (fp16) (من دونها يعمل على CPU ويستغرق عدة ساعات)
Whisper Large v3نحو 23 دقيقة〜2.0 GBحاسوب يدعم WebGPU مع GPU تدعم الفاصلة العائمة 16 بت (fp16)
Qwen3-ASR 1.7Bنحو 19 دقيقة〜5.2 GBحاسوب يدعم WebGPU (يستخدم نحو 5 GB من ذاكرة GPU)
Voxtral Mini 4Bنحو 50 دقيقة〜2.9 GBحاسوب يدعم WebGPU مع GPU تدعم الفاصلة العائمة 16 بت (fp16) (يستخدم نحو 5 GB من ذاكرة GPU، وتحتاج الرسوميات المدمجة إلى 16 GB من RAM أو أكثر)

يكون أسرع على الحواسيب ذات GPU مستقلة مثل GeForce، وأبطأ على الحواسيب القديمة. لا يستخدم SenseVoice Small وFastConformer وحدة GPU، بل يعملان على CPU.

على الهواتف والحواسيب التي لا تدعم WebGPU

على الهواتف والحواسيب التي لا تدعم WebGPU، تعمل نسخة أخف (8 بت) من Whisper على CPU. تكون معدلات الأخطاء أعلى منها على GPU الحاسوب، ويتراجع أداء Tiny خاصةً تراجعًا كبيرًا.

معدل الخطأ (%) ووقت المعالجة وحجم التحميل على CPU
النموذجاليابانيةالإنجليزيةالإسبانيةالكوريةالصينيةوقت معالجة ساعة من الصوتالتحميل في المرة الأولى
SenseVoice Small8.6‎%‎9.0‎%‎—7.9‎%‎7.9‎%‎نحو 7 دقيقة〜240 MB
FastConformer——9.2‎%‎——نحو 3 دقيقة〜175 MB
Whisper Tiny70.5‎%‎28.3‎%‎31.5‎%‎30.2‎%‎51.0‎%‎نحو 10 دقيقة〜40 MB
Whisper Base31.2‎%‎12.1‎%‎14.0‎%‎15.2‎%‎25.1‎%‎نحو 15 دقيقة〜75 MB
Whisper Small14.8‎%‎7.6‎%‎7.7‎%‎7.4‎%‎14.3‎%‎نحو 45 دقيقة〜240 MB

أوقات المعالجة مقيسة على معالج حاسوب الاختبار لدينا (خيط واحد). تستغرق الهواتف وقتًا أطول. يستغرق Whisper Medium وما فوقه عدة ساعات لساعة واحدة من الصوت على CPU.

ما تُظهره القياسات

طريقة القياس

الأسئلة الشائعة

هل النماذج الأكبر أدق؟

ليس دائمًا. في Whisper، تتحسن الدقة مع الحجم من Tiny إلى Medium، لكن Large v3 ارتكب أخطاء أكثر من Large v3 Turbo في الإسبانية والصينية. وفي اليابانية والصينية، تقارب دقة SenseVoice Small الصغير دقة Turbo.

أي نموذج أختار على الهاتف؟

لليابانية والصينية والكورية والإنجليزية، اختر SenseVoice Small، وللإسبانية والفرنسية والإيطالية والألمانية، اختر FastConformer. وكلاهما النموذج الافتراضي أيضًا. للغات الأخرى، يكون Whisper Small الأدق، لكنه بطيء، لذا يُعد Whisper Base خيارًا أيضًا للصوت الطويل. يرتكب Tiny أخطاء كثيرة ولا يُنصح به.

كيف يُختار النموذج الافتراضي؟

يُختار تلقائيًا بناءً على اللغة المحددة وقدرات الجهاز. لليابانية، هو Haas-ja v1.0 على حاسوب بذاكرة 4 GB أو أكثر يتوفر فيه WebGPU في Chrome أو Edge أو متصفح مشابه (باستثناء أجهزة Mac بشرائح Apple). لليابانية في غير ذلك، كالهواتف أو Safari وFirefox، وللصينية والكورية، هو SenseVoice Small. للإنجليزية والإسبانية والألمانية والفرنسية والإيطالية والبرتغالية والروسية والبولندية والهولندية والأوكرانية والمجرية والتشيكية واليونانية، هو Parakeet Ultra على حاسوب برسوميات مدمجة وذاكرة 4 GB أو أكثر يتوفر فيه WebGPU في Chrome أو Edge أو متصفح مشابه. على الهواتف والحواسيب التي لا تدعم WebGPU، هو FastConformer للإسبانية والفرنسية والإيطالية والألمانية (باستثناء الأجهزة قليلة الذاكرة). للإنجليزية على الأجهزة الأخرى وللغات الأخرى، يُختار أحد نماذج Whisper حسب GPU والذاكرة. للإنجليزية، الأجهزة التي كانت ستحصل على Whisper Base أو أصغر (مثل الهواتف، والحواسيب ذات الرسوميات المدمجة في Safari أو Firefox) تحصل على SenseVoice Small بدلًا منه.

هل سيكون معدل الخطأ نفسه في تسجيلات الاجتماعات؟

لا. تستخدم هذه القياسات كلامًا يقرؤه شخص واحد بصوت عالٍ، لذا تزيد أخطاء كل النماذج في التسجيلات المشوشة أو المحادثات بين عدة أشخاص. استخدمها دليلًا لمقارنة النماذج.

اختر نموذجًا وفرّغ الصوت

هذه الأداة مجانية ولا تتطلب تسجيلًا. تُعالَج الملفات الصوتية في متصفحك ولا تغادر جهازك أبدًا.

فتح أداة التفريغ