Transcriber

Konuşmayı metne dönüştürme modelleri karşılaştırması: Whisper vs SenseVoice, Parakeet ve diğerleri

Bu araçta kullanılabilen 12 konuşmayı metne dönüştürme modelini 5 dilde aynı seslerle ölçtük. Hata oranı, dökümün yanlış tanınan kısmının oranıdır; işleme süresi ise 1 saatlik sesin ne kadar sürdüğüne dair bir tahmindir. Hangi modeli seçeceğinizden emin değilseniz “Dile ve cihaza göre öneriler” bölümünden başlayın.

Ölçüm tarihi: 29 Ekim 2026

Dile ve cihaza göre öneriler

Japonca

WebGPU destekli bir bilgisayarda en doğru model Haas-ja v1.0’dır (710 MB; %5,2 hata oranı). SenseVoice Small’un harcadığı sürenin de yaklaşık üçte birini harcar. Bu tür bilgisayarlarda Chrome ve Edge’de varsayılandır (Apple silikonlu Mac’ler hariç). Telefonlarda ve WebGPU’suz bilgisayarlarda varsayılan olan SenseVoice Small’u (240 MB) seçin. Whisper Large v3 Turbo (1,5 GB) kadar doğrudur ve onun yarısından az süre harcar.

Çince ve Korece

Çincede varsayılan SenseVoice Small, tüm Whisper modellerinden daha doğrudur. Korecede, WebGPU destekli bir bilgisayarda Whisper Large v3 Turbo (%5,0 hata oranı) ve Large v3 (%4,6), SenseVoice Small’dan (%7,9) daha doğrudur. Her iki dilde de WebGPU destekli bir bilgisayarda Qwen3-ASR 1.7B, SenseVoice Small kadar veya ondan daha doğrudur.

İngilizce

WebGPU destekli bir bilgisayarda Whisper Large v3 Turbo (%5,8 hata oranı) veya Medium (%5,7) yeterince doğrudur. En doğrusu Qwen3-ASR 1.7B’dir (%4,3), ancak ilk seferde yaklaşık 5,2 GB indirir ve yaklaşık 5 GB GPU belleği kullanır. Parakeet Ultra (500 MB) yaklaşık Large v3 Turbo kadar doğrudur (%5,7) ve Turbo’nun işleme süresinin yaklaşık 1/7’sini harcar. Chrome veya Edge’de tümleşik grafikli bilgisayarlarda varsayılandır. Telefonlarda SenseVoice Small’u (%9,0) seçin.

İspanyolca, Almanca ve diğer diller

İspanyolca, Almanca, Fransızca, İtalyanca, Portekizce, Rusça, Lehçe, Felemenkçe, Ukraynaca, Macarca, Çekçe ve diğer Avrupa dilleri için WebGPU destekli bir bilgisayarda Parakeet Ultra’yı (500 MB) seçin. İspanyolca hata oranı %4,2’dir; Large v3 Turbo (%4,4) ile hemen hemen aynıdır ve Turbo’nun işleme süresinin yaklaşık 1/7’sini harcar. Chrome veya Edge’de tümleşik grafikli bilgisayarlarda bu 11 dil ve Yunanca için varsayılandır. Ancak Yunancada Whisper Large v3 Turbo daha az hata yapar; bu nedenle doğruluk en önemliyse Turbo’yu seçin (harici GPU’lu bilgisayarlarda varsayılandır). Diğer diller için WebGPU destekli bir bilgisayarda Whisper Large v3 Turbo’yu seçin. Telefonlarda ve WebGPU’suz bilgisayarlarda İspanyolca, Fransızca, İtalyanca ve Almanca için varsayılan olan FastConformer’ı (175 MB) seçin. İspanyolca hata oranı %9,2 ile Whisper Small’dan (%7,7) biraz yüksektir, ancak Small’un işleme süresinin yaklaşık 1/15’ini harcar. Diğer diller için Whisper Small veya daha büyüğünü seçin.

Telefonlar

Japonca, Çince, Korece ve İngilizce için varsayılan olan SenseVoice Small’u seçin. İspanyolca, Fransızca, İtalyanca ve Almanca için varsayılan olan FastConformer’ı seçin. Telefonlarda Whisper’ın daha hafif (8 bit) bir sürümü çalıştığından Tiny’nin Japonca hata oranı %70’i aşar. Diğer diller için en doğrusu Whisper Small’dur, ancak işleme ses süresi kadar veya daha uzun sürer. Uzun sesler için Whisper Base de bir seçenektir.

WebGPU, tarayıcının hesaplama için GPU’yu kullanmasını sağlayan bir yöntemdir. Masaüstündeki Chrome, Edge ve diğer tarayıcılarda kullanılabilir.

Yazıya dökme aracını aç

SenseVoice vs Whisper (Japonca, Çince, Korece ve İngilizce)

SenseVoice Small’u 4 Whisper modeliyle aynı sesli okunan konuşma üzerinde (dil başına 100 ifade) karşılaştırdık. SenseVoice Small, telefonlar dahil tüm cihazlarda CPU’da çalışır. Whisper sonuçları WebGPU destekli bir bilgisayara aittir.

SenseVoice Small ve Whisper’ın hata oranı (%), işleme süresi ve indirme boyutu
ModelJaponcaİngilizceKoreceÇince1 saatlik ses için süreİlk indirme
SenseVoice Small%8,6%9,0%7,9%7,9yaklaşık 7 dk〜240 MB
Whisper Small%14,1%7,3%7,2%14,5yaklaşık 10 dk〜925 MB
Whisper Medium%8,7%5,7%5,7%9,8yaklaşık 19 dk〜650 MB
Whisper Large v3 Turbo%8,9%5,8%5,0%9,9yaklaşık 16 dk〜1.5 GB
Whisper Large v3%6,9%5,6%4,6%11,5yaklaşık 23 dk〜2.0 GB

Bu araçta SenseVoice Small, İspanyolca veya diğer Avrupa dilleri için seçilemediğinden yalnızca 4 dil karşılaştırıldı. SenseVoice Small’un işleme süresi CPU’da, Whisper’ınki GPU’da ölçüldü. Telefonlarda ve WebGPU’suz bilgisayarlardaki Whisper değerleri için “Telefonlarda ve WebGPU’suz bilgisayarlarda” bölümündeki tabloya bakın.

Parakeet vs Whisper (İngilizce ve İspanyolca)

Bu araçtaki Parakeet, Parakeet Ultra’dır: NVIDIA’nın Parakeet TDT 0.6B v3 modeliyle aynı mimariye ve kelime dağarcığına sahip olan, moondream’in yayımladığı ve bizim WebGPU için dönüştürdüğümüz bir model. Yalnızca WebGPU destekli bilgisayarlarda çalışır. Sonuçlar aynı sesli okunan konuşmaya (dil başına 100 ifade) aittir; Parakeet TDT 0.6B v2 ve v3’ün kendisi bu tabloya dahil değildir.

Parakeet Ultra ve Whisper’ın hata oranı (%), işleme süresi ve indirme boyutu
Modelİngilizceİspanyolca1 saatlik ses için süreİlk indirme
Parakeet Ultra%5,7%4,2yaklaşık 2 dk〜500 MB
Whisper Base%11,5%13,2yaklaşık 6 dk〜280 MB
Whisper Small%7,3%7,6yaklaşık 10 dk〜925 MB
Whisper Medium%5,7%5,3yaklaşık 19 dk〜650 MB
Whisper Large v3 Turbo%5,8%4,4yaklaşık 16 dk〜1.5 GB
Whisper Large v3%5,6%6,2yaklaşık 23 dk〜2.0 GB

Bu sayfada aynı koşullarda yalnızca İngilizce ve İspanyolca ölçüldü. Parakeet Ultra ayrıca 23 Avrupa dilini daha destekler.

Dillere göre hata oranları

Hata oranı, dökümün doğru metinden farklı olan kısmının oranıdır. Düşük olan daha doğrudur. Japonca, Çince ve Korece karakter başına, İngilizce ve İspanyolca kelime başına sayılır. Her dilde en az hata yapan model vurgulanmıştır. Tablo, WebGPU destekli bir bilgisayardaki sonuçları gösterir.

Modele ve dile göre hata oranı (%)
ModelJaponcaİngilizceİspanyolcaKoreceÇince
Haas-ja v1.0%5,2————
SenseVoice Small%8,6%9,0—%7,9%7,9
Parakeet Ultra—%5,7%4,2——
FastConformer——%9,2——
Whisper Tiny%44,4%16,0%21,1%20,4%30,1
Whisper Base%26,3%11,5%13,2%13,7%24,0
Whisper Small%14,1%7,3%7,6%7,2%14,5
Whisper Medium%8,7%5,7%5,3%5,7%9,8
Whisper Large v3 Turbo%8,9%5,8%4,4%5,0%9,9
Whisper Large v3%6,9%5,6%6,2%4,6%11,5
Qwen3-ASR 1.7B%8,0%4,3%4,1%5,1%7,7
Voxtral Mini 4B%6,1————

“—”, modelin bu araçta o dil için seçilemediği anlamına gelir. Bu sonuçlar sesli okunan konuşmaya aittir; gürültülü kayıtlarda veya birkaç kişinin konuştuğu sohbetlerde tüm modeller daha fazla hata yapar.

İşleme süresi ve indirme boyutu

İşleme süresi, test bilgisayarımızda (AMD Ryzen 7 8745H, Radeon 780M tümleşik grafik) 1 saatlik sesi yazıya dökmenin ne kadar sürdüğüne dair bir tahmindir. İndirme yalnızca ilk seferde yapılır; sonrasında tarayıcıda kayıtlı model kullanılır.

Modele göre işleme süresi, indirme boyutu ve gereksinimler
Model1 saatlik ses için süreİlk indirmeGereksinimler
Haas-ja v1.0yaklaşık 2 dk〜710 MBWebGPU destekli bilgisayar (yaklaşık 1 GB GPU belleği kullanır)
SenseVoice Smallyaklaşık 7 dk〜240 MBBilgisayarlar ve telefonlar (CPU’da çalışır)
Parakeet Ultrayaklaşık 2 dk〜500 MBWebGPU destekli bilgisayar (yaklaşık 1,3 GB GPU belleği kullanır)
FastConformeryaklaşık 3 dk〜175 MBBilgisayarlar ve telefonlar (CPU’da çalışır)
Whisper Tinyyaklaşık 5 dk〜145 MBBilgisayarlar ve telefonlar
Whisper Baseyaklaşık 6 dk〜280 MBBilgisayarlar ve telefonlar
Whisper Smallyaklaşık 10 dk〜925 MBBilgisayarlar ve telefonlar
Whisper Mediumyaklaşık 19 dk〜650 MBWebGPU destekli bilgisayar önerilir (CPU’da 1 saatlik ses birkaç saat sürer)
Whisper Large v3 Turboyaklaşık 16 dk〜1.5 GBWebGPU destekli ve 16 bit kayan noktayı (fp16) destekleyen GPU’lu bilgisayar önerilir (yoksa CPU’da çalışır ve birkaç saat sürer)
Whisper Large v3yaklaşık 23 dk〜2.0 GBWebGPU destekli ve 16 bit kayan noktayı (fp16) destekleyen GPU’lu bilgisayar
Qwen3-ASR 1.7Byaklaşık 19 dk〜5.2 GBWebGPU destekli bilgisayar (yaklaşık 5 GB GPU belleği kullanır)
Voxtral Mini 4Byaklaşık 50 dk〜2.9 GBWebGPU destekli ve 16 bit kayan noktayı (fp16) destekleyen GPU’lu bilgisayar (yaklaşık 5 GB GPU belleği kullanır; tümleşik grafikte 16 GB veya daha fazla RAM gerekir)

GeForce gibi harici GPU’lu bilgisayarlarda daha hızlı, eski bilgisayarlarda daha yavaştır. SenseVoice Small ve FastConformer GPU kullanmaz; CPU’da çalışır.

Telefonlarda ve WebGPU’suz bilgisayarlarda

Telefonlarda ve WebGPU’suz bilgisayarlarda Whisper’ın daha hafif (8 bit) bir sürümü CPU’da çalışır. Hata oranları bilgisayarın GPU’sundakinden yüksektir ve özellikle Tiny çok daha kötüleşir.

CPU’da hata oranı (%), işleme süresi ve indirme boyutu
ModelJaponcaİngilizceİspanyolcaKoreceÇince1 saatlik ses için süreİlk indirme
SenseVoice Small%8,6%9,0—%7,9%7,9yaklaşık 7 dk〜240 MB
FastConformer——%9,2——yaklaşık 3 dk〜175 MB
Whisper Tiny%70,5%28,3%31,5%30,2%51,0yaklaşık 10 dk〜40 MB
Whisper Base%31,2%12,1%14,0%15,2%25,1yaklaşık 15 dk〜75 MB
Whisper Small%14,8%7,6%7,7%7,4%14,3yaklaşık 45 dk〜240 MB

İşleme süreleri test bilgisayarımızın CPU’suna (1 iş parçacığı) aittir. Telefonlarda daha uzun sürer. Whisper Medium ve daha büyükleri CPU’da 1 saatlik ses için birkaç saat sürer.

Ölçümler ne gösteriyor

Nasıl ölçtük

Sık sorulan sorular

Büyük modeller daha mı doğrudur?

Her zaman değil. Whisper’da doğruluk Tiny’den Medium’a kadar boyutla artar, ancak Large v3 İspanyolca ve Çincede Large v3 Turbo’dan daha fazla hata yaptı. Japonca ve Çincede küçük SenseVoice Small, yaklaşık Turbo kadar doğrudur.

Telefonda hangi modeli seçmeliyim?

Japonca, Çince, Korece ve İngilizce için SenseVoice Small’u, İspanyolca, Fransızca, İtalyanca ve Almanca için FastConformer’ı seçin. İkisi de aynı zamanda varsayılandır. Diğer diller için en doğrusu Whisper Small’dur, ancak yavaş olduğundan uzun sesler için Whisper Base de bir seçenektir. Tiny çok hata yapar ve önerilmez.

Varsayılan model nasıl seçilir?

Seçilen dile ve cihazın yeteneklerine göre otomatik olarak seçilir. Japonca için, Chrome, Edge veya benzeri bir tarayıcıda WebGPU’nun kullanılabildiği, 4 GB veya daha fazla belleğe sahip bir bilgisayarda (Apple silikonlu Mac’ler hariç) Haas-ja v1.0’dır. Telefonlar veya Safari ve Firefox gibi diğer ortamlarda Japonca için ve Çince ile Korece için SenseVoice Small’dur. İngilizce, İspanyolca, Almanca, Fransızca, İtalyanca, Portekizce, Rusça, Lehçe, Felemenkçe, Ukraynaca, Macarca, Çekçe ve Yunanca için, Chrome, Edge veya benzeri bir tarayıcıda WebGPU’nun kullanılabildiği, tümleşik grafikli ve 4 GB veya daha fazla belleğe sahip bir bilgisayarda Parakeet Ultra’dır. Telefonlarda ve WebGPU’suz bilgisayarlarda İspanyolca, Fransızca, İtalyanca ve Almanca için FastConformer’dır (belleği az olan cihazlar hariç). Diğer cihazlarda İngilizce için ve diğer diller için GPU’ya ve belleğe göre Whisper modellerinden biri seçilir. İngilizcede, Whisper Base veya daha küçüğünü alacak cihazlar (telefonlar ve Safari ya da Firefox’ta tümleşik grafikli bilgisayarlar gibi) bunun yerine SenseVoice Small alır.

Toplantı kayıtlarında hata oranı aynı mı olur?

Hayır. Bu ölçümlerde tek bir kişinin sesli okuduğu konuşma kullanıldı; gürültülü kayıtlarda veya birkaç kişinin konuştuğu sohbetlerde tüm modeller daha fazla hata yapar. Modelleri karşılaştırmak için bir kılavuz olarak kullanın.

Bir model seçin ve yazıya dökün

Bu araç ücretsizdir ve üyelik gerektirmez. Ses dosyaları tarayıcınızda işlenir ve cihazınızdan hiç çıkmaz.

Yazıya dökme aracını aç