Como recientemente me referí mientras nos susurramos y sigo siendo un buen modelo de Transript, Sonpay de él. Dijo: el hecho de que la nueva manzana de Apple es la manzana enojada que la ira más rápido. Pero como determinado ¿eso? Lo hemos probado.
Orgullo completo: piense en este mensaje de Prakash Prakash Pucracy que realizó sus pruebas. Cuando lo explica:
He grabado 15 ejemplos de audio en inglés, grabado al azar de 15 segundos a 2 minutos. Y contra estos 3 para referirse al texto.
- Aplicaciones de trasplano de Apple Apple
- Senior V3 Turbo
- Once escrituras de laboratorio v1
No incluyo los resultados aquí, de lo contrario no tienes razón Su posición interesante y revísalo por ti mismo.
Pero agregó esto de su metodología. «Soy una palabra de inglés. Por lo tanto, los resultados pueden ser ligeramente diferentes para los demás» y escapar de sus pruebas aún podría obtener programas rápidos allí.
Como lo hice
Como no estoy en inglés, decidí usar 9to5mac todos los días Muchos 7:31 fueron muy largos.
Solía usar Macwhiser Para trabajar el V3 Turbo Turbo y Turbo Turbo y Nvidia V2. Para la API del discurso de Apple, he usado mucho en línea Mamá Proyecto. Los tomaré en M2 Pro MacBook Pro Mo Pro Ram con 16 GB.
Para reducir el nivel real de caracteres reales (CI) y el error de las palabras (por ejemplo, wer) Times: CERy Métrica: Wer.
Ambos métodos explican sus métodos en las páginas relevantes, por lo que no iré aquí. Es importante que todos los modelos se evalúen utilizando la misma manera que es consistente con una base secuencial y las tendencias comunes siguen siendo reacias, incluso si las tendencias exactas son diferentes.
Como lo hicieron
| Muestra | Tiempo de transporte | La tasa de error del personaje | Tasa de error de contraseña |
| Paráctica V2 V2 | 2 segundos | 5.8% | 12.3% |
| Grand Picpe V3 Turbo | 40 segundos | 0.2% | 1.5% |
| manzana | 9 segundos | 1.9% | 10.3% |
Tome unas pequeñas cosas, decidí contar el Clatch, Claude y Hemini y Wer. Estos son los resultados, junto con una descripción independiente de la metodología:
Chatgpt (O4-Mini-High)
Citado (SeaAaeline «) y cada hipótesis (manzana, paraceta, susurros) se han estabilizado:
- Convertir todo el texto a un estado pequeño
- Eliminar toda puntuación (períodos, coma, extractos, etc.)
- Destruir cualquier espacio vacío que se ejecute a un espacio
- Nos garantiza comparar solo palabras (o síntomas), no formatear o capitalizar.
| Muestra | Tiempo de transporte | La tasa de error del personaje | Tasa de error de contraseña |
| Paráctica V2 V2 | 2 segundos | 6.0% | 12.3% |
| Grand Picpe V3 Turbo | 40 segundos | 0.4% | 1.4% |
| manzana | 9 segundos | 2.1% | 10.2% |
Almeja (soneto 4)
Protocolo normal del texto: Antes de calcular el nivel de errores, todos los textos de las regulaciones estándar estándar para garantizar una comparación justa:
- El orden del uso de: Convertir a pequeño
- Estandarización de punción:
- Hinging (») hábitat a los apóstrofes correctos (‘)
- Configuración de la cita de la curva («») («)
- EM-Dashes (–) a Hypens (-)
- Espacio de la unidad: Cambiar múltiples conversaciones con intervalos únicos
- Empujar: Eliminar la lectura de wite
Explicación: Traté de usar Calue 4 Opaud, pero he cometido errores debido a la capacidad potencial al final de la antrópica.
| Muestra | Tiempo de transporte | La tasa de error del personaje | Tasa de error de contraseña |
| Paráctica V2 V2 | 2 segundos | 8.4% | 11.0% |
| Grand Picpe V3 Turbo | 40 segundos | 0.1% | 1.0% |
| manzana | 9 segundos | 3.5% | 8.2% |
Géminis (2.5 Pro)
Todos los textos (archivos primarios y hipotéticos) se han establecido para garantizar una comparación justa. Se incluyó el proceso normal:
- Convierta todo el texto en letras pequeñas.
- Eliminar toda puntuación (por ejemplo, ..,? «,», «
- Cambie las hipinges con espacios (por ejemplo, «fin».
| Muestra | Tiempo de transporte | La tasa de error del personaje | Tasa de error de contraseña |
| Paráctica V2 V2 | 2 segundos | 7.6% | 12.3% |
| Grand Picpe V3 Turbo | 40 segundos | 0.3% | 0.4% |
| manzana | 9 segundos | 3.4% | 5.3% |
¿Entonces es mejor?
Aquí hay una respuesta favorita de nadie: depende de ello.
Speely son tres más significativos, pero si trabajó en un proyecto sensible, puede ser más largo que nunca.
Pascure, por otro lado, es definitivamente mejor cuando los problemas de velocidad son más que precisamente más. Digamos que tiene un registro de conferencias de dos horas y solo necesita encontrar un segmento específico para encontrar un segmento específico. En este caso, puede ser una pequeña forma de acelerar.
Apple Model Land en el medio del camino, pero no de mala manera. Esto está más cerca de la tentación, pero ya controla directamente el camino. Es muy bueno para la primera grieta.
El juicio aún es susurrar, especialmente para trabajar las transcripciones que requieren cambios máximos. Pero el hecho de que funciona natural sin la confiabilidad de las acciones de terceros o instalación externa, especialmente a medida que el plúpico y el manzano manzana.
Ofertas adicionales en Amazon
FTC: Utilizamos el ingreso de enlaces atractivos. Más.
