Apple SpeechAnalyzer完胜Whisper
Apple's new SpeechAnalyzer API, benchmarked against Whisper and its predecessor
我们刚刚完成了一场硬核测试，将Apple最新的SpeechAnalyzer API与Whisper系列模型及旧版SFSpeechRecognizer进行了直接对比。结果令人震惊：SpeechAnalyzer在LibriSpeech数据集上的准确率全面碾压Whisper Small，错误率低至2.12%，同时速度却快了约三倍。更讽刺的是，Apple自家的旧引擎SFSpeechRecognizer表现甚至不如40MB的Whisper Tiny。对于在Apple设备上开发应用的朋友，迁移到SpeechAnalyzer已是必选项，它不仅精准度大幅提升，还能输出带标点和大小写的文本。这次测试也意外帮我们揪出了产品中的一个严重Bug。
对于英语转录任务，在当前的iPhone或Mac上，Whisper自动成为首选准确性的日子已经结束了。
HN 评论区
63- 尽管 SpeechAnalyzer 在准确率和速度上完胜 Whisper，但 Whisper 凭借跨平台支持和 100+ 种语言覆盖，依然拥有更宽的生态护城河。
- 一位 iOS 开发者指出，SpeechAnalyzer 要求每种语言单独下载模型，这虽然减小了 App 体积，却给处理多语言混合音频带来了显著的开发障碍。
- 开发者实测发现，SpeechAnalyzer 支持流式处理（streaming），能实时显示识别结果，相比传统录音后批量转录的模式，带来了巨大的 UX 提升。
- 有观点反驳称，Whisper v3 在处理低质量输入（如监控背景音）时表现依然最强，尽管其更容易产生幻觉，这体现了不同场景下的性能权衡。
- 针对专业领域术语（如代码符号），现有工具仍难以精准识别，用户希望看到类似 LSP 的上下文集成，以区分专有名词和普通发音。