En ny modell kommer till Snabba Undertexter

Det kommer snart en uppdatering av Snabba Undertexter som lägger till OpenAIs Whisper-modell till appen som en valfri transkriptionsmodell. Varför, kanske du undrar? Tja, jag tycker att varje modell har sina egna fördelar. Apples modell är redan inbyggd i iOS/macOS, så det krävs ingen extra lagring, och den är mycket snabb och ganska exakt. NVIDIAs modell kräver en nedladdning, men är ännu snabbare och ibland lite mer exakt. OpenAIs modell kräver också en nedladdning, den är mycket långsammare, men den ger också bättre kvalitet i genomsnitt. Personligen tycker jag att Apples modell är en riktigt bra balans och jag gillar verkligen att jag kan paketera den i appen utan att behöva några tredjepartsberoenden eller externa nedladdningar. Det sagt, jag började känna att jag förlorade en konkurrensfördel genom att bara använda denna modell, och jag tror att det är bra att ge användarna fler alternativ i det här fallet. Som en snabb sidokommentar om Parakeet, om du använder den modellen idag och märker att appen ibland står på 0% en liten stund innan den skjuter genom resten, beror det på att Parakeet behöver "värma upp" innan den bearbetar ibland. Så om du just har startat appen för första gången på ett tag, kan den första filen ha en liten fördröjning. Jag arbetar på att hitta ett smart sätt att få denna uppvärmning att ske innan du faktiskt tillhandahåller en fil, men ingen tidslinje för det ännu. Prestanda Låt oss börja med att titta på prestandaskillnaden mellan modellerna, som påminnelse, alla körs 100% lokalt på din enhet. Dina ljudfiler laddas aldrig upp till någon molntjänst. Nedan är hur lång tid det tog att transkribera ett 38-minuters podcastavsnitt över varje modell på en M4 Pro MacBook Pro. När det gäller prestanda, ärligt talat, är alla tre av dessa anmärkningsvärda jämfört med vad som fanns tillgängligt för folk för fem år sedan, men uppenbarligen är Apple- och NVIDIA-modellerna i en helt annan klass än OpenAIs Whisper när det kommer till hastighet. Så varför i helvete skulle jag lägga till en modell som tar 12 gånger längre tid att bearbeta samma fil? Med ett ord: noggrannhet. Noggrannhet Här är vad varje modell levererade för introt i det senaste avsnittet av Comfort Zone: Apple Speech Analyzer Välkommen till Comfort Zone, en podcast som handlar om att pressa dina värdar. Tja, utanför deras komfortzon. Jag är Christopher Lolly, och som alltid är jag tillsammans med Matt Barcheler. Matt, hur mår du? Jag mår bra. Jag har lite kaffe med mig idag och jag är utmattad eftersom jag använde en manuell kvarn för första gången någonsin på detta, skulle inte rekommendera. Det tar en evighet. Det låter inte roligt. Men vi har också den triumferande återkomsten av Neelion. Leon, hur mår du? Hej. Jag har haft bättre. NVIDIA Parakeet TDT V3 Välkommen till Comfort Zone, en podcast som handlar om att pressa dina värdar, tja, utanför deras komfortzon. Jag är Christopher Lawley och som alltid är jag tillsammans med Matt Barchler. Matt, hur mår du? Jag mår bra.