Whisper vs Parakeet TDT welk open model wint in 2026

Waar “Whisper” en “Parakeet” eigenlijk naar verwijzen

Dit zijn modelfamilies, geen producten. Beide worden uitgebracht onder permissieve licenties (Whisper onder MIT, Parakeet TDT onder CC-BY-4.0), wat betekent dat een applicatie de modelgewichten binnen een installer kan meeleveren en inferentie volledig offline kan draaien zonder een leverancier per minuut te betalen. Dat feit alleen al is ongebruikelijk in 2026 - de meeste spraakherkenning van commerciële kwaliteit vereist nog steeds een cloud-round-trip en een teller per seconde.

OpenAI’s Whisper werd uitgebracht in september 2022. Vijf modelgroottes (tiny / base / small / medium / large) waarbij de large-variant is getraind op 680.000 uur zwak-gesuperviseerde meertalige audio (volgens het originele Whisper-paper). De architectuur is een gewone Transformer encoder-decoder: mel-spectrogram-vensters van 32 seconden erin, byte-pair-tokenreeksen eruit. Vijf latere iteraties zijn uitgebracht: large-v2 (eind 2022), large-v3 (eind 2023), large-v3-turbo (eind 2024), en een reeks gedistilleerde varianten uit de open-source-community.

NVIDIA’s Parakeet TDT (Token-and-Duration Transducer) werd halverwege 2025 openbaar gemaakt. De vlaggenschipvariant is parakeet-tdt-0.6b-v3: 600 miljoen parameters, 25 ondersteunde talen waaronder de meeste grote Europese talen en Aziatische talen. De architectuur is FastConformer encoder + TDT decoder - fundamenteel anders dan Whisper’s autoregressieve decoder. NVIDIA publiceert ook RNN-T- en CTC-varianten van Parakeet; TDT is degene die is aangeslagen voor desktop-inferentie vanwege zijn latency-profiel.

Voor de doeleinden van dit artikel bedoelen we met “Whisper” de large-v3 / large-v3-turbo-lijn, aangezien dat degene zijn die in productie-dicteerapps worden gebruikt. Met “Parakeet” bedoelen we Parakeet TDT 0.6B v3.

Architectuur in één alinea

Whisper is autoregressief: de decoder produceert één token per keer, elk token geconditioneerd op alle voorgaande tokens. Dit is de standaard-transformeraanpak die door GPT-achtige taalmodellen wordt gebruikt. Het voordeel is dat het model willekeurig lange uitvoer kan produceren en context over het volledige audiovenster kan integreren. Het nadeel is dat de decodeertijd schaalt met de uitvoerlengte - een audioclip van 30 seconden die 100 woorden produceert duurt evenredig langer dan een die er 20 produceert.

Parakeet TDT is een transducer: de encoder draait één keer over de volledige audio en produceert een reeks akoestische embeddings, en de decoder emit teksttokens plus een duurvoorspelling voor elk token in één enkele doorloop. Dit lijkt structureel meer op een CTC-model dan op een taalmodel. Het voordeel is dat de inferentietijd in wezen vast is per audioseconde, ongeacht hoe dicht de spraak is - NVIDIA’s gepubliceerde cijfers claimen rond 50-100x real-time op een moderne CPU. Het nadeel is dat het model een korter effectief contextvenster heeft voor coherentie over zinnen heen.

Wanneer elk wint op nauwkeurigheid

Op schone Engelse audio zijn de twee modellen statistisch niet te onderscheiden in woordfoutpercentage. NVIDIA’s benchmarks op LibriSpeech plaatsen Parakeet TDT 0.6B op 2.6% WER op de clean-testset en 5.1% op de other-set. Whisper large-v3 zit in hetzelfde bereik (rond 2.0-2.5% clean, 4.0-5.0% other) afhankelijk van de build, volgens het Whisper-paper. Een gebruiker die in een stille kamer in een desktopapp dicteert kan niet zien welke engine draait.

Op Engels met accent of ruis heeft Whisper de voorsprong. Vijf jaar community-fine-tuning, fine-tunes voor specifieke domeinen (medisch, juridisch, varianten met accent), en de grotere varianten met 1.5B parameters geven Whisper een voorsprong. De Whisper-community heeft honderden afgeleide modellen op Hugging Face uitgebracht; de Parakeet-community heeft er tot dusver een handjevol uitgebracht. Als je audio consistent ruizig of accentrijk is, is Whisper’s ecosysteem nuttiger in 2026.

Op domeinvocabulaire is er een runtime-addertje dat het waard is om te kennen. Parakeet ondersteunt wel aangepast vocabulaire via NVIDIA’s NeMo-framework (word boosting, tot een paar honderd termen per stream of duizenden globaal), maar de lichtgewicht ONNX-runtimes die de meeste desktopapps meeleveren stellen die functie niet beschikbaar. Dus in de praktijk heeft een desktop-Parakeet-integratie vaak geen manier om het model je acroniemen, productnamen of jargon aan te leren - één ontwikkelaar die het in productie draaide merkte op dat het “Parakeet” zelf bleef transcriberen als “Parakit.” Whisper’s antwoord is anders maar ook indirect: je wisselt naar een domein-fine-tune. Hoe dan ook, voor gespecialiseerd vocabulaire is de gangbare oplossing in 2026 een lokale-LLM-naverwerkingsstap die termen na transcriptie corrigeert, ongeacht welke engine de tekst produceerde.

Op meertalige dekking ondersteunt Whisper 99 talen, Parakeet TDT v3 ondersteunt er 25. Whisper’s dekking is breder in aantal maar de lange staart (Vietnamees, Bengaals, Telugu) heeft zwakke kwaliteit. Parakeet’s 25 talen werden bewust afgebakend, maar de kwaliteit is niet uniform over die talen - het model publiceert een geaggregeerd 6.34% WER, en de resultaten per taal variëren. Voor de grootste Europese talen (Engels, Frans, Duits, Spaans) evenaart of verslaat Parakeet Whisper meestal; voor kleinere talen is de kloof breder. Eén team dat Parakeet v3 een maand in productie draaide rapporteerde dat Engels en Frans uitstekend werkten terwijl Nederlands merkbaar ruwer uitkwam, wat aansluit bij het beeld “bewust afgebakend maar ongelijkmatig getraind”. Voor talen met weinig hulpbronnen buiten de 25 is Whisper de enige keuze.

Op formattering heeft Parakeet een groot ingebouwd voordeel. Het model produceert interpunctie, hoofdlettergebruik en inverse tekstnormalisatie (het schrijven van “twintig vijftien” als “2015”) als onderdeel van zijn decodeeruitvoer. Whisper produceert dit alles alleen bij grote modelgroottes en heeft de neiging om interpunctie te laten vallen bij kortere clips. Om betrouwbare formattering uit Whisper te krijgen voegen productie-implementaties een aparte interpunctie-naverwerker toe - Silero TE is de gangbare keuze. Dat is één component minder in een op Parakeet gebaseerde pijplijn.

Wanneer elk wint op latency

Dit is waar de twee modellen echt uiteenlopen.

De inferentiekost van Whisper wordt gedomineerd door de encoder, die in ongeveer vaste tijd per venster van 30 seconden draait, ongeacht hoe dicht de spraak is. De decoderkost is evenredig aan het aantal uitvoertokens. End-to-end transcribeert een typische desktoplaptop die Whisper Small via whisper.cpp draait een clip van 10 seconden in 0.3 tot 1.5 seconden afhankelijk van GPU-beschikbaarheid. Een clip van 30 seconden is 0.7 tot 4 seconden. De afhankelijkheid van de uitvoerlengte is reëel maar zelden dominant.

Whisper large-v3-turbo verandert deze rekensom enigszins. Het is een gedistilleerde versie van large-v3 waarbij de meeste decoderlagen zijn verwijderd, dus het draait meerdere keren sneller dan gewoon large-v3 terwijl het de meeste nauwkeurigheid behoudt. Op een GPU maakt het large-model-Whisper interactief; op CPU helpt het maar evenaart het geen transducer. Turbo is de juiste keuze wanneer je Whisper’s dekking van 99 talen en de MIT-licentie wilt maar tegen hogere snelheid dan large-v3. Het verkleint de kloof met Parakeet zonder die op CPU te dichten.

De inferentiekost van Parakeet TDT wordt gedomineerd door de encoder-doorloop over de audio, waarbij de TDT-decoder in vergelijking in wezen gratis is. Gepubliceerde NVIDIA-cijfers en onafhankelijke benchmarks van derden plaatsen Parakeet TDT op 50-100x real-time op een moderne CPU voor Engels. Dezelfde hardware die Whisper Small via whisper.cpp draait zou op 2-5x realtime zitten op CPU.

Voor interactief dicteren - waar de gebruiker het resultaat binnen een seconde na het afmaken van een zin verwacht - telt het verschil het meest op alleen-CPU-hardware. Op een recente laptop zonder aparte GPU kan Whisper Small traag aanvoelen bij langere zinnen. Parakeet op dezelfde hardware landt ruim onder de seconde. Op machines met GPU zijn beide modellen snel genoeg dat de gebruiker ze als direct ervaart; het verschil is reëel in meting maar onzichtbaar in gebruik.

Er is ook een verhaal over opstartkosten. Whisper.cpp’s GPU-initialisatie op Vulkan kan 5 tot 30 seconden duren afhankelijk van de hardware en de driverstaat. Parakeet dat op ONNX Runtime CPU draait start binnen een seconde. Voor een app die een model lui mount bij eerste gebruik, is de waargenomen latency van de eerste opname betekenisvol beter met Parakeet op CPU dan met Whisper op GPU.

Wat dit betekent in ons eigen product

We leveren beide engines in dezelfde desktopapp, dus het latency-gesprek is een gesprek dat we elke release moeten voeren. Twee productie-observaties springen eruit, geformuleerd als patronen in plaats van cijfers waarvoor we gepubliceerde benchmarks hebben. Ten eerste, streaming-inferentie op een machine met GPU reduceert de wachttijd na stoppen op Whisper tot ruwweg een seconde of twee, zelfs voor lange dicteersessies - het grootste deel van de inferentie gebeurt tijdens de opname zelf, dus de gebruiker wacht alleen op het laatste gedeeltelijke stuk. Ten tweede, op alleen-CPU-hardware is de kloof tussen de twee engines groot genoeg om categorisch aan te voelen, niet incrementeel - Parakeet op CPU voelt consistent interactief aan bij langere dicteersessies waar Whisper Small op dezelfde hardware dat niet doet.

We publiceren opzettelijk nog geen wandkloktijd-vergelijkingstabellen voor de twee engines. Een reproduceerbare directe vergelijking vereist een vaste methodologie - hetzelfde audiovoorbeeld, dezelfde modelbuild, dezelfde hardware in een bekende staat - en die methodologie is iets dat we nog aan het afronden zijn. Wanneer we die van ons publiceren, komt die op een aparte methodologiepagina te staan waar dit artikel naar linkt.

Modelgrootte en wat in een installer past

Whisper wordt geleverd in vijf groottes:

• Tiny: 75 MB FP16, rond 39 MB gekwantiseerd Q5_1
• Base: 142 MB FP16, rond 74 MB gekwantiseerd
• Small: 466 MB FP16, rond 244 MB gekwantiseerd
• Medium: 1.5 GB FP16, rond 769 MB gekwantiseerd
• Large: 3 GB FP16, rond 1.5 GB gekwantiseerd

Parakeet TDT 0.6B v3 wordt geleverd op rond 640 MB in INT8 ONNX-formaat. NVIDIA publiceert ook een 1.1B-variant die ruwweg 1.2 GB ONNX is.

In de praktijk kan een desktopapplicatie-installer comfortabel Whisper Tiny of Base gebundeld meeleveren, en de gebruiker vragen om Whisper Small / Medium / Large bij eerste gebruik te downloaden. Parakeet zit qua grootte tussen Whisper Small en Medium, dus een gebundeld Parakeet-model is haalbaar maar duwt de installer op zichzelf al voorbij de 600 MB.

Licenties

Beide modellen zijn vriendelijk voor commercieel gebruik maar met verschillende naamsvermeldingsvereisten.

Whisper is MIT-gelicentieerd. Naamsvermelding is alleen vereist in brondistributies; binaire distributies kunnen de modelgewichten meeleveren zonder enige voor de gebruiker zichtbare vermelding. Dit is de meest permissieve optie van elk open spraakmodel van productiekwaliteit.

Parakeet TDT is CC-BY-4.0-gelicentieerd. Commercieel gebruik is expliciet toegestaan, maar naamsvermelding moet ergens verschijnen waar gebruikers die kunnen vinden - typisch een “Over”- / “Credits”-sectie die “Gebruikt NVIDIA Parakeet-TDT-0.6B-v3 (CC-BY-4.0)” vermeldt. Dit is niet bezwaarlijk, maar het is een stap die apps moeten zetten en die Whisper niet vereist.

Beide licenties staan toe om mee te leveren binnen betaalde commerciële software, fine-tuned varianten af te leiden, en abonnementen te verkopen op apps die de modellen gebruiken.

Meertalig verhaal in detail

Voor een applicatie die meerdere talen moet verwerken, hangt de keuze af van welke 25 talen Parakeet ondersteunt en welke andere ertoe doen.

De ondersteunde talen van Parakeet TDT v3 dekken de grote Europese set (Engels, Spaans, Frans, Duits, Italiaans, Portugees, Nederlands, Pools, Russisch, Oekraïens, Tsjechisch, Hongaars, Zweeds, Noors, Deens, Fins, Grieks, Roemeens, Kroatisch, Bulgaars, Catalaans, Baskisch) plus een handjevol Aziatische talen (Japans, Koreaans, Mandarijn) en enkele andere. De volledige lijst staat op de Parakeet Hugging Face model card.

Wat Parakeet niet ondersteunt: de meeste Zuid- en Zuidoost-Aziatische talen (Vietnamees, Thai, Hindi, Bengaals, Telugu, Tamil), de meeste Afrikaanse talen, de meeste Midden-Oosterse talen buiten het Arabisch.

Whisper ondersteunt al die plus 80 meer, zij het met significant zwakkere kwaliteit in de lange staart. Voor Vietnamees in het bijzonder produceert Whisper bruikbare uitvoer terwijl Parakeet helemaal niet zou draaien.

Een praktisch patroon in 2026 is om beide engines mee te leveren: Parakeet voor de 25 talen die het goed ondersteunt, Whisper als terugval voor de rest. Dit voegt installatiecomplexiteit toe maar geeft de beste kwaliteit per taal.

Productierealiteit - wat desktopapps echt doen

Op basis van wat publiekelijk zichtbaar is in 2026:

• SuperWhisper levert Whisper als de standaard voor lokale modus, met cloud-API’s als opt-in Pro.
• MacWhisper levert uitsluitend Whisper.
• Voibe levert Whisper.
• Wispr Flow is cloud-gebaseerd, draait geen van beide modellen op het apparaat.
• SnailText levert Whisper als standaard met Parakeet TDT beschikbaar als optie voor gebruikers die lagere latency op CPU en ingebouwde interpunctie willen.

Het patroon is dat Whisper nog steeds de standaardplek bezit omdat zijn ecosysteem volwassener is en zijn eigenaardigheden beter worden begrepen. Parakeet is de opkomende uitdager; het is werkelijk beter op sommige assen (latency op CPU, formattering, doorvoer) maar de community fine-tunes en tooling lopen nog achter.

Voor een nieuw project dat vandaag begint is de vraag ruwweg: heb je Whisper’s bredere taaldekking nodig of Parakeet’s lagere latency? De meeste teams kiezen Whisper voor de taaldekking en accepteren de latency-kost. Teams die specifiek optimaliseren voor Engels-eerst desktop-dicteren kiezen steeds vaker Parakeet.

Beslismatrix — welke engine voor welke use case

Als je een antwoord van één pagina wilt op “welke moet ik gebruiken?”, dan is deze matrix het. Elke rij is een echte productsituatie waarover we ontwikkelaars hebben zien vragen; de kolom rechts is het model dat we zouden kiezen als we het project vandaag zouden starten.

Situatie	Keuze	Waarom
Engels-only podcast- of transcript-app	Parakeet	Ingebouwde interpunctie + 50-100x real-time CPU = bedient lange bestanden zonder wachtrij
Meertalige vergadernotities (10-25 talen)	Parakeet	Betere kwaliteit per taal dan Whisper binnen de ondersteunde set
Meertalige app die Vietnamees / Hindi / Thai / enz. nodig heeft	Whisper	Enige keuze — Parakeet ondersteunt deze talen niet
Desktop-dicteren op alleen-CPU-laptops	Parakeet	Whisper Small op CPU is grenzend interactief; Parakeet landt onder de seconde
Desktop-dicteren op machines met GPU	Beide	Beide voelen direct aan in interactief gebruik; kies op taaldekking
Gereguleerde sector (medisch, juridisch) met domeinvocabulaire	Whisper	Bestaande fine-tunes voor medische / juridische terminologie; de Parakeet-community heeft er nog geen
Embedded / edge-apparaat (Raspberry Pi, mobiel)	Whisper	whisper.cpp heeft jaren embedded-afstemming; Parakeet ONNX is zwaarder
Voice coding (Cursor, Copilot, terminal)	Beide	Beide werken; Parakeet’s ingebouwde formattering is een kleine winst voor snake_case-stijl

Wanneer je voor Whisper kiest

Kies Whisper als je een van deze dingen nodig hebt, en alleen-CPU-latency acceptabel is.

• Talen buiten Parakeet’s 25. Vietnamees, Hindi, Bengaals, Thai, Tamil, de meeste Afrikaanse talen, de meeste Midden-Oosterse talen — Whisper is de enige realistische optie, ook al is de kwaliteit in de lange staart zwakker dan voor grote talen.
• Een community fine-tune die bij je domein past. Medisch, juridisch, Engels met accent, talen met weinig hulpbronnen — het Whisper Hugging Face-ecosysteem heeft honderden afgeleide modellen. Parakeet’s fine-tune-ecosysteem is nog klein.
• Maximaal permissieve licentie. MIT betekent geen naamsvermeldingsvereiste, geen verplichting tot vermelding in een “Over”-sectie. Voor sommige commerciële distributies telt dit.
• Embedded of edge-implementatie. whisper.cpp is jarenlang afgestemd om op Raspberry Pi, iOS en Android te draaien. Parakeet’s ONNX-pad is werkbaar maar minder beproefd in deze omgevingen.

Wanneer je voor Parakeet kiest

Kies Parakeet als je use case Engels-eerst is of gedekt wordt door zijn 25 talen, en CPU-latency ertoe doet.

• Aanhoudende CPU-inferentie. Het cijfer van 50-100x real-time op een moderne laptop-CPU is niet theoretisch — het maakt transcriptie van lange bestanden direct aanvoelend op een manier die Whisper Small simpelweg niet kan evenaren zonder GPU.
• Ingebouwde interpunctie en hoofdletters. Whisper laat bij kleine formaten interpunctie vallen; het Whisper-plus-Silero-TE-patroon werkt maar voegt een naverwerkingsstap toe. Parakeet emit interpunctie in dezelfde decodeerdoorloop.
• Engelse nauwkeurigheid bijna bovenaan het open-model-veld. 2.6% WER op LibriSpeech clean is competitief met Whisper large-v3 (rond 2.0-2.5%) — dicht genoeg dat de meeste gebruikers het verschil niet kunnen zien.
• Je start een nieuw project in 2026. Parakeet kwam uit in 2025 en is werkelijk moderner. Als je geen legacy Whisper-pijplijncode hebt om te onderhouden, is beginnen met Parakeet voor Engels-eerst apps de juiste standaard.

De “heb ik beide nodig?”-vraag

Als je de integratie-inspanning kunt missen, is beide meeleveren en de gebruiker laten kiezen het antwoord van de hoogste kwaliteit. De meest voorkomende reden om het te doen: geef power users een Engels-snelle modus (Parakeet) terwijl je nog steeds hun lange staart van minder gangbare talen ondersteunt (Whisper). Dat is wat we bij SnailText deden — beide engines worden geleverd in één offline dicteerapp en je kiest per use case.

We zijn niet met beide begonnen. Whisper kwam eerst omdat zijn ecosysteem verder was en we wilden vanaf dag één pariteit tussen Mac en Windows. Parakeet-integratie kwam later, toen we dezelfde klacht bleven horen van Engels-only Windows-gebruikers zonder aparte GPU: “de transcriptie is goed maar het wachten doodt de flow”. Parakeet op dezelfde Windows-hardware zetten maakte het wachten merkbaar korter — genoeg dat de klacht van vorm veranderde van “het wachten doodt de flow” naar “dit voelt normaal” — en de interpunctie verbeterde zonder een aparte naverwerker. Die ene verschuiving in gebruikersreactie rechtvaardigde het dual-runtime-werk. Als jouw situatie eentalig is en de latency-klacht dezelfde is, kun je Whisper waarschijnlijk helemaal overslaan en alleen Parakeet leveren; wij hielden beide omdat ons gebruikersbestand meertalig is.

Wat je met elk opgeeft

Uitsluitend voor Whisper kiezen betekent:

• Tragere CPU-inferentie (telt meer op oudere laptops)
• Handmatige interpunctie-naverwerking in veel configuraties
• Acceptatie van incidentele hallucinaties op stille of laag-signaalaudio (verzacht door VAD maar nooit nul)
• Een groter modelbestand voor dezelfde nauwkeurigheid in het Engels

Uitsluitend voor Parakeet kiezen betekent:

• Verlies van 74 van Whisper’s 99 ondersteunde talen
• Minder community-tooling en minder fine-tunes
• Een nieuwer ecosysteem met minder uitgewerkte voorbeelden en Stack Overflow-antwoorden
• Eén leverancier (NVIDIA) die toekomstige modelreleases controleert (tegenover OpenAI plus de hele open-source-distillatiegemeenschap voor Whisper)

Hoe zit het met de cloud-API’s?

Dit artikel gaat over open modellen die je offline meelevert. Voor de volledigheid: de grote cloud-API’s in 2026 zijn OpenAI’s Whisper API, Anthropic’s audio-API, Google’s Speech-to-Text, AWS Transcribe, Azure Speech, AssemblyAI, Deepgram, en ElevenLabs Scribe. Ze zijn niet direct vergelijkbaar met Whisper-het-model of Parakeet-het-model. Ze draaien op serverhardware die desktopapps niet kunnen evenaren qua ruwe doorvoer, maar ze vereisen een netwerk-round-trip per opname en een teller per seconde, wat ze in een andere operationele categorie plaatst. De keuze tussen cloud en lokale STT is de grotere architecturale beslissing; de keuze tussen Whisper en Parakeet ligt stroomafwaarts van “we willen lokaal”.

Als je de “we willen lokaal”-beslissing al hebt genomen en gewoon wilt dicteren, levert SnailText beide engines in één app en laat je per use case wisselen. Download het — gratis om te beginnen, draait offline, geen account.