Documentazione

Whisper, Parakeet o Nemotron: quale modello vocale per la dettatura

Quasi ogni programma di dettatura locale fa girare una di tre famiglie di modelli. Differiscono più di quanto i nomi suggeriscano: in quanta memoria prendono, quanto ci mette una frase su un processore, se mettono la punteggiatura, e quali lingue coprono. HoldToType include tutte e tre e qualche parente, quindi i numeri qui sotto vengono dallo stesso programma sulla stessa macchina.

Aggiornato 10 settembre 2026 · Vitalii Yemets

Le tre famiglie in un paragrafo ciascuna

• Whisper (OpenAI, eseguito tramite whisper.cpp) è il generalista: 99 lingue, traduzione verso l'inglese per progetto, dimensioni da 74 MB a oltre un gigabyte. Sente l'intera frase dopo che hai rilasciato e risponde il più lento dei tre. La punteggiatura è parziale.
• Parakeet TDT 0.6B v3 (NVIDIA, eseguito tramite sherpa-onnx) è lo scattista: 25 lingue europee, punteggiatura integrata, una frase in ben meno di un secondo su una CPU, 670 MB su disco. Non traduce.
• Nemotron 3.5 (NVIDIA, in streaming) è quello che scrive mentre parli: testo parziale ogni poche centinaia di millisecondi, 40 lingue, punteggiatura integrata, 651 MB. Ha bisogno di un po' più di margine di Parakeet.

Dimensione e memoria

La dimensione su disco è quello che scarichi una volta; la memoria è quello che il programma tiene mentre un modello è caricato. HoldToType stima la memoria come 1,2 volte il file per i modelli sherpa-onnx e 1,5 volte più 60 MB per Whisper, e mostra la stima accanto a ogni modello.

• Whisper Tiny 74 MB su disco, Base 142 MB, Small 466 MB, Medium q5 539 MB, Large v3 Turbo q5 574 MB.
• Parakeet TDT 0.6B v3 670 MB; Nemotron 3.5 651 MB; Canary 180M 198 MB; GigaAM v3 232 MB; Qwen3 ASR 0.6B 937 MB.
• In memoria: Whisper Medium circa 870 MB, Parakeet circa 800 MB, GigaAM circa 280 MB.

Velocità su un processore

Due misurazioni con dei numeri, entrambe su un comune processore da portatile, un Intel Core i7-12700H, con i quattro thread predefiniti del programma. Prima l'inglese: una frase di sei secondi ha richiesto a Parakeet TDT 0.6B v3 mezzo secondo e a Whisper Medium q5 dodici secondi. Il caso più netto è il russo: GigaAM v3, un modello stretto sherpa-onnx, ha trasformato una frase di undici secondi in testo in 0,47 secondi dove Whisper Medium q5 ci ha messo 11,6 secondi, usando 277 MB di memoria invece di 814. Parakeet si comporta come GigaAM: una frase è testo in ben meno di un secondo dopo il rilascio. Whisper sullo stesso hardware ci mette all'incirca quanto dura la frase. Nemotron non aspetta affatto: le parole arrivano mentre parli, e il testo finale è pronto quasi nell'istante in cui rilasci i tasti.

La macchina era un comune processore da portatile senza scheda grafica; tutte e tre le famiglie girano senza, ed è proprio questo il punto.

Punteggiatura, lingue, traduzione

• Punteggiatura: Parakeet, Nemotron, GigaAM v3 e Canary la mettono da soli. Whisper lo fa in parte; la post-elaborazione di HoldToType finisce il lavoro con un piccolo modello sul tuo disco.
• Lingue: Whisper 99. Nemotron 40. Parakeet 25 europee, tra cui ucraino, polacco e russo. GigaAM solo russo. Canary inglese, tedesco, spagnolo e francese.
• Traduzione: Whisper traduce verso l'inglese per progetto e verso le altre lingue dell'interfaccia quando gli si dice che il parlato è già nella lingua di destinazione; Canary traduce tra le sue quattro lingue. Parakeet e Nemotron trascrivono soltanto, quindi HoldToType tiene di riserva il miglior Whisper installato e la targhetta propone di passargli una frase.
• Testo dal vivo: solo Nemotron.

Quale scegliere

HoldToType tiene un modello per lingua e cambia quando cambi lingua, quindi non devi sceglierne uno per tutto. La pagina dei modelli ha il catalogo e un paragrafo per lingua; la pagina delle lingue mostra dove si imposta il modello di ogni lingua.

• Dettatura quotidiana in una lingua europea: Parakeet. Veloce, con punteggiatura, preciso.
• Vuoi vedere le parole mentre parli: Nemotron 3.5.
• Russo: GigaAM v3, e niente gli si avvicina in velocità.
• Traduzione, o una lingua fuori dalle 25: Whisper Medium q5, o Small su una macchina debole.
• Un portatile vecchio: Canary 180M per inglese, tedesco, spagnolo e francese; Whisper Base per il resto.
• Precisione sopra ogni cosa e memoria da vendere: Qwen3 ASR.

Provarli da soli

1. Installa dalla sezione di download e lascia che la procedura guidata scarichi un modello.
2. Apri Lingue e modelli, aggiungi un secondo modello per la stessa lingua e passa dall'uno all'altro; il registro nella scheda Sistema stampa quanti secondi ha impiegato ogni dettatura.
3. Di' la stessa frase a ciascuno. La differenza tra Whisper e un modello stretto si vede senza cronometro.

Domande

Prova tutti e tre sulla tua macchina

Un'installazione, nove modelli, e il registro ti dice i secondi.

Scarica HoldToType