Présentation
Apple a récemment lancé sa nouvelle API SpeechAnalyzer, qui s'avère être le moteur de reconnaissance vocale le plus précis que nous ayons testé. Elle surpasse tous les modèles Whisper que nous proposons, y compris Whisper Small, sur les deux moitiés du jeu de données LibriSpeech, tout en fonctionnant environ trois fois plus vite que Small.
Contexte technique
Les résultats sont basés sur les tests effectués sur un Apple M2 Pro (32GB, macOS 26.5.1) avec les jeux de données LibriSpeech test-clean et test-other. Le taux d'erreur de mot (WER) est utilisé pour mesurer la précision de chaque moteur. Les résultats montrent que SpeechAnalyzer réduit le WER de 3,5 à 4 fois par rapport à l'API précédente, SFSpeechRecognizer, sur les mêmes données audio.
Implications et limites
Les résultats suggèrent que les développeurs devraient migrer vers la nouvelle API SpeechAnalyzer pour améliorer la précision de la reconnaissance vocale. Cependant, il est important de noter que les tests ont été effectués uniquement en anglais et avec des données audio de type « read speech ». Les performances de SpeechAnalyzer pourraient varier avec d'autres types de données audio, tels que les réunions ou les conversations informelles.
Comparaison avec Whisper
La nouvelle API SpeechAnalyzer d'Apple surpasse également Whisper Small, le plus grand modèle que nous proposons, avec une marge confortable sur les deux jeux de données, tout en fonctionnant à environ un tiers du temps de calcul de Whisper Small par seconde d'audio. Cependant, Whisper conserve deux avantages réels : il prend en charge beaucoup plus de langues (environ 100) et peut fonctionner sur n'importe quelle plate-forme, et non seulement sur les appareils Apple avec OS 26.
WER = (nombre d'erreurs de mot) / (nombre total de mots de référence)
