Qual modelo de fala para qual idioma, e com que velocidade

O Saypane roda modelos abertos de reconhecimento de fala no seu PC. Qual ele usa depende do idioma que você fala e de quanto desempenho o seu PC tem. Veja como ele decide, com as velocidades que medimos.

Qual modelo o Saypane usa

Idioma	Ditado	Transcrição de arquivos
Os 25 idiomas do Parakeet (português, inglês, alemão, francês, espanhol, italiano e mais 19)	Parakeet	Parakeet
Outros idiomas, grátis	Whisper small	Whisper small
Outros idiomas, Pro, com GPU Vulkan ou 8 threads de CPU ou mais	Whisper large v3 turbo	Whisper large v3 turbo
Outros idiomas, Pro, em um PC mais lento	Whisper small	Whisper large v3 turbo (mais lento)

O Parakeet TDT 0.6B v3 cobre alemão, búlgaro, croata, dinamarquês, eslovaco, esloveno, espanhol, estoniano, finlandês, francês, grego, holandês, húngaro, inglês, italiano, letão, lituano, maltês, polonês, português, romeno, russo, sueco, tcheco e ucraniano. Ele não cobre japonês, chinês nem coreano; o Whisper cobre.

Com que velocidade

Medido no nosso PC de teste com Windows:

Parakeet: cerca de 13 vezes mais rápido que o tempo real com 4 threads de CPU. Um ditado de 10 segundos fica pronto em menos de um segundo; uma hora de áudio leva menos de 5 minutos. Não precisa de GPU.
Whisper large v3 turbo: de 0,6 a 1,0 vez o tempo real só na CPU, e cerca de 1,9 vez com Vulkan em vídeo integrado. Serve para arquivos se você puder esperar, mas é lento demais para um ditado confortável sem GPU ou sem uma CPU de 8 threads ou mais.
Whisper small: muito mais rápido que o turbo, mas visivelmente menos preciso. Em japonês, no nosso teste, ele cometeu cerca de três vezes mais erros que o turbo.

O seu PC vai ser diferente. Um processador de desktop recente ou uma placa de vídeo dedicada é mais rápido; um notebook antigo na bateria é mais lento.

Hardware mínimo

Windows 10 ou 11, 64 bits.
Um processador de 4 núcleos com AVX2, por exemplo um Intel Core de 4ª geração ou mais recente, ou qualquer AMD Ryzen. Alguns chips Pentium e Celeron de entrada não têm AVX2.
8 GB de memória. Os modelos ficam carregados enquanto o Saypane está aberto, então a primeira palavra nunca se perde por atraso no carregamento.
Espaço em disco para os modelos que você usar: 669 MB para o Parakeet, 574 MB para o Whisper turbo, 190 MB para o Whisper small (incluído).

Aceleração por GPU

O Saypane usa Vulkan, que funciona com placas de vídeo NVIDIA, AMD e Intel, incluindo o vídeo integrado de muitos notebooks. Você não precisa de placa NVIDIA nem de CUDA. Se não encontrar uma GPU adequada, o Saypane roda na CPU.

Ditado em japonês, chinês e coreano

Esses idiomas usam o Whisper. Sem GPU, o Saypane recorre ao Whisper small para o ditado, então você recebe o texto rápido, mas com mais erros. Para um ditado preciso em japonês, chinês ou coreano, use o Saypane Pro em um PC com GPU Vulkan ou com uma CPU de 8 threads ou mais. A transcrição de arquivos sempre pode usar o large v3 turbo no Pro; só demora mais em um PC lento.

Downloads

O Whisper small e o detector de atividade de voz Silero vêm incluídos no app, então o Saypane funciona offline desde a primeira execução. Os outros modelos são baixados quando você precisar deles pela primeira vez, de models.saypane.com ou, como alternativa, do Hugging Face. Os downloads continuam depois de uma interrupção e são verificados por checksum. Lista completa de modelos.

Perguntas

Preciso de uma placa de vídeo NVIDIA?

Não. O Saypane usa Vulkan, que também roda em placas AMD e Intel, e funciona sem GPU nenhuma. Para os 25 idiomas do Parakeet, uma CPU de 4 núcleos é suficiente.

Posso usar os meus próprios arquivos de modelo Whisper?

Não nesta versão. O Saypane usa os modelos listados acima, que foram testados.

Última atualização: 27 de outubro de 2026. Ainda com problemas? Fale com o suporte.