MacWhisperは、Mac上での文字起こしを容易に行うための優れた方法として知られています。この度、Nvidiaの高速なパラキートモデルをサポートするアップデートを発表しました。これにより、文字起こしの速度がさらに向上したということです。
OpenAIがWhisperモデルから移行する中で、MacWhisperはパラキートモデルを採用することにより、さらなる性能向上を図っています。OpenAIのWhisperモデルは、当初は他のオープンソース市場のモデルよりも高精度かつ高速でしたが、商業的に有望なgpt-4o-transcribeモデルに焦点を移したことで、Whisperの限界が見え始めました。
Nvidiaのパラキートモデルは、先月発表され、適切なハードウェアを使用すれば「60分の音声をわずか1秒で」文字起こしできるとされています。A100、H100、T4、V100などのGPUが必要です。
パラキートモデルはオープンソースツールを通じて利用可能でしたが、コマンドラインインターフェースの操作やカスタムモデルの導入に不安を感じる人も多かったということです。今回、MacWhisperがNvidiaのパラキートモデルをサポートしたことで、その問題も解消される方針です。
アプリ開発者のジョルディ・ブルイン氏は、「Argmaxチームとの協力により、MacWhisperはパラキートモデルをサポートすることになりました。30分のポッドキャストを8秒以内で文字起こしする様子をご覧ください」と述べています。
筆者はM2 Pro MacBook Proで3時間のポッドキャストをテストしたところ、わずか1分22秒で文字起こしと話者認識が完了しました。パラキートモデルはプロユーザー向けに提供され、現在は英語のみのサポートですが、多言語対応版も近日中に提供予定としています。