En el blog de Inscribe:

El nuevo SpeechAnalyzer de Apple es el motor de voz en dispositivo más preciso que hemos probado. Superó a todos los modelos de Whisper que distribuimos, incluido Whisper Small, tanto en la parte limpia como en la ruidosa de LibriSpeech, mientras se ejecuta aproximadamente tres veces más rápido que Small. Y la API a la que reemplaza, SFSpeechRecognizer, quedó en último lugar en voz limpia: incluso por detrás de Whisper Tiny, un modelo de 40 MB.

Estoy jugando con un workflow de transcripción local, y puedo confirmar que SpeechAnalyzer es una chulada.

Sí. Este es el resultado más claro en los datos. La nueva API reduce la tasa de error de palabras de 3.5 a 4 veces en el mismo audio: del 9.02% al 2.12% en voz limpia, y del 16.25% al 4.56% en voz ruidosa. No hay que sopesar ninguna pérdida de precisión; la nueva API gana en todos los aspectos que medimos, y produce texto con puntuación y mayúsculas donde la salida del motor anterior es más rudimentaria.

Dicho de otro modo: una reunión de una hora transcrita con la API antigua contiene aproximadamente cuatro veces más palabras incorrectas que la misma reunión a través de SpeechAnalyzer. Si tu aplicación todavía utiliza SFSpeechRecognizer para cualquier cosa que no sea un comando de voz, la migración vale la pena solo por la precisión.

En la última edición de mi newsletter reflexionaba sobre la velocidad tan cabrona con la que están avanzando los modelos:

Lo que más me emociona de lo que está sucediendo en la industria es que todos estos modelos en 1 año van a ser obsoletos. Y eso está bien. Porque lo caro va a ser mantenerse en el bleeding edge de la tecnología, y lo que tenemos ahora, para el 99 % de los casos de uso, ya es suficientemente bueno.

Lo estamos viendo.