苹果新推出的SpeechAnalyzer语音API在LibriSpeech测试中表现优异，词错误率仅2.12%，远超Whisper Small的3.74%和旧版SFSpeechRecognizer的9.02%，且运行速度比Whisper Small快约三倍，成为目前最准确的设备端语音引擎。

好的，这是根据您的要求，对原文进行中文重述和精简后的版本：

标题：苹果新语音API vs Whisper：首个真实基准测试

核心结论：

苹果新推出的SpeechAnalyzer是我们测试过的最准确的设备端语音引擎。在LibriSpeech数据集的干净和嘈杂语音测试中，它都击败了我们使用的所有Whisper模型（包括Whisper Small），同时运行速度比Whisper Small快约三倍。而被其取代的旧API（SFSpeechRecognizer）在干净语音测试中表现最差，甚至落后于仅40MB的Whisper Tiny模型。

| 引擎 | 干净语音词错率 | 嘈杂语音词错率 | 模型大小 | | :--- | :--- | :--- | :--- | | Apple SpeechAnalyzer | 2.12% | 4.56% | 系统内置 | | Whisper Small | 3.74% | 7.95% | ~460MB | | Whisper Base | 5.42% | 12.51% | ~140MB | | Whisper Tiny | 7.88% | 17.04% | ~40MB | | Apple SFSpeechRecognizer (旧版) | 9.02% | 16.25% | 系统内置 |

（注：词错率越低越好，表示识别错误越少。所有引擎均在Apple M2 Pro设备上本地运行。）

为何进行此测试：

苹果在iOS 26和macOS 26中，用新的SpeechAnalyzer和SpeechTranscriber API取代了SFSpeechRecognizer，但未公布任何准确率数据。这使得开发者在决定是否迁移，或比较苹果内置识别与Whisper时，只能靠猜测。我们恰好在自己的产品中同时使用了这两套引擎，因此能够用相同的代码和音频进行公平对比。

是否应迁移至新API？

是的。这是数据中最明确的结论。新API将词错率降低了3.5到4倍：干净语音从9.02%降至2.12%，嘈杂语音从16.25%降至4.56%。新API在我们测试的所有场景中都表现更优，并且能输出带标点和大小写的文本，而旧引擎的输出则较为粗糙。

SpeechAnalyzer vs Whisper

更令人惊讶的是，苹果的新引擎也以明显优势击败了我们使用的最大Whisper模型（Whisper Small），且处理每秒钟音频的计算时间仅为Whisper Small的三分之一。在苹果硬件上进行英语识别时，内置引擎已成为我们可测量的最强设备端选择。

Whisper仍有两个优势：支持更多语言（SpeechTranscriber仅支持约30种），且可在任何平台上运行，不限于苹果设备。但对于在最新iPhone或Mac上进行英语转录，Whisper作为准确率首选的时代已经结束。

速度与验证方法

所有引擎的运行速度都远超实时。SpeechAnalyzer在准确率更高的同时，速度比Whisper Small快约3倍。

为确保结果可信，我们做了两点：首先，我们使用Whisper官方发布过的LibriSpeech数据集进行测试，我们的Whisper测试结果与官方数据高度吻合，证明了测试方法的可靠性。其次，我们公开了所有原始转录文本，任何人都可以下载并自行验证。

对开发者的启示

如果您使用的是当前一代的iPhone或Mac，那么英语设备端转录的最佳引擎已经内置在操作系统中。这个注重隐私的选项不再是妥协之选。我们的产品正是基于此基准测试结果，在支持的语言上优先使用SpeechAnalyzer，其他情况则使用Whisper。

根据评论内容，总结如下：

主要观点与论据：

1. Apple SpeechAnalyzer 性能显著提升（作者 get-inscribe，评分 None）：

   • 在 LibriSpeech 测试集上，新 API 的词错误率（WER）从 9.02% 降至 2.12%，比旧 API 提升 3.5-4 倍，且速度是 Whisper Small 的 3 倍。
   • 关键引用：
     • "the new API cuts WER 3.5-4x vs the old one (2.12% vs 9.02% on test-clean)"
     • "it also beat Whisper Small on both splits at about 3x the speed"

2. 对基准测试的质疑（多位评论者，如 modeless、pzo、satvikpendem）：

   • 认为仅与 Whisper Small/Tiny/Base 比较不够全面，应对比更先进的模型（如 Whisper Large V3、Nvidia Nemotron/Parakeet、Mistral Voxtral）。
   • 关键引用：
     • "Whisper small/tiny/base are almost four years old... Is there really nothing better to benchmark against by now?"（modeless）
     • "This is useless test... when you have these day Whisper-V3-Large and Whisper V3-Turbo"（pzo）

3. 开源与本地运行需求（drnick1、tancop）：

   • 强调模型需开源、可本地运行，否则无法替代 Whisper 等开放模型。
   • 关键引用：
     • "If this isn't open source/weights and can't run locally, I don't see how this is a replacement for Whisper"（drnick1）
     • "life's too short to let apple keep their models exclusive"（tancop）

4. 实际使用体验（ashivkum、paul7986）：

   • 在数学讲座等场景中，SpeechAnalyzer 速度快、质量略逊于 Whisper Large，但可用于实时转录。
   • 用户对 Siri 在旧设备上的表现失望，认为不如 ChatGPT 流畅。
   • 关键引用：
     • "Just ran it against Whisper-Large-V2... substantially faster and only slightly worse"（ashivkum）
     • "the new Siri on my old phone... doesn't come close. It's the same old 'Could you try that again,' Siri"（paul7986）

5. 其他建议与补充（ks2048、summarity、port3000）：

   • 建议使用标准基准（如 Hugging Face ASR 排行榜）进行对比。
   • 提及 Voxtral 在会议转录中表现优异，Whisper 则较差。
   • 关键引用：
     • "just get the results on a standard benchmark, so you can compare against all"（ks2048）
     • "Vs Voxtral would be a better comparison... Seems to understand/infer all the technobabble"（summarity）

平衡性总结：
- 支持方：认可 Apple 新 API 在准确率和速度上的显著提升，尤其适合实时转录。
- 质疑方：批评基准测试不全面，强调开源、本地运行及多语言支持的重要性。
- 中立方：建议使用标准基准，并关注实际场景（如会议、数学讲座）的适用性。