Apple SpeechAnalyzer 基准测试：性能对比 Whisper 与 SFSpeechRecognizer

Apple SpeechAnalyzer 在本地英文转录中优于 Whisper Small 与传统 API

Apple 新推出的 SpeechAnalyzer API 是在所有测试中对英文最准确的本地语音引擎，在清晰和嘈杂的音频环境中均超越 Whisper Small，且运行速度约快三倍。它相较于前代的 SFSpeechRecognizer 也有巨大的提升，后者在所有测试数据集上的词错误率（WER）显著更高。

性能基准

在 Apple M2 Pro（32GB，macOS 26.5.1）上使用 LibriSpeech 数据集进行的测试显示，SpeechAnalyzer 提供了最低的词错误率（WER），数值越低表示准确度越高。

引擎	test-clean WER	test-other WER	模型大小
Apple SpeechAnalyzer (iOS/macOS 26)	2.12%	4.56%	system
Whisper Small (WhisperKit CoreML)	3.74%	7.95%	~460MB
Whisper Base	5.42%	12.51%	~140MB
Whisper Tiny	7.88%	17.04%	~40MB
Apple SFSpeechRecognizer (legacy)	9.02%	16.25%	system

从 SFSpeechRecognizer 迁移到 SpeechAnalyzer

开发者应立即将旧的 SFSpeechRecognizer 迁移到 SpeechAnalyzer。新 API 在相同音频上将词错误率降低了 3.5 到 4 倍。具体而言，干净语音的 WER 从 9.02% 降至 2.12%，嘈杂语音的 WER 从 16.25% 降至 4.56%。除了原始准确度外，SpeechAnalyzer 还能生成更优的标点和大小写文本，相较于旧引擎的粗糙输出有明显提升。

SpeechAnalyzer 与 OpenAI Whisper 对比

在当前 Apple 硬件上进行英文转录时，SpeechAnalyzer 已成为最强的本地选项，以舒适的优势击败 Whisper Small，并且每秒音频所需的计算时间仅为其三分之一。

尽管如此，Whisper 仍保有两个主要优势：

语言支持： Whisper 覆盖的语言显著更多，而 SpeechTranscriber 支持约 30 种语言环境。
平台无关性： Whisper 可在多种平台上运行，而 SpeechAnalyzer 仅限运行在运行 OS 26 的 Apple 平台上。

速度与效率

所有测试的引擎在 M2 Pro 上均实现了实时以上的运行速度，转录速度在 12 倍到 40 倍之间。SpeechAnalyzer 的每秒音频转录速度约比 Whisper Small 快 3 倍。

技术方法与验证

可复现性： Whisper 的结果与 OpenAI 在 LibriSpeech 上公布的数字进行对比，显示出一个一致且略高的正向偏差，归因于 CoreML 量化和更严格的文本规范化器。
生产代码路径： 引擎通过实际生产代码运行，而非实验室测试框架，以模拟真实使用场景。
文本规范化： 所有输出均经过规范化（大小写、标点、数字转文字），确保引擎不会因格式问题被扣分。
本地验证： 测试框架被配置为在回退到云识别时拒绝执行，确保所有结果严格在设备上完成。

开发者与用户洞察

社区反馈和开发者报告突出了 SpeechAnalyzer API 的若干实际优势与局限性：

流式能力： 与许多需要完整录音后才能转录的模型不同，SpeechAnalyzer 支持流式处理，用户可以实时看到结果。
应用包体积： 由于模型是系统的一部分，开发者无需在应用中捆绑模型，从而减小最终应用体积。
语言管理： API 将语言视为按需资源，这节省了磁盘空间，但需要为每种语言单独下载模型，使得在未预先知道语言种类的多语言音频转录变得更困难。
与更大模型的比较： 部分用户报告，虽然 SpeechAnalyzer 更快，但像 Whisper Large‑V2 这样的更大模型在某些专业场景（如数学讲座）仍可能略微更准确。

“SpeechAnalyzer 几乎总能正确处理各种音频。它在专有名词上可能会有困难，但会返回发音相似的内容。我主要的抱怨是它每种语言都需要单独下载模型。”

研究的局限性

语言范围： 基准仅限于英文，未考虑 Whisper 支持的 100 多种语言。
音频类型： LibriSpeech 语料库由朗读的有声书语音组成，可能与带口音、远场或多说话人会议环境中的表现不同。
硬件： 结果仅在单台 M2 Pro 机器上生成，虽然准确性在 Apple Silicon 上应保持一致，但速度会因芯片而异。