Po dvě desetiletí byl Dragon NaturallySpeaking zlatým standardem pro přesnost diktování. Tato pozice se mění. Engine Whisper od OpenAI, zejména varianta Large v3 Turbo vydaná v roce 2024, dosáhl u obecného diktování srovnatelné úrovně s Dragonem a v mnoha konkrétních případech ho překonává. Tento článek rozebírá, co o tomto srovnání skutečně víme, včetně zdrojů.
Co znamená „přesnost“ při diktování
Přesnost diktování se obvykle měří jako míra chybovosti slov (Word Error Rate, WER), což je procento slov, která se v přepisu objeví špatně. Nižší je lepší. WER 5 % znamená, že 95 ze 100 slov je správně.
WER se ohromně liší podle podmínek: hlasu mluvčího, kvality mikrofonu, hluku v pozadí, oboru slovní zásoby a stylu diktování. Srovnávací číslo má smysl jen tehdy, když znáte podmínky, za nichž bylo naměřeno.
Whisper Large v3 Turbo: zveřejněná čísla
OpenAI vydalo Whisper Large v3 Turbo v roce 2024 jako rychlejší variantu Whisper Large v3 se srovnatelnou přesností. Uváděné míry chybovosti slov na standardních benchmarcích:
- Whisper Large v3 (původní): 13,20% WER v průměru napříč vícejazyčnými datovými sadami
- Whisper Large v3 Turbo: 13,40% WER — v rozmezí 0,2 % od původní verze
- Čistě anglické čisté podmínky: 3–5% WER (97–95% přesnost)
Varianta Turbo běží přibližně 4× rychleji než v3 při v podstatě stejné přesnosti. Toto je engine, který CaringDictate používá.
U typického scénáře použití CaringDictate (angličtina, tichá místnost, slušný mikrofon) se reálná přesnost při souvislém diktování pohybuje v průměru kolem 96–97 %. To odpovídá číslům zveřejněným OpenAI pro čisté anglické podmínky a je to to, co uvádíme na našich marketingových stránkách.
Tvrzení Dragonu o přesnosti
Dragon historicky inzeroval 99% přesnost. Drobné písmo: tohoto čísla bylo dosaženo u vyškolených uživatelů s vysoce kvalitními náhlavními mikrofony v tichém prostředí, po rozsáhlém hlasovém tréninku. Nevyškolený uživatel Dragonu vidí první den obvykle spíše 92–94% přesnost.
U vyškolených uživatelů Dragon Professional Individual se správným nastavením se reálná přesnost při obecném diktování obvykle pohybuje v rozmezí 95–98 %. U specializovaných oborů (lékařství, právo) se vyškolený Dragon může dostat až na 98–99 % u slovní zásoby, na kterou byl přizpůsoben.
Upřímné přímé srovnání
Pro nevyškoleného uživatele s běžným USB headsetem, diktujícího hovorovou angličtinu: enginy založené na Whisperu (CaringDictate) obvykle vyhrávají. Whisper nevyžaduje hlasový trénink a funguje dobře rovnou „z krabice“ na širokém spektru hlasů, na nichž byl natrénován (680 000+ hodin vícejazyčného zvuku).
Pro vyškoleného uživatele s mikrofonem nejvyšší kvality (Plantronics, Andrea USB), diktujícího specializovanou slovní zásobu: vyškolený Dragon Professional může stále vést u konkrétní slovní zásoby, na kterou byl natrénován. U obecného psaní se tento náskok výrazně zmenšuje.
Pro nerodilé mluvčí angličtiny, mluvčí s přízvukem nebo mluvčí s mírnou dysartrií způsobenou zdravotními stavy: Whisper má jasnou výhodu. Tréninkový korpus byl mnohem rozmanitější než u Dragonu a rozpoznávání zvládá variabilitu řeči znatelně lépe.
Pro mluvčí s výraznou dysartrií (těžká Parkinsonova nemoc, ALS ovlivňující řeč, dětská mozková obrna ovlivňující řeč): správným nástrojem není ani Whisper, ani Dragon. Voiceitt je vytvořen přímo pro tento případ a je výrazně lepší než kterýkoli z nich, byť mnohem dražší.
Rychlost
Skutečnou výhodou Whisper Turbo oproti Dragonu je rychlost. Whisper Large v3 Turbo na moderním hardwaru (Intel i5 z posledních 5 let, nebo Apple Silicon, nebo jakékoli moderní AMD CPU) vytváří přepis rychleji než v reálném čase — to znamená, že nadiktujete větu a slova se objeví dříve, než domluvíte. Dragon také zpracovává v reálném čase, ale má znatelnější zpoždění u prvního slova každé promluvy.
U dlouhého diktování je tento rozdíl v rychlosti převážně psychologický. U diktování krátkých zpráv (komentáře na Facebooku, rychlé e-maily) působí odezva Whisper Turbo znatelně lépe.
Otázka tréninkových dat
Tradiční výhoda Dragonu v přesnosti pramenila z řízeného hlasového tréninku: přečetli jste Dragonu dlouhou pasáž a on si vytvořil osobní model, který rozpoznával váš hlas lépe než jeho výchozí model. Fungovalo to, ale vyžadovalo to značnou počáteční investici času.
Whisper takto nefunguje. Byl jednou natrénován na rozsáhlém vícejazyčném korpusu, společností OpenAI, a výsledný model je to, co používá každý uživatel Whisperu. Na svůj hlas ho netrénujete. Buď na vašem hlase funguje, nebo ne — a díky širokým tréninkovým datům funguje rozumně dobře na většině hlasů.
Důsledek pro uživatele: u Dragonu můžete strávit čas tréninkem a zlepšit přesnost. U Whisperu je to, co dostanete první den, totéž, co dostanete 365. den. Pro většinu uživatelů je to přednost, ne nedostatek — stejně nechtěli trávit hodinu tréninkem Dragonu. Pro pokročilé uživatele s technickou slovní zásobou je nemožnost natrénovat Whisper na hlas skutečným omezením.
Otázka údržby
Dragon Professional Individual je od roku 2023 zmrazen na verzi 16. Rozpoznávací engine se neaktualizuje. Microsoft přesměroval Dragon na podnikové lékařské nasazení a nechává spotřebitelskou verzi Dragonu vyhasnout.
Whisper je naproti tomu aktivně vyvíjen společností OpenAI a open-source komunitou. Whisper v3 byl vydán v roce 2023, Whisper v3 Turbo v roce 2024 a nástupnické modely jsou v aktivním vývoji. CaringDictate dnes dodává v3 Turbo a aktualizuje se na novější modely jako bezplatnou aktualizaci, jakmile se ukáží jako lepší.
V horizontu pěti let je to nejdůležitější rozdíl. Zmrazený rozpoznávací engine bude dál fungovat, ale nebude těžit z podstatných zlepšení, ke kterým dochází jinde v oboru.
Pro konkrétní skupiny uživatelů
Starší uživatelé s běžnou anglickou slovní zásobou: Whisper (prostřednictvím CaringDictate) je lepší volbou. Žádný trénink, žádná složitost nastavení, funguje dobře rovnou z krabice.
Zdravotníci diktující klinické záznamy: Vyškolený Dragon Medical One je stále oborovým standardem. Whisper má dobrou lékařskou slovní zásobu, ale ne tak specializovanou.
Právníci diktující právní dokumenty: Vyškolený Dragon Professional s vlastní slovní zásobou je těžké porazit. Whisper zvládá většinu právní angličtiny dobře, ale chybí mu možnost přizpůsobení.
Dospělí se zdravotními stavy, které postihují ruce, ale ne řeč: Whisper prostřednictvím CaringDictate je to, co bychom doporučili. Žádná zátěž s tréninkem, lepší přesnost u variability řeči a mnohem levnější.
Nerodilí mluvčí angličtiny: Whisper má jasnou výhodu. Vícejazyčný tréninkový korpus znamená, že zvládá přízvuky mnohem lépe než anglicky trénované modely Dragonu.
Závěrem
Whisper Large v3 Turbo a vyškolený Dragon Professional jsou si dnes v přesnosti obecného diktování vzdáleny jen pár procentních bodů. Pro většinu uživatelů, zejména pro starší osoby a uživatele se zdravotními stavy, převažují praktické výhody Whisperu (žádný trénink, lepší zvládání přízvuků, aktivní vývoj, mnohem nižší cena) nad zbytkovou výhodou Dragonu u specializované slovní zásoby.
CaringDictate je postaven na Whisper Large v3 Turbo, protože věříme, že je to ten správný engine pro naše publikum. 30denní vrácení peněz znamená, že si můžete bez rizika porovnat sami.
Kam dál odtud
Přečtěte si úplné srovnání CaringDictate vs. Dragon kde najdete rozdíly na úrovni produktu (cena, UX, aktualizace, vrácení peněz), a náš průvodce soukromím pokud je pro vaši situaci důležité, zda zpracování probíhá lokálně, nebo v cloudu.