I två decennier var Dragon NaturallySpeaking den gyllene standarden för dikteringsträffsäkerhet. Den positionen håller på att förändras. OpenAI:s Whisper-motor, särskilt varianten Large v3 Turbo som släpptes 2024, har nått paritet med Dragon för allmän diktering och överträffar den för många specifika fall. Den här artikeln går igenom vad vi faktiskt vet om jämförelsen, med källor.

Vad "träffsäkerhet" betyder vid diktering

Dikteringsträffsäkerhet mäts vanligtvis som ordfelfrekvens (WER), som är andelen ord som blir fel i transkriptionen. Lägre är bättre. En WER på 5 % betyder att 95 av 100 ord är korrekta.

WER varierar enormt beroende på förhållandena: talarens röst, mikrofonkvaliteten, bakgrundsljud, ordförrådsdomänen, dikteringsstilen. En riktmärkessiffra är bara meningsfull när du känner till de förhållanden den mättes under.

Whisper Large v3 Turbo: de publicerade siffrorna

OpenAI publicerade Whisper Large v3 Turbo 2024 som en snabbare variant av Whisper Large v3 med jämförbar träffsäkerhet. De rapporterade ordfel- frekvenserna på standardriktmärken:

  • Whisper Large v3 (original): 13,20 % WER i genomsnitt över flerspråkiga dataset
  • Whisper Large v3 Turbo: 13,40 % WER — inom 0,2 % av originalet
  • Rena förhållanden, enbart engelska: 3–5 % WER (97–95 % träffsäkerhet)

Turbo-varianten körs ungefär 4× snabbare än v3 med i stort sett samma träffsäkerhet. Detta är motorn som CaringDictate använder.

För det typiska CaringDictate-användningsfallet (engelska, tyst rum, hyfsad mikrofon) ligger den verkliga träffsäkerheten i genomsnitt på 96–97 % vid kontinuerlig diktering. Detta stämmer överens med OpenAI:s publicerade siffror för rena engelska förhållanden och är vad vi anger på våra marknadsföringssidor.

Dragons träffsäkerhetspåståenden

Dragon har historiskt sett annonserat 99 % träffsäkerhet. Det finstilta: den här siffran uppnåddes av tränade användare med headsetmikrofoner av hög kvalitet i tysta miljöer, efter omfattande röstträning. En otränad Dragon-användare ser första dagen vanligtvis snarare 92–94 % träffsäkerhet.

För tränade användare av Dragon Professional Individual med korrekt installation ligger den verkliga träffsäkerheten vanligtvis i intervallet 95–98 % vid allmän diktering. För specialiserade domäner (medicin, juridik) kan tränad Dragon nå upp mot 98–99 % på det ordförråd den har anpassats för.

Den ärliga direkta jämförelsen

För en otränad användare, med ett generiskt USB-headset, som dikterar vardaglig engelska: Whisper-baserade motorer (CaringDictate) vinner oftast. Whisper kräver ingen röstträning och fungerar bra direkt ur lådan på det breda spektrum av röster den tränades på (680 000+ timmar flerspråkigt ljud).

För en tränad användare, med en mikrofon av toppklass (Plantronics, Andrea USB), som dikterar specialiserat ordförråd: tränad Dragon Professional kan fortfarande ligga steget före på det specifika ordförråd den har tränats för. Fördelen minskar avsevärt för allmän skrift.

För personer med engelska som andraspråk, talare med brytning eller talare med mild dysartri på grund av medicinska tillstånd: Whisper har en tydlig fördel. Träningskorpusen var mycket mer mångsidig än Dragons, och igenkänningen hanterar talvariation märkbart bättre.

För talare med betydande dysartri (svår Parkinsons sjukdom, ALS som påverkar talet, CP som påverkar talet): varken Whisper eller Dragon är rätt verktyg. Voiceitt är specifikt byggt för detta fall och är betydligt bättre än någotdera, om än mycket dyrare.

Hastighet

Whisper Turbos verkliga fördel gentemot Dragon är hastigheten. Whisper Large v3 Turbo på modern hårdvara (Intel i5 från de senaste 5 åren, eller Apple Silicon, eller någon modern AMD-CPU) producerar transkription snabbare än realtid — vilket innebär att du kan diktera en mening och orden dyker upp innan du har talat klart. Dragon bearbetar också i realtid men har mer märkbar fördröjning på det första ordet i varje yttrande.

För längre diktering är denna hastighetsskillnad mestadels psykologisk. För diktering av korta meddelanden (Facebook-kommentarer, snabba e-postmeddelanden) känns Whisper Turbos lyhördhet märkbart bättre.

Frågan om träningsdata

Dragons traditionella träffsäkerhetsfördel kom från övervakad röstträning: du läste upp ett långt stycke för Dragon, och det byggde en personlig modell som kände igen din röst bättre än dess standardmodell. Detta fungerade men krävde betydande tid i förväg.

Whisper fungerar inte på det sättet. Det tränades på en enorm flerspråkig korpus en gång, av OpenAI, och den resulterande modellen är vad varje Whisper- användare kör. Du tränar den inte på din röst. Den fungerar antingen på din röst eller inte — och den breda träningsdatan innebär att den fungerar på de flesta röster någorlunda bra.

Konsekvensen för användare: med Dragon kan du lägga ner träningstid för att förbättra träffsäkerheten. Med Whisper är det du får dag ett vad du får dag 365. För de flesta användare är detta en fördel, inte en nackdel — de ville ändå inte lägga en timme på att träna Dragon. För avancerade användare med tekniskt ordförråd är oförmågan att rösttrana Whisper en verklig begränsning.

Frågan om underhåll

Dragon Professional Individual har varit fryst på version 16 sedan 2023. Igenkänningsmotorn uppdateras inte. Microsoft har riktat om Dragon mot medicin för företag och låter konsumentversionen av Dragon fasas ut.

Whisper, däremot, utvecklas aktivt av OpenAI och den öppna källkodsgemenskapen. Whisper v3 släpptes 2023, Whisper v3 Turbo 2024, och efterföljande modeller är under aktiv utveckling. CaringDictate levereras med v3 Turbo idag och kommer att uppdateras till nyare modeller som en gratis uppdatering när de visar sig vara bättre.

Över en femårshorisont är detta den viktigaste skillnaden. En fryst igenkänningsmotor kommer att fortsätta fungera, men den kommer inte att dra nytta av de betydande förbättringar som sker på andra håll inom fältet.

För specifika användargrupper

Äldre användare med allmänt engelskt ordförråd: Whisper (via CaringDictate) är det bättre valet. Ingen träning, ingen krånglig installation, fungerar bra direkt ur lådan.

Vårdpersonal som dikterar kliniska anteckningar: Tränad Dragon Medical One är fortfarande branschstandard. Whispers medicinska ordförråd är bra men inte lika specialiserat.

Jurister som dikterar juridiska dokument: Tränad Dragon Professional med anpassat ordförråd är svår att slå. Whisper hanterar det mesta av juridisk engelska bra men saknar anpassningsbarheten.

Vuxna med medicinska tillstånd som påverkar händerna men inte talet: Whisper via CaringDictate är vad vi skulle rekommendera. Ingen träningsbörda, bättre träffsäkerhet vid talvariation och mycket billigare.

Personer med engelska som andraspråk: Whisper har en tydlig fördel. En flerspråkig träningskorpus innebär att den hanterar brytningar långt bättre än Dragons engelsktränade modeller.

Slutsats

Whisper Large v3 Turbo och tränad Dragon Professional ligger nu inom några få procentenheter från varandra i fråga om allmän dikteringsträffsäkerhet. För de flesta användare, särskilt äldre och användare med medicinska tillstånd, väger de praktiska fördelarna med Whisper (ingen träning, bättre hantering av brytning, aktiv utveckling, mycket lägre kostnad) tyngre än Dragons kvarvarande fördel på specialiserat ordförråd.

CaringDictate är byggt på Whisper Large v3 Turbo eftersom vi anser att detta är rätt motor för vår målgrupp. Återbetalningen inom 30 dagar innebär att du kan jämföra själv utan risk.

Vart du går härifrån

Läs hela jämförelsen CaringDictate vs Dragon för skillnader på produktnivå (pris, UX, uppdateringar, återbetalning), och vår integritetsguide om lokal kontra molnbaserad bearbetning spelar roll för din situation.