Apple SpeechAnalyzer、Whisperを精度で上回る
원제: Apple's new SpeechAnalyzer API, benchmarked against Whisper and its predecessor
왜 중요한가
Appleの新オンデバイス音声認識がWhisperを精度・速度の両面で上回ることが実測で初めて示され、モバイル・デスクトップアプリの音声認識技術選定に影響を与える。
Inscribeは2026年7月13日、Apple新音声API「SpeechAnalyzer」をWhisperおよび旧API「SFSpeechRecognizer」と比較したベンチマーク結果を公開した。LibriSpeech標準データセット5,559発話を用いてApple M2 Pro上でオンデバイス計測し、SpeechAnalyzerがWER 2.12%（クリーン音声）・4.56%（ノイズあり音声）を記録、全エンジン中最高精度を達成した。
Inscribeは自社のオンデバイスAIワークスペースにApple純正エンジンとWhisperモデルを並行搭載していることを活かし、同一マシン・同一音声で5エンジンを一斉評価した。
【ベンチマーク結果（WER、低いほど良い）】
- Apple SpeechAnalyzer（iOS/macOS 26）：クリーン2.12%、ノイズ4.56%
- Whisper Small（WhisperKit CoreML、約460MB）：3.74% / 7.95%
- Whisper Base（約140MB）：5.42% / 12.51%
- Whisper Tiny（約40MB）：7.88% / 17.04%
- Apple SFSpeechRecognizer（旧API）：9.02% / 16.25%
旧APIのSFSpeechRecognizerはクリーン音声でWhisper Tiny（40MBモデル）にも劣る結果となり、SpeechAnalyzerへの移行によって誤り率が3.5〜4倍改善される。1時間の会議音声では旧APIと比べて約4倍の誤り語数が削減される計算だ。
処理速度についても、SpeechAnalyzerはWhisper Smallの約3分の1の計算時間でより高い精度を実現し、全エンジンがM2 Pro上でリアルタイムの12〜40倍速で動作した（1時間の音声が約1.5〜5分で処理可能）。
Whisperの優位点として、対応言語数（SpeechTranscriberの約30ロケールに対しWhisperは多言語対応）とApple以外のプラットフォームでの動作可能性が挙げられる。一方、英語のオンデバイス精度においては、SpeechAnalyzerがWhisperを上回る初のベンチマーク結果となった。
Inscribeは本結果を受けて自社製品の既定エンジンをSpeechAnalyzer対応言語ではSpeechAnalyzer優先、それ以外ではWhisperを使用する構成に変更した。Apple自身はSpeechAnalyzerの精度数値を公表していない。