Flit 1.6：4つの新しい音声モデルと、1,600以上の言語
要点
Flit 1.6では4つの音声モデルが加わり、どれもMac上で動作します。Parakeet Ultraは、英語とほかの24のヨーロッパ言語でParakeet V3より誤りが少なく、速度は同じで、これらの言語でFlitがおすすめするモデルになりました。Voxtral Realtimeは、ヒンディー語、アラビア語、日本語、韓国語を含む13言語で、話している間に書き起こします。Omnilingual ASRは1,600以上の言語に対応し、タミル語、ベンガル語、ウルドゥー語、スワヒリ語にも使えるモデルができました。Parakeet Unifiedは新しい英語モデルです。今使っているモデルはそのままで、1.6はすべてのライセンスで無料のアップデートです。
どのモデルを使うか
音声モデルは1つあれば十分です。音声入力に使う言語で選んでください：
- 英語またはほかのヨーロッパ言語： Parakeet Ultra 0.6B。話している間に言葉が表示され、ダウンロードできるモデルの中で最も高速です。メモリ16GB以上のMacでドイツ語、フランス語、スペイン語、イタリア語、オランダ語を使う場合は、Cohere Transcribeのほうが精度が高く、テキストは話し終えたときに表示されます。
- ヒンディー語、アラビア語、日本語、韓国語、中国語で、話している間に言葉を表示したい場合： Voxtral Realtime 4B。
- これらのどれも対応していない言語（タミル語、ベンガル語、ウルドゥー語、マラーティー語、スワヒリ語など）：Meta Omnilingual ASR 3B。
- 英語のみで、比べてみたい場合： Parakeet Unified 0.6B。
セットアップ時に、話す言語をもとにFlitが1つおすすめし、「設定」→「モデル」の上部にも同じおすすめが表示されます。
モデルをダウンロードして切り替える
新しいモデルはダウンロードするだけで使えます。ダウンロード中も、今使っているモデルはそのまま動作します。
- メニューバーのFlitアイコンを右クリックして「設定…」を選び、サイドバーの「モデル」をクリックします。
- 「ライブラリ」でモデルを見つけ、「ダウンロード」をクリックします。
- 「ダウンロード済み」と表示されたら、その行をクリックします。「アクティブ」と表示されます。
- いつもどおり音声入力します。切り替えたあとの最初の音声入力は、モデルの読み込みのため数秒長くかかります。
行のゴミ箱アイコンで、使わなくなったモデルを削除して容量を空けられます。
Parakeet Ultra：同じ速度で、誤りが減少
Parakeet Ultraは、moondreamがParakeet V3をさらに学習させたモデルです。同じ25言語に対応し、Neural Engine上で同じ速度で動作しながら、誤りが減っています。FLEURSテストセットの24言語での平均単語誤り率は、V3の14.8%に対して11.7%です。
私たちのテストでは、声に出して読んだデンマーク語の文が、ほぼ一語一句そのまま返ってきました。V3では「torsdag eftermiddag」が「torsdag efter med dag」と聞き取られていました。話している間に言葉が表示されるのは変わらず、残りはキーを離してから約0.1秒で入力されます。
現在Parakeet V3を使っている場合、切り替えるまで何も変わりません。V3は一覧に残ります。
ダウンロードサイズは595MBで、V3より約100MB大きくなります。
Voxtral Realtime：13言語でライブ表示
MistralのVoxtral Realtimeは、英語、フランス語、スペイン語、ドイツ語、ロシア語、中国語、日本語、イタリア語、ポルトガル語、オランダ語、アラビア語、ヒンディー語、韓国語で、話している間に句読点も含めて書き起こします。どの言語を話しているかを自動で判断するため、言語を設定する必要はありません。
言葉は声から1〜2秒遅れて表示され、残りはキーを離してから0.5秒以内に入力されます。私たちのテストでは、ヒンディー語とアラビア語の文がほぼ一語一句そのまま返ってきました。
4つの中で最も大きく、ダウンロードは2.8GB、動作中は数GBのメモリを使います。そのため、16GB以上のMacに向いています。
Omnilingual：1,600以上の言語
MetaのOmnilingual ASRは、タミル語、テルグ語、ベンガル語、マラーティー語、ウルドゥー語、パンジャーブ語、スワヒリ語、ヨルバ語、アムハラ語など、1,600以上の言語を聞き取ります。話す言語にほかのモデルが対応していない場合は、セットアップでFlitがこのモデルをおすすめします。
出力は言葉だけで、句読点や大文字はありません。それを加えるのは、「設定」→「整形」のレベルを「洗練」にしたときのFlitの整形です。「そのまま」では、モデルが書いたとおりの言葉になります。
精度は言語によって異なります。私たちのテストでは、ヒンディー語ではほぼ一語一句そのまま、アラビア語では少し誤りがあり、タミル語とベンガル語ではさらに多くの誤りがありました。ほかのモデルがあなたの言語に対応している場合は、そちらのほうが適しています。
ダウンロードサイズは1.8GBです。テキストは話し終えたときに表示されます。
Parakeet Unified：新しい英語モデル
NVIDIAのParakeet Unifiedは、ライブ表示と録音全体の文字起こしの両方に向けて学習されたモデルです。英語専用で、話している間に言葉を表示し、ダウンロードサイズは570MBです。英語だけで音声入力するなら、Parakeet Ultraと比べてみて、気に入ったほうを使ってください。
録音にも使えます
新しいモデルはすべて「文字起こし」タブで使えます。カードの下にある「モデル」で選ぶと、ファイルにはそのモデルが使われ、音声入力は今のモデルのままです。これで、タミル語、ヒンディー語、韓国語の録音も、Mac上で文字起こしできます。
よくある質問
Flit 1.6は無料のアップデートですか？
はい。すべてのライセンスに12か月間のアップデートが含まれ、1.6もその1つです。試用期間中でもすべてのモデルを使えます。
入手方法は？
メニューバーのFlitアイコンを右クリックして「アップデートを確認…」を選択します。モデル、設定、辞書、履歴はそのまま引き継がれ、再起動後のウインドウで新機能が表示されます。
音声モデルは変わりますか？
いいえ。別のモデルを選ぶまで、Flitは今使っているモデルを使い続けます。新しいモデルは「設定」→「モデル」からダウンロードできます。
自分の言語に最適なモデルは？
「設定」→「モデル」を開き、「話す言語」に言語を追加してください。上部のカードに、Flitがおすすめするモデルとその理由が表示されます。
すべて必要ですか？
いいえ。音声モデルは1つで十分です。ダウンロードサイズはそれぞれ570MBから2.8GBで、使わないモデルは削除できます。
何かアップロードされますか？
いいえ。すべてのモデルはMac上で動作し、FlitはWi-Fiがオフでも音声入力できます。唯一のネットワーク通信は、自分で開始するダウンロードです。
Omnilingualが句読点なしで書くのはなぜですか？
このモデルが出力するのは言葉だけです。句読点と大文字は、「洗練」レベルでFlitの整形が加えます。
Voxtralはメモリ8GBのMacで使えますか？
16GB以上を想定して作られています。整形モデルと一緒に動かすと、ほかのアプリに使えるメモリがほとんど残らないため、8GBのMacではParakeet UltraかQwen3-ASR 0.6Bのほうが適しています。
1.6.0のすべての変更
Flit 1.6は無料のアップデートです。メニューバーのFlitアイコンを右クリックして、「アップデートを確認」を選択してください。 Flitは初めてですか？すべての機能を7日間無料で使え、その後は$19の一回払いです。
- NEW Parakeet Ultra。Parakeet V3をさらに学習させたモデルです。対応する25言語も速度も同じまま、誤りが減りました。話している間に言葉が表示され、英語とほかの24のヨーロッパ言語では、Flitがおすすめするモデルになりました。
- NEW Voxtral Realtime。Mistralのモデルで、話している間に句読点も含めて書き起こします。対応は英語、フランス語、スペイン語、ドイツ語、ロシア語、中国語、日本語、イタリア語、ポルトガル語、オランダ語、アラビア語、ヒンディー語、韓国語の13言語です。
- NEW 1,600以上の言語。MetaのOmnilingual ASRは、タミル語、ベンガル語、ウルドゥー語、マラーティー語、スワヒリ語など、Flitのほかのどのモデルも対応していない言語を聞き取れます。出力は句読点のない言葉で、句読点はFlitの整形が加えます。
- NEW Parakeet Unified。NVIDIAの最新の英語モデルで、ライブ表示と録音全体の文字起こしの両方に向けて学習されています。
- 改善 ほかのどのモデルも対応していない言語には、セットアップでOmnilingualがおすすめされるようになりました。以前はAppleの内蔵エンジンが使われていました。今のモデルは、別のモデルを選ぶまでそのままです。