简短回答：在 NVIDIA 或 Apple Silicon 上，显存约 2 GB 起即可从均衡型开始（Apple 为统一内存）；AMD 和 Intel 显卡约需 4 GB。低于此值或没有 GPU 时，选择紧凑型。高级型在 NVIDIA 上约 3.6 GB 起推荐，在 Apple Silicon 上 4 GB 起，在 AMD 或 Intel 上 12 GB 起。三个档位都完全离线运行，都支持 99 种语言，你随时可以切换：应用只需重新下载一个文件。如果你在设置时选择的应用语言是 Parakeet 支持的 25 种欧洲语言之一，设置助手会预先选中 Parakeet。这是依据应用语言，而非你的说话语言。它在可用时使用 GPU，否则在处理器上运行；在处理器上，它在我们的基准测试中比紧凑型 Whisper 模型快数倍。
三个档位并排对比
WhisPaste 有意只提供三个档位，而不是完整的 whisper.cpp 模型目录。每个档位都是量化的 GGML 版本，因此下载文件都远小于 1 GB。你在设置中选择档位；应用会下载一个文件、校验其校验和，然后切换过去。
| 档位 | 模型 | 下载 | 显存 |
|---|---|---|---|
| Quick & Compact | whisper-small (q5_1) | 181 MB | ~900 MB |
| Balanced | whisper-medium (q5_0) | 514 MB | ~1.5 GB |
| Best Quality | whisper-large-v3-turbo (q5_0) | 547 MB | ~2.6 GB |
| Parakeet | parakeet-tdt-0.6b-v3 (int8) | 639 MB | GPU 可选，否则处理器 |
获取推荐
你的推荐
已关闭 JavaScript，因此下方会说明所有档位。上方的对比表提供的信息相同。
Quick & Compact — whisper-small
下载大小 181 MB，约需 900 MB 显存，是让配置有限的机器保持流畅的档位。对于集成显卡、较旧的显卡以及完全没有 GPU 的设备，它都是合适的起点。在较难的音频上，准确度低于更大的档位；但对于用不错的麦克风录制的清晰语音，两者的差距较小。
Balanced — whisper-medium
下载大小 514 MB，约需 1.5 GB 显存。这是大多数人应该使用的档位：在口音和专业词汇上通常比紧凑型更准确，又不像最高档位那样占用大量显存。在 Apple Silicon 上，2 GB 统一内存即可运行；从 4 GB 起，选择器会推荐高级型。
Best Quality — whisper-large-v3-turbo
下载大小 547 MB，约需 2.6 GB 显存。large-v3 的 turbo 变体是 WhisPaste 提供的最大模型。在约 4 GB 或更大的独立显卡上，或在 Apple Silicon 上有 4 GB 或更多统一内存时，它才值得选择；当你的音频较难识别时，例如语速快、人名陌生、专业词汇多，就应选择这一档。
也可以考虑：Parakeet
Parakeet 是第二种设备端引擎，并非 Whisper 的某个档位。下载大小为 639 MB 的 CPU 版本；启用 GPU 加速时还会加上约 638 MB 的 GPU 模型。在处理器上，它仍比 Whisper 快好几倍——因此在没有可用图形加速的机器上，它是最有力的选择。取舍在于语言覆盖范围：支持 25 种欧洲语言，而 Whisper 支持 99 种。
推荐是如何得出的
上方的选择器并非猜测，它使用了应用本身的同一套阈值。独立 NVIDIA 显卡按其报告显存的约 70% 计算，因为操作系统和其他进程也会占用一部分：报告显存约 2.1 GB 即可达到均衡型，约 3.6 GB 即可达到高级型。Apple Silicon 的判断较为宽松，因为统一内存确实是共享的：均衡型需要 2 GB，高级型需要 4 GB。集成的 AMD 和 Intel 显卡判断最为谨慎——它们把借用的系统内存当作自己的内存报告，因此只有约 12 GB 及以上才会推荐高级型。
语言比硬件更重要
在优化档位之前，先检查语言。Whisper 在每个档位都支持 99 种语言，因此更大的模型不会解锁新语言，只是让同一种语言转写得更准确。Parakeet 则是相反的取舍：在处理器上快得多，但仅限 25 种欧洲语言，包括德语、英语、法语、西班牙语、意大利语、波兰语、荷兰语、乌克兰语和俄语。如果你的语言在此列表中，并且你的机器没有可用的 GPU，那么在速度上 Parakeet 会胜过任何 Whisper 档位。设置助手会根据你在设置时选择的应用语言预先选中 Parakeet，而非你的说话语言。
首次使用之前
- 我应该从哪种 Whisper 模型大小开始？
- 在 NVIDIA 或 Apple Silicon 上，显存约 2 GB 起选择均衡型（whisper-medium）；AMD 或 Intel 上则从 4 GB 起。低于此值或没有 GPU 时选择紧凑型（whisper-small）。之后切换只需一次下载，因此无需在一开始就反复纠结。
- 最大的模型是否总是最佳选择？
- 不。无法放入显存的模型可能失败或运行缓慢。WhisPaste 会随之回退到更小的模型，因此能舒适放入的模型是更安全的选择。在来自不错麦克风的清晰音频上，准确度也会趋于平稳——更大的档位真正的价值体现在口音、噪音和专业词汇上。
- 以后可以更改模型大小吗？
- 可以。档位是一项设置；应用会下载对应文件一次，校验后从此使用它。你的其他设置都不会改变。