Who soll die Sprecher eines 50-minütigen Interviews auf einem MacBook Pro mit M5 Pro in drei Sekunden trennen. Auf Besprechungen des AMI-Datensatzes nennt Desert Ant 12,6 Prozent Fehler gegen 13,1 Prozent für das verbreitete pyannote, bei Telefonkonferenzen mit bis zu 20 Sprechern 27,7 gegen 7,3 Prozent. Better Stack maß auf einem älteren M2 Max 393-fache Echtzeit.
Eye ordnet Fotos 558 Szenen zu, erkennt geschlossene Augen und wählt aus Serienbildern das beste. Auf einem Mac mit M6 braucht es laut Anbieter 5,5 Millisekunden je Foto, im Browser 41.