Cohere发布首个开源语音转录模型Transcribe

企业AI公司Cohere周四发布了其首个语音模型：Transcribe是一个开源自动语音识别模型，可用于笔记记录和语音分析等任务。

该模型参数量仅为20亿，相对轻量，专为希望自托管的用户设计，可在消费级GPU上运行。目前支持14种语言：英语、法语、德语、意大利语、西班牙语、葡萄牙语、希腊语、荷兰语、波兰语、中文、日语、韩语、越南语和阿拉伯语。

Cohere表示，Transcribe在Hugging Face开放ASR排行榜上击败了Zoom Scribe v1、IBM Granite 4.0 1B、ElevenLabs Scribe v2和Qwen3-ASR-1.7B Speech等模型，平均词错误率达到5.42，低于基准测试中的任何其他模型。

该公司声称，当人工评估员对转录准确性、连贯性和可用性进行评估时，Transcribe相比其他模型的平均胜率达到61%。不过，该模型在转录葡萄牙语、德语和西班牙语时表现不如竞争对手。

Cohere表示，Transcribe可以在一分钟内处理525分钟的音频，这在同类模型中表现优异。

该公司计划将Transcribe集成到其企业智能体编排平台North中，并通过API免费提供该模型。该模型还将在Cohere的托管推理平台Model Vault上提供。

随着对Granola和Wispr Flow等笔记记录和听写应用需求的增长，语音识别模型越来越受欢迎。

今年早些时候，据报道Cohere告诉投资者，其2025年年度经常性收入为2.4亿美元，其首席执行官Aidan Gomez被引述称，这家初创公司可能"很快"上市。

Q&A

Q1：Transcribe语音模型有什么特点？

A：Transcribe是Cohere推出的开源自动语音识别模型，参数量仅20亿，可在消费级GPU上运行。支持14种语言，在Hugging Face开放ASR排行榜上表现优异，平均词错误率仅5.42，可在一分钟内处理525分钟音频。

Q2：Transcribe在性能测试中表现如何？

A：Transcribe在多项测试中表现出色，击败了Zoom Scribe v1、IBM Granite等竞争模型，人工评估显示其胜率达61%。不过在转录葡萄牙语、德语和西班牙语时表现相对较弱。

Q3：如何获得和使用Transcribe模型？

A：Transcribe可通过Cohere的API免费获取，也将在该公司的托管推理平台Model Vault上提供。Cohere还计划将其集成到企业智能体编排平台North中，方便企业用户使用。