Cohere推出开源语音识别模型Transcribe，采用前沿技术最小化词错率，兼顾生产环境实用性。该模型在HuggingFace开放ASR排行榜上准确率第一，支持本地GPU部署和托管平台调用，适用于会议转录、客服等场景。

Cohere发布开源语音识别模型Transcribe，树立行业新标杆

人工智能公司Cohere近日推出开源自动语音识别（ASR）模型Transcribe，该模型现已在Hugging Face平台开放下载。作为语音AI领域的突破性产品，Transcribe以5.42%的平均词错率（WER）荣登HuggingFace开放ASR排行榜首位，性能超越Whisper Large v3等知名模型。

核心优势

1. 卓越性能

   • 支持14种语言（包括中英日韩等）
   • 采用20亿参数的Conformer编码器-Transformer解码器架构
   • 在会议室声学（AMI数据集）、多口音环境（Voxpopuli数据集）等实际场景表现优异

2. 生产就绪

   • 兼顾高精度与高效率，推理速度处于同规模模型领先水平
   • 提供开源版本和托管服务（通过Model Vault平台）

3. 验证体系

   • 基准测试：在8个标准数据集上全面领先
   • 人工评估：英语转录偏好度达61%，日语支持表现尤为突出（70%胜率）

技术参数

| 指标 | 说明 | |------|------| | 架构 | 基于Conformer的编码器-解码器 | | 输入 | 音频波形→对数梅尔频谱 | | 模型大小 | 20亿参数 | | 许可协议 | Apache 2.0 |

应用场景

• 实时会议转录
• 语音分析
• 客户服务自动化

"Transcribe将数分钟音频快速转化为可用文本的能力令人印象深刻，"Radical Ventures副总裁Paige Dickie评价道，"这为实时产品开发开辟了新可能。"

获取方式

• 开发者：通过Hugging Face下载开源模型
• 企业用户：可使用免费API测试，或部署无速率限制的Model Vault专用实例

该模型未来将与Cohere的AI代理平台North深度集成，逐步扩展为企业级语音智能基础架构。

（核心开发团队：Julian Mack、Ekagra Ranjan等技术人员）

以下是评论内容的总结，涵盖主要观点和论据：

1. 对Cohere服务的积极评价

   • 用户geooff_赞扬Cohere的嵌入模型性能出色，P50指标稳定。
     "It has the most crisp, steady P50 of any external service I've used in a long time."
   • Void_表示对Cohere的转录模型非常满意，认为其准确且快速。
     "Accurate and fast model, very happy with it so far!"

2. 对开源许可的认可

   • simonw赞赏该模型采用Apache 2.0许可证，与其他仅限非商用的Cohere模型形成对比。
     "It's great that this is Apache 2.0 licensed - several of Cohere's other models are licensed free for non-commercial use only."

3. 对ASR技术发展的担忧

   • dinakernel担心ASR会像OCR一样，被多模态大模型取代，因其具备更强的领域理解能力。
     "If the multi modal large AI system is good enough (latency wise), the advantage of domain understanding eats the other technologies alive."

4. 对模型功能的疑问与建议

   • gruez指出模型缺乏时间戳和说话人分离功能，询问WhisperX是否仍是更好的选择。
     "What a shame. Is whisperx still the best choice if you want timestamps/diarization?"
   • medihack提到模型不支持自定义词汇、词增强或额外提示。
     "Unfortunately, this model does not seem to support a custom vocabulary, word boosting or an additional prompt."

5. 对多语言支持和开源的疑问

   • topazas询问训练其他欧洲语言的难度。
     "How hard could it be to train other European language(-s)?"
   • teach质疑“开源”是否包含训练所需的源代码。
     "Dumb question, but if this is 'open source' is there source code somewhere?"

6. 对模型性能的比较

   • stavros询问该模型是否在其规模类别中领先，但不确定是否优于Parakeet。
     "To clarify, this is SOTA in its size category, right? It's not better than Parakeet, for example?"
   • kalmuraee认为多模型表现更优。
     "Multimodels are way better"

7. 对隐私和替代方案的关注

   • ramon156提到使用美国公司的工具可能不符合ISO检查要求，认为Cohere是一个好的替代选择。
     "Our ISO inspector wouldn't be pleased to know. This is a good option. Will check it out."

总结涵盖了技术性能、许可、功能限制、多语言支持、开源定义、模型比较及隐私问题等多个方面。