📢 转载信息
原文作者：Ivan Mehta
企业级 AI 公司 Cohere 于周四发布了其首款语音模型：Transcribe。这是一个开源的自动语音识别（ASR）模型，专门用于笔记记录、语音分析等任务。
轻量高效的开源模型
该模型参数量相对轻盈，仅为 20 亿（2 billion）参数，专为那些希望进行本地化部署且拥有消费级 GPU 的用户设计。目前，它支持包括英语、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、越南语和阿拉伯语在内的 14 种语言。
Cohere 表示，在 Hugging Face 开放 ASR 排行榜上，Transcribe 的表现超越了 Zoom Scribe v1、IBM Granite 4.0 1B、ElevenLabs Scribe v2 以及 Qwen3-ASR-1.7B Speech 等模型，其平均单词错误率（WER）仅为 5.42，是该基准测试中表现最出色的模型。
性能与局限性
据公司宣称，在人类评估员对转写内容的准确性、连贯性和可用性进行评估时，Transcribe 相比其他模型拥有 61% 的平均胜率。不过，该模型在处理葡萄牙语、德语和西班牙语的转写任务时，表现略逊于竞争对手。
Cohere 指出，Transcribe 处理音频的效率极高，每分钟可处理 525 分钟的音频，这在同类模型中处于领先水平。
未来规划
该公司计划将 Transcribe 集成到其企业代理编排平台 North 中，并免费通过其 API 提供该模型。此外，该模型也将在 Cohere 的托管推理平台 Model Vault 上线。
随着 Granola 和 Wispr Flow 等语音笔记与听写应用的需求日益增长，语音识别模型正变得越来越受欢迎。
据报道，今年早些时候，Cohere 向投资者透露其 2025 年的年度经常性收入（ARR）达到 2.4 亿美元，其首席执行官 Aidan Gomez 曾表示，该公司可能“很快”会上市。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区