Cohere发布开源语音转录模型，支持14种语言并可自托管

企业AI公司Cohere于周四推出其首个语音模型Transcribe，这是一款开源自动语音识别模型，适用于笔记记录和语音分析等任务。该模型参数规模为20亿，相对轻量化，旨在供希望自托管的用户在消费级GPU上使用。目前支持14种语言，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。Cohere称，Transcribe在Hugging Face Open ASR排行榜上超越了Zoom Scribe v1、IBM Granite 4.0 1B、ElevenLabs Scribe v2以及Qwen3-ASR-1.7B Speech等模型，平均词错误率（WER）为5.42，低于该基准测试中的其他任何模型。在人类评估者对转录准确性、连贯性和可用性的评估中，该模型对其他模型的平均胜率为61%，但在转录葡萄牙语、德语和西班牙语时表现不及竞争对手。Cohere表示，Transcribe每分钟可处理525分钟的音频，在同类模型中表现突出。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，同时也将在Cohere的托管推理平台Model Valut上提供。随着Granola和Wispr Flow等笔记和听写应用需求的增长，语音识别模型日益受欢迎。此外，今年早些时候有报道称，Cohere向投资者透露其2025年的年度经常性收入为2.4亿美元，其首席执行官Aidan Gomez曾表示该初创公司可能“很快”上市。