Cohere выпустила открытую схема распознавания речи Transcribe

Компания Cohere представила схема Cohere Transcribe — систему автоматического распознавания речи (ASR), обученную с нуля на 14 языках. Модель построена на архитектуре Conformer и насчитывает приблизительно 2 млрд параметров, что позволяет ей эффективно функционировать в сложных акустических условиях.

Transcribe справляется с задачами, которые традиционно считаются сложными для ASR: распознаёт речь при наличии фонового шума, корректно обрабатывает перекрывающиеся голоса и учитывает особенности акцентов. Это делает модель пригодной для использования в реальных сценариях, таких как звонки, интервью и многоголосые обсуждения.

По данным Cohere, схема показала рекордную точность и заняла первое место в рейтинге Hugging Face Open ASR Leaderboard. Для английского языка метрика WER составил всего 5.42 процентов, что позволило обойти такие решения, как Whisper Large v3 от OpenAI, ElevenLabs Scribe v2 и Qwen3-ASR.

Развернуть схема можно как локально, так и на edge-устройствах, либо применять через api и платформу Cohere Model Vault. Веса уже доступны на Hugging Face, что делает Transcribe одним из самых доступных и мощных open-source решений в сегменте распознавания речи.

Запускание модели подтверждает усиливающуюся конкуренцию в области ASR и тенденция на открытые решения, которые по качеству начинают обгонять закрытые модели крупных компаний.