产品发布
企业 AI 公司 Cohere 于 3 月 26 日推出了其首款语音模型：Transcribe，这是一款开源自动语音识别（ASR）模型，可用于笔记记录和语音分析等任务。
技术规格
模型规模
- 参数量：仅 20 亿
- 部署要求：可在消费级 GPU 上运行，适合自托管用户
- 支持语言：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
- 阿拉伯语
性能表现
根据 Cohere 的数据，Transcribe 在 Hugging Face Open ASR 排行榜 上超越了 Zoom Scribe v1、IBM Granite 4.0 1B、ElevenLabs Scribe v2 和 Qwen3-ASR-1.7B Speech 等模型：
- 词错误率（WER）：平均 5.42，低于排行榜上任何其他模型
- 人类评估胜率：当人类评估者评估转录的准确性、连贯性和可用性时，该模型的平均胜率为 61%
- 处理速度：每分钟可处理 525 分钟音频，在其同类模型中属于高水平
不过，该模型在转录葡萄牙语、德语和西班牙语时落后于竞争对手。
集成与可用性
Cohere 计划将 Transcribe 集成到其企业代理编排平台 North 中，并：
- API：通过 API 免费提供
- Model Vault：将在 Cohere 的托管推理平台 Model Vault 上提供
市场背景
语音识别模型正日益流行，因为对笔记记录和听写应用的需求不断增长，例如：
- Granola：最近完成 1.25 亿美元融资，估值达 15 亿美元
- Wispr Flow：推出 Android 应用 用于 AI 驱动听写
Cohere 发展近况
今年早些时候，Cohere reportedly 告诉 投资者，公司 2025 年年度经常性收入为 2.4 亿美元，CEO Aidan Gomez 表示公司可能"很快"上市。
竞争格局
语音 AI 市场竞争激烈，主要参与者包括：
| 公司 | 产品 | 特点 |
|---|---|---|
| Zoom | Zoom Scribe v1 | 会议转录 |
| IBM | Granite 4.0 1B | 企业级 ASR |
| ElevenLabs | Scribe v2 | 多语言支持 |
| 阿里 | Qwen3-ASR-1.7B | 开源模型 |
| Cohere | Transcribe | 2B 参数，14 种语言 |
Cohere 通过开源策略和较低的部署门槛，希望在企业市场获得竞争优势。