Cohere Transcribe
Auch: cohere-transcribe-03-2026
Veröffentlicht:
Definition
Cohere Transcribe ist ein Open-Source-Spracherkennungsmodell von Cohere, veröffentlicht im März 2026. Es hat 2 Milliarden Parameter, nimmt Audio entgegen, gibt Text aus und unterstützt 14 Sprachen.
Der volle Name auf seiner Model Card ist cohere-transcribe-03-2026. Cohere beschreibt es als reines Modell für Audio rein, Text raus: Es transkribiert und macht sonst nichts. Keine Übersetzung, kein Chat, keine Zusammenfassung.
Es steht unter der Apache-2.0-Lizenz. Die Gewichte lassen sich also herunterladen, auf eigener Hardware ausführen und in andere Software einbauen.
Die 14 Sprachen
Die Model Card ordnet sie nach Regionen.
- Europa: Englisch, Französisch, Deutsch, Italienisch, Spanisch, Portugiesisch, Griechisch, Niederländisch und Polnisch.
- Asien-Pazifik: Chinesisch (Mandarin), Japanisch, Koreanisch und Vietnamesisch.
- Naher Osten und Nordafrika: Arabisch.
Wie es aufgebaut ist
Cohere beschreibt einen Conformer-basierten Encoder-Decoder: Ein großer Conformer-Encoder extrahiert die akustische Repräsentation, und ein schlanker Transformer-Decoder erzeugt den Text. Es wurde von Grund auf trainiert, nicht aus einem bestehenden Modell angepasst.
Wie genau es ist
Die Model Card nennt eine durchschnittliche Wortfehlerrate von 5,42 Prozent auf den englischen Datensätzen des Open ASR Leaderboard, Stand 26. März 2026. Cohere sagte zur Veröffentlichung, dass es damit auf dieser Rangliste bei der Genauigkeit auf Platz eins lag. Ranglisten ändern sich, lies das also als Aussage über diesen Tag.
Der Wert gilt für Englisch. Für die anderen 13 Sprachen nennt die Model Card keine einzelne Zahl.
Was es nicht macht
Die Model Card nennt drei Grenzen ganz offen.
- Keine automatische Erkennung der Sprache. Du gibst an, welche Sprache gesprochen wird, und laut Model Card arbeitet es unzuverlässig, wenn jemand mitten im Satz die Sprache wechselt.
- Keine Zeitstempel und keine Sprecherkennzeichnung. Es gibt nur Text zurück.
- Es transkribiert übereifrig. In Coheres Worten transkribiert es wie die meisten Modelle seiner Art auch Geräusche, die keine Sprache sind. Ein Noise Gate oder eine Sprachaktivitätserkennung davor hilft also.
Auf dem eigenen Rechner ausführen
Cohere bietet das Modell über seinen eigenen Dienst an und veröffentlicht auch die Gewichte. Umgewandelte und quantisierte Builds dieser Gewichte laufen auf Apple silicon. So passt ein Modell mit 2 Milliarden Parametern neben allem anderen in den Arbeitsspeicher eines Laptops.
Fragen, die Leute stellen.
Ist Cohere Transcribe Open Source?
Ja. Cohere hat das Modell unter der Apache-2.0-Lizenz veröffentlicht, und die Gewichte sind öffentlich.
Welche Sprachen unterstützt Cohere Transcribe?
Vierzehn: Englisch, Französisch, Deutsch, Italienisch, Spanisch, Portugiesisch, Griechisch, Niederländisch, Polnisch, Mandarin-Chinesisch, Japanisch, Koreanisch, Vietnamesisch und Arabisch.
Erkennt Cohere Transcribe die Sprache automatisch?
Nein. Laut Model Card hat es keine explizite, automatische Erkennung der Sprache, die Sprache muss also gewählt werden.
Wie groß ist Cohere Transcribe?
Cohere beschreibt es als Modell mit 2 Milliarden Parametern.
Liefert Cohere Transcribe Zeitstempel oder Sprecherkennzeichnung?
Nein. Laut Model Card hat es weder Zeitstempel noch Sprecherkennzeichnung.
Kann Cohere Transcribe offline laufen?
Ja, wenn du die veröffentlichten Gewichte auf deinem eigenen Rechner ausführst. Über den Dienst von Cohere braucht es eine Verbindung.
