Cohere Transcribe
También: cohere-transcribe-03-2026
Publicado el
Definición
Cohere Transcribe es un modelo de reconocimiento de voz de código abierto de Cohere, publicado en marzo de 2026. Tiene 2.000 millones de parámetros, recibe audio y devuelve texto, y admite 14 idiomas.
El nombre completo en su ficha del modelo es cohere-transcribe-03-2026. Cohere lo describe como un modelo dedicado que recibe audio y devuelve texto: transcribe y no hace nada más. No traduce, no conversa y no resume.
Se publica bajo la licencia Apache 2.0, así que los pesos se pueden descargar y ejecutar en tu propio hardware, e integrar en otro software.
Los 14 idiomas
La ficha del modelo los agrupa por región.
- Europa: inglés, francés, alemán, italiano, español, portugués, griego, neerlandés y polaco.
- Asia-Pacífico: chino (mandarín), japonés, coreano y vietnamita.
- Oriente Medio y Norte de África: árabe.
Cómo está hecho
Cohere describe un codificador-decodificador basado en Conformer: un codificador Conformer grande extrae la representación acústica y un decodificador Transformer ligero genera el texto. Se entrenó desde cero, no a partir de un modelo existente.
Qué precisión tiene
La ficha del modelo da una tasa de error por palabra media del 5,42 % en los conjuntos en inglés del Open ASR Leaderboard, a 26 de marzo de 2026. Cohere dijo en el lanzamiento que eso lo situaba primero en precisión en esa clasificación. Las clasificaciones cambian, así que tómalo como una afirmación sobre ese día.
La cifra es para el inglés. La ficha no da una cifra única para los otros 13 idiomas.
Lo que no hace
La ficha del modelo es clara sobre tres límites.
- No detecta el idioma automáticamente. Tú le indicas qué idioma se habla, y la ficha dice que rinde de forma irregular cuando alguien cambia de idioma a mitad de frase.
- No da marcas de tiempo ni etiquetas de hablante. Solo devuelve texto.
- Transcribe con demasiadas ganas. En palabras de Cohere, como la mayoría de los modelos de su tipo, transcribe incluso sonidos que no son voz, así que le conviene tener delante una puerta de ruido o una detección de actividad de voz.
Ejecutarlo en tu propio equipo
Cohere ofrece el modelo a través de su propio servicio y también publica los pesos. Las versiones convertidas y cuantizadas de esos pesos funcionan en Apple silicon, y así es como un modelo de 2.000 millones de parámetros cabe en la memoria de un portátil junto a todo lo demás.
Preguntas que hace la gente.
¿Es Cohere Transcribe de código abierto?
Sí. Cohere publicó el modelo bajo la licencia Apache 2.0, y los pesos están publicados.
¿Qué idiomas admite Cohere Transcribe?
Catorce: inglés, francés, alemán, italiano, español, portugués, griego, neerlandés, polaco, chino mandarín, japonés, coreano, vietnamita y árabe.
¿Detecta Cohere Transcribe el idioma automáticamente?
No. Su ficha del modelo dice que no incluye una detección de idioma explícita y automática, así que hay que elegir el idioma.
¿Cuánto ocupa Cohere Transcribe?
Cohere lo describe como un modelo de 2.000 millones de parámetros.
¿Da Cohere Transcribe marcas de tiempo o etiquetas de hablante?
No. La ficha del modelo dice que no incluye ni marcas de tiempo ni diarización de hablantes.
¿Puede funcionar Cohere Transcribe sin conexión?
Sí, cuando ejecutas los pesos publicados en tu propio equipo. Si lo usas a través del servicio de Cohere, necesita conexión.
