Cohere Transcribe
Anche: cohere-transcribe-03-2026
Pubblicato il
Definizione
Cohere Transcribe è un modello open source di riconoscimento vocale di Cohere, rilasciato a marzo 2026. Ha 2 miliardi di parametri, riceve audio e restituisce testo, e supporta 14 lingue.
Il nome completo nella sua scheda del modello è cohere-transcribe-03-2026. Cohere lo descrive come un modello dedicato, con audio in ingresso e testo in uscita: trascrive e non fa nient’altro. Niente traduzione, niente chat e niente riassunti.
È rilasciato sotto licenza Apache 2.0, quindi i pesi si possono scaricare, far girare sul proprio hardware e integrare in altri software.
Le 14 lingue
La scheda del modello le raggruppa per area geografica.
- Europa: inglese, francese, tedesco, italiano, spagnolo, portoghese, greco, olandese e polacco.
- Asia-Pacifico: cinese (mandarino), giapponese, coreano e vietnamita.
- Medio Oriente e Nord Africa: arabo.
Come è fatto
Cohere descrive un’architettura encoder-decoder basata su Conformer: un grande encoder Conformer estrae la rappresentazione acustica, e un decoder Transformer leggero genera il testo. È stato addestrato da zero, non adattato da un modello esistente.
Quanto è preciso
La scheda del modello riporta un word error rate (WER) medio del 5,42% sui set in inglese della Open ASR Leaderboard, al 26 marzo 2026. Al momento del rilascio Cohere ha detto che questo lo poneva al primo posto in quella classifica per precisione. Le classifiche cambiano, quindi va letta come un’affermazione relativa a quel giorno.
Il dato riguarda l’inglese. La scheda non fornisce un valore unico per le altre 13 lingue.
Cosa non fa
La scheda del modello è chiara su tre limiti.
- Nessun rilevamento automatico della lingua. Sei tu a indicare quale lingua viene parlata, e la scheda dice che il modello è incostante quando chi parla cambia lingua a metà frase.
- Niente timestamp e niente etichette dei parlanti. Restituisce solo testo.
- Tende a trascrivere tutto. Con le parole di Cohere, come la maggior parte dei modelli del suo tipo trascrive anche suoni che non sono parlato, quindi trae vantaggio da un noise gate o da un rilevamento dell’attività vocale a monte.
Farlo girare sul tuo computer
Cohere offre il modello tramite il proprio servizio e pubblica anche i pesi. Le versioni convertite e quantizzate di quei pesi girano su Apple silicon, ed è così che un modello da 2 miliardi di parametri sta nella memoria di un portatile insieme a tutto il resto.
Le domande più frequenti.
Cohere Transcribe è open source?
Sì. Cohere ha rilasciato il modello sotto licenza Apache 2.0, e i pesi sono pubblici.
Quali lingue supporta Cohere Transcribe?
Quattordici: inglese, francese, tedesco, italiano, spagnolo, portoghese, greco, olandese, polacco, cinese mandarino, giapponese, coreano, vietnamita e arabo.
Cohere Transcribe rileva la lingua automaticamente?
No. La sua scheda del modello dice che non dispone di un rilevamento automatico ed esplicito della lingua, quindi la lingua va scelta.
Quanto è grande Cohere Transcribe?
Cohere lo descrive come un modello da 2 miliardi di parametri.
Cohere Transcribe fornisce timestamp o etichette dei parlanti?
No. La scheda del modello dice che non offre né timestamp né diarizzazione dei parlanti.
Cohere Transcribe può funzionare offline?
Sì, quando usi i pesi pubblicati sul tuo computer. Usato tramite il servizio di Cohere, richiede una connessione.
