Cohere Transcribe

모델 카드는 언어를 지역별로 묶어 보여 줍니다.

• 유럽: 영어, 프랑스어, 독일어, 이탈리아어, 스페인어, 포르투갈어, 그리스어, 네덜란드어, 폴란드어.
• 아시아 태평양: 중국어(표준 중국어), 일본어, 한국어, 베트남어.
• 중동 및 북아프리카: 아랍어.

Cohere는 이 모델을 Conformer 기반 인코더-디코더로 설명합니다. 대형 Conformer 인코더가 음향 표현을 추출하고, 경량 Transformer 디코더가 텍스트를 생성합니다. 기존 모델을 조정한 것이 아니라 처음부터 학습되었습니다.

모델 카드에 따르면 2026년 3월 26일 기준 Open ASR Leaderboard의 영어 세트에서 평균 단어 오류율은 5.42퍼센트입니다. Cohere는 공개 당시 이 수치로 해당 리더보드에서 정확도 1위를 차지했다고 밝혔습니다. 리더보드는 바뀌므로, 그날 기준의 주장으로 받아들이세요.

이 수치는 영어에 대한 것입니다. 모델 카드는 나머지 13개 언어에 대해 하나의 수치를 제시하지 않습니다.

모델 카드는 세 가지 한계를 분명히 밝힙니다.

• 자동 언어 감지가 없습니다. 어떤 언어로 말하는지 직접 알려 줘야 하며, 모델 카드에 따르면 화자가 문장 중간에 언어를 바꾸면 성능이 일정하지 않습니다.
• 타임스탬프와 화자 레이블이 없습니다. 텍스트만 반환합니다.
• 무엇이든 전사하려는 경향이 있습니다. Cohere의 설명에 따르면 이런 종류의 대부분 모델처럼 말이 아닌 소리까지 전사하므로, 앞단에 노이즈 게이트나 음성 활동 감지를 두면 도움이 됩니다.

Cohere는 자체 서비스를 통해 모델을 제공하며, 가중치도 공개합니다. 이 가중치를 변환하고 양자화한 빌드는 Apple 실리콘에서 실행되며, 덕분에 매개변수 20억 개의 모델이 다른 모든 것과 함께 노트북 메모리에 들어갑니다.