Cohere Transcribe

O model card os agrupa por região.

• Europa: inglês, francês, alemão, italiano, espanhol, português, grego, holandês e polonês.
• Ásia-Pacífico: chinês (mandarim), japonês, coreano e vietnamita.
• Oriente Médio e Norte da África: árabe.

A Cohere descreve um codificador-decodificador baseado em Conformer: um grande codificador Conformer extrai a representação acústica, e um decodificador Transformer leve gera o texto. Ele foi treinado do zero, não adaptado de um modelo existente.

O model card informa uma taxa de erro de palavras (WER) média de 5,42% nos conjuntos em inglês do Open ASR Leaderboard, em 26 de março de 2026. No lançamento, a Cohere disse que isso o colocava em primeiro lugar nesse ranking em precisão. Rankings mudam, então leia isso como uma afirmação sobre aquele dia.

O número é para o inglês. A ficha não dá um número único para os outros 13 idiomas.

O model card é direto sobre três limites.

• Sem detecção automática de idioma. Você informa qual idioma está sendo falado, e a ficha diz que o desempenho é inconsistente quando a pessoa troca de idioma no meio da frase.
• Sem marcas de tempo e sem identificação de falantes. Ele devolve só texto.
• Ele quer transcrever tudo. Nas palavras da Cohere, como a maioria dos modelos do tipo, ele transcreve até sons que não são fala, então se beneficia de um noise gate ou de detecção de atividade de voz antes dele.

A Cohere oferece o modelo pelo próprio serviço e também publica os pesos. Versões convertidas e quantizadas desses pesos rodam em Apple silicon, e é assim que um modelo de 2 bilhões de parâmetros cabe na memória de um notebook junto com todo o resto.