Cohere Transcribe
又称：cohere-transcribe-03-2026
发布于
定义
Cohere Transcribe是Cohere推出的开源语音识别模型，于2026年3月发布。它有20亿个参数，输入音频，输出文本，支持14种语言。
它在模型卡上的全名是cohere-transcribe-03-2026。Cohere把它描述为专用的音频输入、文本输出模型：它只转写，不做别的。没有翻译，没有聊天，也没有摘要。
它采用Apache 2.0许可证发布，所以权重可以下载并在你自己的硬件上运行，也可以集成到其他软件中。
14种语言
模型卡按地区对它们分组。
- 欧洲：英语、法语、德语、意大利语、西班牙语、葡萄牙语、希腊语、荷兰语和波兰语。
- 亚太：中文（普通话）、日语、韩语和越南语。
- 中东和北非：阿拉伯语。
它是如何构建的
Cohere描述的是一种基于Conformer的编码器-解码器：大型Conformer编码器提取声学表示，轻量级Transformer解码器生成文本。它是从零开始训练的，不是由现有模型改编而来。
准确度如何
模型卡报告，截至2026年3月26日，它在Open ASR Leaderboard英语测试集上的平均词错误率为5.42%。Cohere在发布时说，这让它在该排行榜上的准确度排名第一。排行榜会变化，所以请把这看作关于那一天的说法。
这个数字针对的是英语。模型卡没有为其他13种语言给出单一数字。
它不做什么
模型卡直接说明了三个局限。
- 没有自动语言检测。你要告诉它说的是哪种语言，模型卡说，当说话人在句中切换语言时，它的表现不稳定。
- 没有时间戳，也没有说话人标签。它只返回文本。
- 它很急于转写。用Cohere的话说，和大多数同类模型一样，它连非语音的声音也会转写，所以在它前面加上噪声门或语音活动检测会有帮助。
在你自己的电脑上运行
Cohere通过自己的服务提供这个模型，同时也公开了权重。这些权重经过转换和量化的版本可以在Apple芯片上运行，一个20亿参数的模型就是这样和其他所有东西一起放进笔记本电脑内存的。
大家常问的问题。
Cohere Transcribe是开源的吗？
是的。Cohere以Apache 2.0许可证发布了这个模型，权重也已公开。
Cohere Transcribe支持哪些语言？
14种：英语、法语、德语、意大利语、西班牙语、葡萄牙语、希腊语、荷兰语、波兰语、普通话、日语、韩语、越南语和阿拉伯语。
Cohere Transcribe会自动检测语言吗？
不会。它的模型卡说，它不具备明确的自动语言检测功能，所以必须选择语言。
Cohere Transcribe有多大？
Cohere把它描述为一个20亿参数的模型。
Cohere Transcribe会提供时间戳或说话人标签吗？
不会。模型卡说，它既没有时间戳，也没有说话人分离功能。
Cohere Transcribe能离线运行吗？
能，前提是你在自己的电脑上运行公开的权重。通过Cohere的服务使用时，它需要联网。
