Cohere、オープンなアラビア語音声認識モデルを公開——平均WER 25.87、Whisperより11ポイント改善と発表

Cohereは7月7日、Cohere Transcribe ArabicをApache 2.0で公開。アラビア語方言や英語混じりの会話に対応し、APIとHugging Faceで使えます。

結論

Cohereはアラビア語の方言や英語混じりの会話に強い音声認識モデルを、Apache 2.0で公開しました。

7月7日の公式発表によると、Cohere Transcribe Arabicは2B規模のASRモデルを基に、アラビア語の実会話向けに追加学習されています。

主な数字

平均WERは25.87

Meta OmniASR-LLM-7Bより2.45ポイント改善

Whisper Large V3より11ポイント改善

人間評価でWhisperより好まれた割合は95.8%

RTFxは525と報告

実環境や専門用語で同じ精度が出るかは確認が必要です。出典はCohere公式ブログです。

PR

ニュースに出てきたAIやカテゴリに近い教材を優先しています。

広告（アフィリエイト）リンクを含みます。最新の内容・料金・在庫・条件は、リンク先の公式ページ・販売ページでご確認ください。

why care

英語中心だった音声AIが、方言やコードスイッチを含む実会話へ広がる動きです。多言語対応の字幕、コールセンター、社内議事録で意味があります。

source

提供状況や価格は変わるため、最終判断は公式情報で確認します。