Artificial Analysis: SOV-Transcribe-1 de Salesforce es el mejor modelo de voz a texto de pesos abiertos, con un 2,3 % de error de palabras

Artificial Analysis afirma que SOV-Transcribe-1, un nuevo modelo de voz a texto de pesos abiertos del equipo Missionforce Sovereign AI de Salesforce, obtiene un 2,3 % en su índice AA-WER. Ocupa el puesto n.º 1 entre los modelos de pesos abiertos y el n.º 7 de 44 modelos en total, incluidos los propietarios. Los pesos están disponibles en Hugging Face.

• Frente a otros modelos abiertos: los dos siguientes, Voxtral Small de Mistral y Nemotron 3.5 Transcribe de NVIDIA, obtienen ambos un 2,8 %.
• Tamaño: el modelo tiene 4.600 millones de parámetros activos (26.600 millones en total). Artificial Analysis señala que tiene aproximadamente 5 veces menos parámetros activos que Voxtral Small (24.000 millones) y una cifra similar a Nemotron 3.5 Transcribe (4.000 millones).
• Por conjunto de datos: lidera entre los modelos de pesos abiertos en llamadas sobre resultados financieros de Earnings22 (4,1 % frente al 4,8 % de Voxtral Small) y va ligeramente por delante en discursos parlamentarios de VoxPopuli (1,5 % frente al 1,8 %). En AA-AgentTalk, el conjunto de conversaciones de agentes de voz de Artificial Analysis, obtiene un 1,8 %, a la par de Nemotron 3.5 Transcribe.
• Velocidad: en el endpoint alojado de Salesforce alcanza un factor de velocidad de 60x: tarda aproximadamente un segundo en transcribir un minuto de audio.

La clasificación y las cifras corresponden a mediciones propias de Artificial Analysis.