Artificial Analysis : SOV-Transcribe-1 de Salesforce est le meilleur modèle de transcription vocale à poids ouverts, avec un taux d’erreur de 2,3 %

Selon Artificial Analysis, SOV-Transcribe-1, un nouveau modèle de transcription vocale à poids ouverts de l’équipe Missionforce Sovereign AI de Salesforce, obtient un score de 2,3 % à son indice AA-WER. Il se classe premier parmi les modèles à poids ouverts et 7e sur 44 modèles au total, y compris les modèles propriétaires. Les poids sont disponibles sur Hugging Face.

• Par rapport aux autres modèles ouverts : les deux suivants, Voxtral Small de Mistral et Nemotron 3.5 Transcribe de NVIDIA, obtiennent tous deux 2,8 %.
• Taille : le modèle compte 4,6 milliards de paramètres actifs (26,6 milliards au total). Artificial Analysis indique que cela représente environ cinq fois moins de paramètres actifs que Voxtral Small (24 milliards), et un nombre proche de Nemotron 3.5 Transcribe (4 milliards).
• Par jeu de données : il arrive en tête des modèles à poids ouverts sur les appels de résultats financiers d’Earnings22 (4,1 % contre 4,8 % pour Voxtral Small) et devance légèrement les autres sur les discours parlementaires de VoxPopuli (1,5 % contre 1,8 %). Sur AA-AgentTalk, le jeu de conversations d’agents vocaux d’Artificial Analysis, il obtient 1,8 %, à égalité avec Nemotron 3.5 Transcribe.
• Vitesse : sur le point de terminaison hébergé de Salesforce, il atteint un facteur de vitesse de 60×, soit environ une seconde pour transcrire une minute d’audio.

Le classement et les chiffres sont issus des propres mesures d’Artificial Analysis.