Artificial Analysis: Salesforce का SOV-Transcribe-1, 2.3% शब्द त्रुटि दर के साथ शीर्ष ओपन-वेट स्पीच-टू-टेक्स्ट मॉडल

Artificial Analysis के अनुसार, Salesforce की Missionforce Sovereign AI टीम का नया ओपन-वेट स्पीच-टू-टेक्स्ट मॉडल SOV-Transcribe-1, उसके AA-WER Index पर 2.3% स्कोर करता है। ओपन-वेट मॉडल में यह #1 और कुल 44 मॉडल में—प्रोप्राइटरी मॉडल सहित—#7 पर है। इसके वेट Hugging Face पर उपलब्ध हैं।

• अन्य ओपन मॉडल की तुलना में: अगले दो मॉडल, Mistral का Voxtral Small और NVIDIA का Nemotron 3.5 Transcribe, दोनों 2.8% स्कोर करते हैं।
• आकार: मॉडल में 4.6B सक्रिय पैरामीटर हैं (कुल 26.6B)। Artificial Analysis के मुताबिक, Voxtral Small (24B) की तुलना में इसके सक्रिय पैरामीटर लगभग 5 गुना कम हैं और यह Nemotron 3.5 Transcribe (4B) के करीब है।
• डेटासेट के अनुसार: Earnings22 अर्निंग कॉल पर यह ओपन-वेट मॉडल में आगे है (Voxtral Small के 4.8% के मुकाबले 4.1%) और VoxPopuli संसदीय भाषण पर थोड़ा बेहतर है (1.8% के मुकाबले 1.5%)। Artificial Analysis के वॉइस-एजेंट वार्तालाप डेटासेट AA-AgentTalk पर इसका स्कोर 1.8% है, जो Nemotron 3.5 Transcribe के बराबर है।
• गति: Salesforce के होस्टेड एंडपॉइंट पर यह 60x का Speed Factor हासिल करता है—यानी एक मिनट के ऑडियो को ट्रांसक्राइब करने में लगभग एक सेकंड।

रैंकिंग और आंकड़े Artificial Analysis के अपने माप हैं।