Artificial Analysis: SOV-Transcribe-1 dari Salesforce menjadi model ucapan-ke-teks berbobot terbuka terbaik dengan tingkat kesalahan kata 2,3%

Menurut Artificial Analysis, SOV-Transcribe-1, model ucapan-ke-teks berbobot terbuka baru dari tim Missionforce Sovereign AI milik Salesforce, meraih skor 2,3% pada Indeks AA-WER. Ini menempati peringkat #1 di antara model berbobot terbuka dan #7 dari total 44 model, termasuk model berpemilik. Bobot model tersedia di Hugging Face.

• Dibandingkan model terbuka lainnya: dua model berikutnya, Voxtral Small dari Mistral dan Nemotron 3.5 Transcribe dari NVIDIA, sama-sama meraih skor 2,8%.
• Ukuran: model ini memiliki 4,6B parameter aktif (total 26,6B). Artificial Analysis mencatat jumlah parameter aktif ini sekitar 5x lebih sedikit daripada Voxtral Small (24B) dan mendekati Nemotron 3.5 Transcribe (4B).
• Berdasarkan set data: model ini memimpin di antara model berbobot terbuka pada panggilan pendapatan Earnings22 (4,1% dibandingkan 4,8% untuk Voxtral Small) dan sedikit unggul pada pidato parlemen VoxPopuli (1,5% dibandingkan 1,8%). Pada AA-AgentTalk, kumpulan percakapan agen suara milik Artificial Analysis, skornya 1,8%, setara dengan Nemotron 3.5 Transcribe.
• Kecepatan: pada endpoint yang dihosting Salesforce, model ini mencapai Faktor Kecepatan 60x, yakni sekitar satu detik untuk mentranskripsikan satu menit audio.

Peringkat dan angka tersebut merupakan hasil pengukuran Artificial Analysis sendiri.