Artificial Analysis: SOV-Transcribe-1 di Salesforce è il miglior modello open-weight di trascrizione vocale, con un tasso di errore delle parole del 2,3%

Secondo Artificial Analysis, SOV-Transcribe-1, un nuovo modello open-weight di trascrizione vocale del team Missionforce Sovereign AI di Salesforce, ottiene un punteggio del 2,3% nel suo indice AA-WER. È al primo posto tra i modelli open-weight e al settimo su 44 modelli complessivi, inclusi quelli proprietari. I pesi sono disponibili su Hugging Face.

• Confronto con altri modelli open: i due successivi, Voxtral Small di Mistral e Nemotron 3.5 Transcribe di NVIDIA, ottengono entrambi il 2,8%.
• Dimensioni: il modello ha 4,6B di parametri attivi (26,6B in totale). Artificial Analysis osserva che si tratta di circa 5 volte meno parametri attivi rispetto a Voxtral Small (24B) e di un valore simile a Nemotron 3.5 Transcribe (4B).
• Per dataset: è in testa tra i modelli open-weight sulle chiamate sugli utili di Earnings22 (4,1% contro il 4,8% di Voxtral Small) e ha un leggero vantaggio sui discorsi parlamentari di VoxPopuli (1,5% contro l'1,8%). Su AA-AgentTalk, il set di conversazioni con agenti vocali di Artificial Analysis, ottiene l'1,8%, a pari merito con Nemotron 3.5 Transcribe.
• Velocità: sull'endpoint ospitato da Salesforce raggiunge uno Speed Factor di 60x, trascrivendo circa un minuto di audio in un secondo.

La classifica e i dati sono frutto delle misurazioni di Artificial Analysis.