Artificial Analysis: SOV-Transcribe-1, da Salesforce, é o principal modelo de speech-to-text com pesos abertos, com 2,3% de taxa de erro de palavras

Segundo a Artificial Analysis, o SOV-Transcribe-1, novo modelo de speech-to-text com pesos abertos da equipe Missionforce Sovereign AI, da Salesforce, alcança 2,3% no índice AA-WER. Isso o coloca em 1º lugar entre os modelos de pesos abertos e em 7º entre 44 modelos no total, incluindo os proprietários. Os pesos estão no Hugging Face.

• Em comparação com outros modelos abertos: os dois seguintes, Voxtral Small, da Mistral, e Nemotron 3.5 Transcribe, da NVIDIA, alcançam 2,8%.
• Tamanho: o modelo tem 4,6 bilhões de parâmetros ativos (26,6 bilhões no total). A Artificial Analysis observa que isso representa cerca de 5 vezes menos parâmetros ativos que o Voxtral Small (24 bilhões) e é próximo do Nemotron 3.5 Transcribe (4 bilhões).
• Por conjunto de dados: lidera entre os modelos de pesos abertos nas chamadas de resultados financeiros do Earnings22 (4,1%, contra 4,8% do Voxtral Small) e fica ligeiramente à frente no discurso parlamentar do VoxPopuli (1,5%, contra 1,8%). No AA-AgentTalk, conjunto de conversas com agentes de voz da Artificial Analysis, alcança 1,8%, empatado com o Nemotron 3.5 Transcribe.
• Velocidade: no endpoint hospedado pela Salesforce, atinge um fator de velocidade de 60x — cerca de um segundo para transcrever um minuto de áudio.

A classificação e os números são medições próprias da Artificial Analysis.