Artificial Analysis: SOV-Transcribe-1 của Salesforce là mô hình chuyển giọng nói thành văn bản có trọng số mở đứng đầu, với tỷ lệ lỗi từ 2,3%

Theo Artificial Analysis, SOV-Transcribe-1, mô hình chuyển giọng nói thành văn bản có trọng số mở mới từ nhóm Missionforce Sovereign AI của Salesforce, đạt 2,3% trên chỉ số AA-WER. Mô hình đứng đầu trong số các mô hình có trọng số mở và xếp thứ 7 trong tổng số 44 mô hình, bao gồm cả các mô hình độc quyền. Trọng số được đăng trên Hugging Face.

• So với các mô hình mở khác: hai mô hình kế tiếp, Voxtral Small của Mistral và Nemotron 3.5 Transcribe của NVIDIA, đều đạt 2,8%.
• Kích thước: mô hình có 4,6B tham số hoạt động (tổng cộng 26,6B). Artificial Analysis lưu ý con số này ít hơn khoảng 5 lần so với Voxtral Small (24B) và gần bằng Nemotron 3.5 Transcribe (4B).
• Theo bộ dữ liệu: mô hình dẫn đầu trong số các mô hình có trọng số mở trên các cuộc gọi công bố kết quả kinh doanh Earnings22 (4,1% so với 4,8% của Voxtral Small) và nhỉnh hơn đôi chút trên dữ liệu phát biểu nghị viện VoxPopuli (1,5% so với 1,8%). Trên AA-AgentTalk, bộ hội thoại tác nhân giọng nói của Artificial Analysis, mô hình đạt 1,8%, ngang với Nemotron 3.5 Transcribe.
• Tốc độ: trên endpoint do Salesforce lưu trữ, mô hình đạt Speed Factor 60x, tức cần khoảng một giây để chép lời một phút âm thanh.

Bảng xếp hạng và các số liệu là kết quả đo lường riêng của Artificial Analysis.