Публикаций: 4
Рынок открытых моделей распознавания речи перестал быть однородным: в середине 2026 года сразу четыре конкурента Whisper разделяет меньше одного процентного пункта WER. Что это меняет для команд, которые выбирают ASR для продукта, автоматизации или голосового агента.
Cohere выпустила Transcribe Arabic — 2-миллиардную open-source модель для распознавания арабской речи. По заявлению компании, она обходит Whisper и OmniASR на диалектах и арабско-английском code-switching. Лицензия Apache 2.0 — коммерческое использование бесплатно.
Microsoft AI выпустила MAI-Transcribe-1.5 — модель распознавания речи с WER 2,4% на Artificial Analysis и скоростью транскрипции часа аудио менее чем за 15 секунд. 43 языка, поддержка отраслевых терминов, доступна в Azure AI Foundry прямо сейчас.
NVIDIA открыла веса Nemotron 3.5 ASR — потоковой модели распознавания речи на 600M параметров, которая покрывает 40 языков одним чекпоинтом и добавляет пунктуацию прямо на выходе. Модель можно дообучить под любой язык, акцент или домен — включая русский и языки СНГ.