기업형 인공지능 기업 코히어(Cohere)가 목요일 첫 음성 모델 트랜스크라이브(Transcribe)를 출시했다. 이는 주로 음성-텍스트 녹음, 음성 콘텐츠 분석 및 기타 시나리오를 위한 오픈 소스 자동 음성 인식(ASR) 모델입니다. 모델 매개변수 크기는 약 20억이며 소비자급 GPU에서 실행하기 쉽고 자체 호스팅 요구 사항이 있는 기업 및 개발자의 배포에 적합한 "경량" 솔루션으로 포지셔닝됩니다.
Transcribe는 현재 영어, 프랑스어, 독일어, 이탈리아어, 스페인어, 포르투갈어, 그리스어, 네덜란드어, 폴란드어, 중국어, 일본어, 한국어, 베트남어, 아랍어 등 14개 언어를 지원합니다. Cohere는 Hugging Face의 Open ASR 목록에서 Transcribe가 5.42의 평균 단어 오류율(WER)을 달성하여 이 벤치마크에서 Zoom Scribe v1, IBM Granite 4.0 1B, ElevenLabs Scribe v2 및 Qwen3-ASR-1.7B Speech와 같은 모델보다 뛰어난 성능을 보였다고 말했습니다.
인간 평가 측면에서 Cohere는 인간 검토자가 정확성, 일관성 및 유용성 측면에서 전사 결과를 비교했을 때 Transcribe가 다른 모델에 비해 평균 61%의 승률을 보였다고 말했습니다. 다만, 포르투갈어, 독일어, 스페인어 등 언어에서는 해당 모델의 성능이 여전히 일부 경쟁 제품에 비해 다소 떨어진다는 점도 회사 측은 인정했다.
성능면에서 Cohere가 제공한 데이터에 따르면 Transcribe는 분당 약 525분의 오디오를 처리할 수 있으며 이는 유사한 모델 중에서 높은 수준입니다. Cohere는 음성 모델을 기업용 에이전트 오케스트레이션 플랫폼인 North에 통합하고 회사의 API를 통해 자유롭게 액세스할 수 있도록 할 계획입니다. 동시에 Transcribe는 Cohere가 호스팅하는 추론 플랫폼 Model Vault에도 등록되어 고객이 더 쉽게 직접 호출할 수 있습니다.
Granola 및 Wispr Flow와 같은 음성 메모 작성 및 받아쓰기 기반 애플리케이션에 대한 수요가 계속 증가함에 따라 음성 인식 모델 전체가 빠르게 가열되고 있습니다. 이러한 맥락에서 Cohere는 오픈 소스, 경량 및 다국어 지원을 통해 시장 진입을 시도하고 데이터 및 배포 환경을 제어하려는 기업에 자체 호스팅되고 친숙한 음성 인프라를 제공합니다.
올해 초 Cohere는 2025년에 약 2억 4천만 달러의 연간 반복 수익(ARR)을 달성할 것으로 보고되었으며 회사 CEO인 Aidan Gomez는 이 스타트업이 "아마도 곧" 상장될 수 있다고 말했습니다.