В 2026 году ландшафт открытых моделей распознавания речи (ASR) претерпел значительные изменения, положив конец доминированию Whisper. То, что когда-то было монополией одной модели, теперь превратилось в поле ожесточенной конкуренции, где несколько игроков борются за лидерство.
Согласно анализу MarkTechPost, опубликованному 23 июля 2026 года, такие модели, как Cohere Transcribe, IBM Granite Speech 4.1, ARK-ASR и MOSS-Transcribe, теперь разделены менее чем одним пунктом WER (Word Error Rate) в таблице лидеров Hugging Face Open ASR Leaderboard. Это означает, что простое место в рейтинге больше не является определяющим фактором при выборе лучшего решения, поскольку разница в производительности стала минимальной.
В обзоре сравниваются 16 моделей с открытым весом по ключевым параметрам: частота ошибок в словах (WER), охват языков, задержка потоковой передачи и тип лицензии. Важно отметить, что, как подчеркивает источник, опубликованные средние значения нельзя просто вычитать друг из друга, что указывает на сложность прямого сравнения и необходимость глубокого анализа при выборе модели для конкретных задач.
Эта новая эра конкуренции стимулирует инновации и предлагает разработчикам более широкий выбор высокопроизводительных решений для интеграции в свои проекты. Открытые ASR-модели становятся все более мощными и доступными, что открывает новые горизонты для применения искусственного интеллекта в обработке речи.
Подробнее: marktechpost.com