Un avance significativo en el reconocimiento de voz
En un movimiento que promete transformar la forma en que las empresas manejan la transcripción y el análisis del habla, Cohere ha lanzado Transcribe, su primer modelo de reconocimiento automático de voz (ASR) de código abierto. Este innovador modelo, presentado el 26 de marzo de 2026, está diseñado para facilitar tareas como la toma de notas y el análisis del discurso.
Con un tamaño relativamente ligero de 2 mil millones de parámetros, Transcribe es accesible para usuarios que deseen autoalojarlo en GPUs convencionales. El modelo ofrece soporte para 14 idiomas, incluyendo inglés, francés, alemán, italiano y español, entre otros. Esta versatilidad lingüística lo convierte en una herramienta valiosa para diversas aplicaciones globales.
Cohere afirma que Transcribe supera a modelos competidores como Zoom Scribe v1 y IBM Granite 4.0 1B en la clasificación de Hugging Face Open ASR, logrando una tasa promedio de error por palabra (WER) del 5.42%. En pruebas realizadas por evaluadores humanos, el modelo mostró una tasa de éxito del 61% al ser comparado con otros sistemas en términos de precisión y coherencia.
Una característica notable es su capacidad para procesar hasta 525 minutos de audio por minuto, lo cual es excepcional dentro de su categoría. Además, Cohere planea integrar Transcribe en su plataforma empresarial North y ofrecerlo a través de su API sin costo alguno. También estará disponible en Model Vault, la plataforma gestionada por Cohere para inferencias.
A medida que aumenta la demanda por aplicaciones dedicadas a la toma de notas y dictado, como Granola y Wispr Flow, los modelos de reconocimiento del habla están ganando popularidad rápidamente. En este contexto, Cohere ha informado a sus inversores sobre un ingreso recurrente anual proyectado en $240 millones para 2025. Aidan Gomez, CEO de la compañía, ha insinuado que una oferta pública inicial podría estar cerca.
