एंटरप्राइज़-स्तरीय कृत्रिम बुद्धिमत्ता कंपनी कोहेरे ने गुरुवार को अपना पहला स्पीच मॉडल ट्रांसक्राइब जारी किया। यह एक खुला स्रोत स्वचालित वाक् पहचान (एएसआर) मॉडल है, जो मुख्य रूप से वाक्-से-पाठ रिकॉर्डिंग, वाक् सामग्री विश्लेषण और अन्य परिदृश्यों के लिए है। मॉडल पैरामीटर का आकार लगभग 2 बिलियन है और इसे "हल्के" समाधान के रूप में तैनात किया गया है जो उपभोक्ता-ग्रेड जीपीयू पर चलाना आसान है और स्व-होस्टिंग आवश्यकताओं वाले उद्यमों और डेवलपर्स द्वारा तैनाती के लिए उपयुक्त है।
ट्रांसक्राइब वर्तमान में 14 भाषाओं का समर्थन करता है, जिनमें अंग्रेजी, फ्रेंच, जर्मन, इतालवी, स्पेनिश, पुर्तगाली, ग्रीक, डच, पोलिश, चीनी, जापानी, कोरियाई, वियतनामी और अरबी शामिल हैं। कोहेरे ने कहा कि हगिंग फेस की ओपन एएसआर सूची में, ट्रांसक्राइब ने 5.42 की औसत शब्द त्रुटि दर (डब्ल्यूईआर) हासिल की, इस बेंचमार्क में ज़ूम स्क्राइब वी1, आईबीएम ग्रेनाइट 4.0 1बी, इलेवनलैब्स स्क्राइब वी2 और क्यूवेन3-एएसआर-1.7बी स्पीच जैसे मॉडलों से बेहतर प्रदर्शन किया।
मानव मूल्यांकन के संदर्भ में, कोहेरे ने कहा कि जब मानव समीक्षकों ने सटीकता, स्थिरता और प्रयोज्य के संदर्भ में प्रतिलेखन परिणामों की तुलना की, तो अन्य मॉडलों की तुलना में ट्रांसक्राइब की औसत जीत दर 61% थी। हालाँकि, कंपनी ने यह भी स्वीकार किया कि पुर्तगाली, जर्मन और स्पेनिश जैसी भाषाओं में कुछ प्रतिस्पर्धी उत्पादों की तुलना में मॉडल का प्रदर्शन अभी भी थोड़ा खराब है।
प्रदर्शन के संदर्भ में, कोहेयर द्वारा दिया गया डेटा यह है कि ट्रांसक्राइब प्रति मिनट लगभग 525 मिनट ऑडियो संसाधित कर सकता है, जो समान मॉडलों के बीच उच्च स्तर पर है। कोहेरे ने इस भाषण मॉडल को उद्यमों के लिए अपने एजेंट ऑर्केस्ट्रेशन प्लेटफॉर्म नॉर्थ में एकीकृत करने और इसे कंपनी के एपीआई के माध्यम से स्वतंत्र रूप से सुलभ बनाने की योजना बनाई है। साथ ही, ट्रांसक्राइब कोहेयर के होस्टेड अनुमान प्लेटफॉर्म मॉडल वॉल्ट पर भी सूचीबद्ध किया जाएगा, जिससे ग्राहक इसे सीधे कॉल कर सकेंगे।
समग्र रूप से वाक् पहचान मॉडल तेजी से गर्म हो रहे हैं क्योंकि वॉयस नोट लेने और श्रुतलेख-आधारित अनुप्रयोगों जैसे ग्रेनोला और विस्प्र फ्लो की मांग लगातार बढ़ रही है। इस संदर्भ में, कोहेरे उन उद्यमों के लिए एक स्व-होस्टेड और मैत्रीपूर्ण आवाज बुनियादी ढांचा प्रदान करते हुए, खुले स्रोत, हल्के और बहु-भाषा समर्थन के माध्यम से बाजार में प्रवेश करने का प्रयास करता है जो अपने डेटा और तैनाती वातावरण को नियंत्रित करना चाहते हैं।
इस साल की शुरुआत में, यह बताया गया था कि कोहेरे 2025 में वार्षिक आवर्ती राजस्व (एआरआर) में लगभग 240 मिलियन डॉलर हासिल करेगा, और कंपनी के सीईओ एडन गोमेज़ को यह कहते हुए उद्धृत किया गया था कि स्टार्टअप "शायद जल्द ही" सार्वजनिक हो सकता है।