AIデイリー：Cohere-transcribeがオープンソース音声認識をリリース：2Bパラメータで推論効率3倍、企業導入の最適解
Cohereがオープンソースの音声認識モデル「Cohere-transcribe」を公開。2Bパラメータで従来の3倍の推論効率を実現し、Hugging Faceのリーダーボードで1位を獲得しました。14言語に対応し、高精度と低コストな導入を両立した企業向けモデルです。
273月
トピック
#ASR
ASR に関する最新ニュースと解説。
このトピックの記事
新しい順 1 / 1 ページMistral Voxtral 4B 登場：500ms未満のオープンソース即時音声モデル、GeminiとGPT-4oの覇権に挑む
Mistral Voxtral 4Bが登場しました。この新しい音声モデルは、40億パラメータというコンパクトなサイズでありながら、驚異的な低遅延とApache 2.0オープンソースライセンスにより、音声文字起こし市場の既存のルールを打ち破り、開発者に前例のないローカルコンピューティングの可 …
Qwen3-ASR 重大オープンソース：Whisperの覇権に挑戦、「歌」や「方言」も高精度に認識？
長い間、OpenAIのWhisperシリーズモデルは、オープンソースの自動音声認識（ASR）分野における事実上の標準解となっていました。開発者が音声のテキスト化タスクを処理する必要があるとき、最初に頭に浮かぶ名前はたいていこれです。しかし率直に言って、この「一強」の状態は崩れつつあるようで …
途切れる録音にサヨナラ！Microsoft VibeVoice ASRが挑む60分連続の高精度文字起こし
寸断された文字起こしに別れを告げましょう！MicrosoftがVibeVoice-ASRを発表。従来のAIによる長尺音声分割が引き起こす意味の分断を解決します。60分の録音をシングルパスで処理し、「内容・話者・タイムスタンプ」を正確に統合。長時間の会議やポッドキャストの文字起こしがエラーフ …
MOSS-Transcribe-Diarize リリース：このマルチモーダル AI はついに多人の口論や方言のジョークを理解できるようになったのか？
OpenMOSS チームは 2026 年初頭に、エンドツーエンドのマルチモーダル大規模言語モデルである MOSS-Transcribe-Diarize を発表しました。これは高精度な音声書き起こしを行うだけでなく、長年の課題であった「複数人の重複会話」や「感情的な音声」の認識という難題を解 …
オープンソース音声認識の新星GLM-ASR-Nano-2512が登場、ベンチマークでOpenAI Whisper V3を凌駕
1.5Bパラメータの軽量設計であるGLM-ASR-Nano-2512は、複数の音声認識ベンチマークでOpenAI Whisper V3を打ち負かしました。このオープンソースモデルは、広東語などの方言認識で優れた性能を発揮するだけでなく、低音量の「ささやき」会話も正確に捉えることができ、開発 …
Meta AIの衝撃：Omnilingual ASRはどのようにして1600もの言語を「話せる」ようにしたのか？
Meta AIは、1600以上の言語、特にリソースの少ない言語の音声認識をサポートする画期的なOmnilingual ASR技術を発表しました。このオープンソース技術は、技術的なボトルネックを打破するだけでなく、コミュニティの力を通じてデジタル世界における言語の壁を真に埋めることを目指して …
アリババQwenファミリーに新たな強力メンバー！Qwen3-ASR-Flash登場、音声認識はここまで進化できるのか？
アリババが新たに発表したQwen3-ASR-Flash音声認識モデルを探る。11言語をサポートするだけでなく、言語の自動検出、ノイズフィルタリング機能を備え、その精度は想像を絶する。本記事では、その強力な機能と実用的な応用シーンを深く掘り下げ、このAIの新星が私たちのコミュニケーションをど …
Parakeet-TDT-0.6b-v3：NVIDIAのオープンソース新兵器が多言語音声テキスト変換体験を覆す
NVIDIAが発表した最新のParakeet-TDT-0.6b-v3モデルをご覧ください。この6億パラメータのAIモデルが、驚異的な効率と精度で25のヨーロッパ言語のリアルタイム音声テキスト変換をサポートし、開発者や企業に新たな可能性をもたらす方法を探ります。
NVIDIA Parakeet音声認識モデル：6億パラメータでOpenAIに挑戦？60分の音声を1秒で文字起こし、オープンソースで強力！
AI音声認識の分野が活況を呈しています！NVIDIAが最近Hugging Faceでオープンソース化したParakeet TDT 0.6B V2モデルは、驚異的な文字起こし速度、商用ツールに匹敵する精度、そして寛大なオープンソースライセンスにより、急速に注目を集めています。この「小さなイン …