Cohere Transcribe

Le premier modèle vocal ouvert de Cohere : un spécialiste de la transcription 2B pour 14 langues, publié sous Apache 2.0.

En bref. Cohere Transcribe transforme de la voix enregistrée en texte dans 14 langues, dont l'anglais, le chinois, le japonais, le coréen et l'arabe. Il ne fait qu'une chose, la transcription, et est conçu pour être rapide et précis, pas pour discuter. Vous lui indiquez la langue attendue, et il n'ajoute ni horodatages ni étiquettes de locuteur.

Résumé

Cohere a publié Cohere Transcribe, son premier modèle vocal, le 26 mars 2026 sous Apache 2.0. Il compte environ 2,07 milliards de paramètres et est un reconnaissant vocal dédié, audio en entrée et texte en sortie, entraîné à partir de zéro, et non un modèle de langage auquel on a ajouté l'audio. Un encodeur Fast-Conformer concentre plus de 90% des paramètres et un décodeur Transformer léger écrit le texte, donc peu de calcul va à la génération token par token. Il a été entraîné sur 14 langues : l'anglais, le français, l'allemand, l'italien, l'espagnol, le portugais, le grec, le néerlandais, le polonais, le mandarin, le japonais, le coréen, le vietnamien et l'arabe. L'audio est rééchantillonné à 16 kHz, la stéréo est moyennée sur un canal et la ponctuation peut être désactivée via une option.

Cohere rapporte un taux d'erreur de mots moyen de 5.42% sur le classement Open ASR en anglais au 26 mars 2026, ce qui était la première place à l'époque. Son tableau cite Zoom Scribe v1 à 5.47%, IBM Granite 4.0 1B Speech à 5.52%, NVIDIA Canary Qwen 2.5B à 5.63%, Qwen3-ASR-1.7B à 5.76%, ElevenLabs Scribe v2 à 5.83% et Whisper Large v3 à 7.44%. Cohere dit aussi que son débit hors ligne atteint jusqu'à trois fois celui de reconnaissants dédiés de taille similaire, et rapporte de bons résultats dans des tests de préférence humaine sur la qualité de transcription. Un modèle plus récent sur ce site, Granite Speech 5.0 2B, a depuis annoncé une moyenne anglaise plus basse. Tous ces chiffres viennent des développeurs et le classement bouge souvent.

La fiche Hugging Face donne trois limites. Le modèle fonctionne mieux quand vous nommez à l'avance l'une des 14 langues, il n'a pas de détection automatique de langue et ne gère pas de façon cohérente l'audio qui change de langue en cours. Il ne produit ni horodatages ni étiquettes de locuteur. Et comme la plupart des reconnaissants encodeur-décodeur, il est pressé de transcrire : un bruit léger peut devenir du texte inventé à moins de placer devant une porte de bruit ou un détecteur d'activité vocale.

Il fonctionne dans Hugging Face Transformers à partir de la version 5.4.0, dans vLLM pour servir via un endpoint de transcription à la OpenAI, et dans mlx-audio sur puce Apple, et la fiche liste des ports communautaires comme une version Rust, une démo navigateur et des builds GGUF. Les enregistrements longs sont découpés en segments puis recollés automatiquement. Les poids se trouvent derrière une invite d'accès Hugging Face qui demande de partager vos coordonnées, et Cohere propose aussi le modèle via son API et un service géré.

Idéal pour

  • Transcription précise d'appels, de réunions et d'entretiens dans n'importe laquelle des 14 langues prises en charge
  • Reconnaissance vocale auto-hébergée sous licence Apache 2.0 et sans frais à la minute
  • Transcription par lots d'enregistrements longs, le modèle étant conçu pour un haut débit hors ligne
  • Des produits en chinois, japonais, coréen ou arabe, que beaucoup de reconnaissants tournés vers l'européen ne couvrent pas

Points d’attention

  • Pas de détection automatique de langue, donc passez la langue vous-même, et le mélange de langues est géré de façon inégale
  • Ni horodatages ni étiquettes de locuteur, donc utilisez un autre outil si vous avez besoin de sous-titres ou de qui a dit quoi
  • Un bruit léger peut être transcrit en mots si vous n'ajoutez pas d'abord de détection d'activité vocale
  • La première place date de mars 2026 et le classement a bougé depuis, et tous les chiffres sont ceux de Cohere
  • Hugging Face vous demande vos coordonnées avant de libérer les fichiers

Les affirmations de performance viennent du développeur et n’ont pas été vérifiées de manière indépendante.

De quelle mémoire a-t-il besoin ?

Chiffres de mémoire pour chaque variante de Cohere Transcribe. Les pipelines d’image, de vidéo, de voix et de musique chargent aussi un encodeur de texte et un décodeur, si bien que la mémoire nécessaire peut dépasser celle du checkpoint principal.

Variantes Paramètres Taille du téléchargement Mémoire nécessaire Fonctionne sur
Cohere Transcribe 03-2026 BF16 2.07B 4.13 GB 4.75 GB Ordinateur portable ou smartphone

La taille du téléchargement couvre tous les composants nécessaires au fonctionnement du modèle, comme le générateur, l’encodeur de texte et le décodeur. La mémoire nécessaire correspond au minimum déclaré ou publié lorsqu’il existe ; sinon, il s’agit de la taille du téléchargement plus environ 15 %. Images plus grandes, clips plus longs et résolutions plus élevées demandent davantage.

La licence en langage clair

L'une des licences permissives les plus utilisées. Vous pouvez utiliser et modifier le modèle et vendre des produits construits à partir de lui avec seulement quelques conditions légères.

En savoir plus sur Apache 2.0

À voir aussi

Questions fréquentes

Qu’est-ce que Cohere Transcribe ?
Cohere Transcribe transforme de la voix enregistrée en texte dans 14 langues, dont l'anglais, le chinois, le japonais, le coréen et l'arabe. Il ne fait qu'une chose, la transcription, et est conçu pour être rapide et précis, pas pour discuter. Vous lui indiquez la langue attendue, et il n'ajoute ni horodatages ni étiquettes de locuteur.
Puis-je utiliser Cohere Transcribe commercialement ?
Oui. Cohere Transcribe est publié sous Apache 2.0, une licence permissive. Vous pouvez l’utiliser commercialement si vous respectez les conditions standard, comme conserver la mention de licence.
Cohere Transcribe est-il open source ?
Cohere Transcribe est publié sous Apache 2.0, une licence approuvée par l’Open Source Initiative. Les données et le code d’entraînement ne sont pas forcément publics ; on le décrit donc mieux comme des poids ouverts sous une licence open source.
Puis-je faire tourner Cohere Transcribe sur mon propre ordinateur ?
Oui. La plus petite variante, Cohere Transcribe 03-2026, demande environ 4.75 GB de mémoire en précision 4 bits, ce qui convient à un ordinateur portable moderne ou à une carte graphique de milieu de gamme.
Quand Cohere Transcribe est-il sorti ?
Cohere Transcribe a été publié par Cohere le 26 mars 2026.

Liens officiels

Sources

Les spécifications proviennent de ces sources primaires. Les résultats de référence mentionnés, s’il y en a, sont ceux communiqués par le développeur.

Date de sortie et faits vérifiés pour la dernière fois le 11 novembre 2026.

Modèles associés

Modèle Sortie Paramètres Contexte Licence Mémoire requise (plus petite variante)
Granite Speech 5.0 EN IBM 470M – 2.31B – Apache 2.0 (Permissive) 1.09 GB Ordinateur portable ou smartphone
Parakeet TDT 0.6B v3 EN NVIDIA 627M – CC BY 4.0 (Permissive) 2.89 GB Ordinateur portable ou smartphone
Qwen3-ASR EN Alibaba Qwen 918M – 2.35B – Apache 2.0 (Permissive) 2.12 GB Ordinateur portable ou smartphone
Whisper large-v3-turbo EN OpenAI 810M – 1.54B – MIT (Permissive) 6 GB Ordinateur portable ou smartphone