Cohere lanzó Cohere Transcribe Arabic, un modelo de código abierto construido específicamente para el reconocimiento de voz en árabe. Según la compañía, se trata del sistema de transcripción de árabe de código abierto más preciso disponible hoy.
¿Qué problema resuelve?
El árabe es uno de los idiomas más complejos para la transcripción automática. El modelo, de 2.000 millones de parámetros, apunta a los desafíos concretos del árabe hablado:
- La enorme variedad de dialectos regionales.
- Las conversaciones bilingües árabe-inglés.
- El code-switching o cambio de código dentro de una misma frase.
- El vocabulario especializado que otros sistemas suelen fallar.
¿Qué tan preciso es frente a Whisper?
Cohere afirma que su modelo supera a Whisper Large V3, al modelo estándar Cohere Transcribe y a otros sistemas en sus benchmarks. En evaluaciones humanas de las transcripciones, calificadas en una escala de 1 a 5, Cohere Transcribe Arabic obtiene mejor puntaje que Whisper Large V3 y que el Cohere Transcribe estándar en tres dimensiones:
- Calidad general de la transcripción.
- Fidelidad al dialecto.
- Manejo del cambio de código.
¿Cómo se accede al modelo?
El modelo se publica bajo la licencia Apache 2.0, lo que permite uso comercial. Está disponible tanto en Hugging Face para descarga directa como a través de la API de Cohere para quienes prefieran consumirlo como servicio. Los benchmarks completos y ejemplos adicionales están documentados en el blog de Cohere.
La apuesta de una licencia permisiva sobre un idioma históricamente subatendido por los grandes modelos de voz abre la puerta a que desarrolladores de la región construyan encima sin fricción de licenciamiento, algo poco habitual en modelos de reconocimiento de voz de este tamaño.
