Beste Open ASR-modellen van 2026: WER, talen, latentie en licenties vergeleken
Cohere
IBM
NVIDIA
Alibaba/Qwen
Mistral
Kyutai
Meta
OpenAI
Het landschap van open spraakherkenning is gediversifieerd voorbij Whisper, met meerdere modellen die een WER van onder de 6% behalen op de Open ASR Leaderboard. Belangrijke ontwikkelingen zijn onder andere Cohere Transcribe, IBM Granite Speech 4.1 en diverse modellen voor doorvoer, streaming en taalondersteuning. Het rapport benadrukt dat licenties, taalondersteuning, doorvoer en streamingmogelijkheden nu belangrijker zijn dan een ruwe leaderboard-positie.
Het open ASR-veld is voorbij de Whisper-monocultuur. In maart 2026 bracht Cohere Transcribe (2B, Apache 2.0) uit met een gemiddelde WER van 5,42%, gevolgd door IBM's Granite Speech 4.1 2B met 5,33%. ARK-ASR-3B en MOSS-Transcribe-preview-2B rapporteerden later lagere cijfers. Leaderboardscores zijn echter niet direct vergelijkbaar vanwege verschillende testsetsamenstellingen; Cohere's score daalt van 5,42% naar 5,84% wanneer herberekend op dezelfde zeven sets als ARK. Private evaluatiesets van Appen herschikken de ranglijsten verder. Cohere Transcribe heeft sterke productieondersteuning en wint op menselijke voorkeur. IBM Granite Speech 4.1 biedt meer functies zoals trefwoordbias en interpunctie. Canary-Qwen-2.5B draait in transcriptie- of LLM-modus. Qwen3-ASR dekt 52 talen. Qua doorvoer leidt Parakeet TDT 0.6B v3 met RTFx 3332,74, terwijl Granite Speech 4.2B-NAR niet-autoregressief is. Voor streaming bieden Voxtral Mini 4B Realtime en Kyutai STT lage latentie. Meta's Omnilingual ASR dekt meer dan 1600 talen. Whisper large-v3 blijft relevant vanwege de MIT-licentie en het ecosysteem. Het diffusion-gemma-asr-model van Interfaze is architecturaal vernieuwend maar niet inzetbaar. MOSS-Transcribe-Diarise integreert sprekerlabels. Licentiekeuzes verschillen: Apache 2.0 (Cohere, IBM, Qwen), MIT (Whisper), CC-BY-4.0 (Canary, Parakeet, Kyutai). Teams wordt geadviseerd te evalueren op basis van licentie, taaldekking, streaming versus batch, eigen audio-WER en kosten per audiouur.
Bron: MarkTechPost —
origineel