Компания Cohere анонсировала выпуск модели Cohere Transcribe Arabic, предназначенной для распознавания арабской речи. Эта модель с 2 миллиардами параметров распространяется по открытой лицензии Apache 2.0 и доступна для скачивания на Hugging Face, а также через API Cohere. Согласно заявлению разработчиков, Cohere Transcribe Arabic представляет собой самую точную открытую систему преобразования арабской речи в текст. Модель нацелена на решение ключевых проблем, присущих транскрибации арабского языка: многообразие диалектов, двуязычные разговоры на арабском и английском, кодовое переключение (смешение языков одного диалога) и специализированную лексику.
В бенчмарках модель превзошла Whisper Large V3 от OpenAI, а также стандартную модель Cohere Transcribe. Cohere представила результаты человеческой оценки транскриптов по шкале от 1 до 5, где Cohere Transcribe Arabic продемонстрировала превосходство по общей точности, точности передачи диалекта и обработке кодового переключения. Модель построена на базе архитектуры Cohere Transcribe, но оптимизирована специально для арабского языка. Разработчики учли особенности регионов, где говорят по-арабски: наличие разговорной речи с вкраплениями английского, профессиональных терминов и региональных диалектов.
Cohere также опубликовала дополнительные метрики и примеры работы модели в своем блоге. Благодаря открытой лицензии Apache 2.0, модель может быть использована для создания различных ASR-приложений: от голосовых помощников до автоматической расшифровки интервью и конференций. Выпуск такой модели способен стимулировать развитие речевых технологий для арабского языка и сделать их более доступными.
Превосходит Whisper Large V3 по качеству распознавания арабской речи по оценкам людей.
