Cohere发布开源专用语音转录模型 20亿参数支持14种语言

生成式AI厂商Cohere于2026年3月26日正式推出专为语音转录场景打造的开源语音模型，该模型参数量仅20亿，可在普通消费级GPU上流畅运行，目前支持14种主流语言的转写任务，大幅降低了中小开发者、垂直行业企业自建语音转录服务的技术与硬件门槛，为本地部署语音AI能力提供了新选项。

对于很多需要高频处理语音转录需求的中小团队而言，过去要么要承担每年数万到数十万元不等的闭源API调用成本，要么得采购数万元的高端计算卡才能跑通开源大模型，这个两难局面近期有了新的解决方案。

随着远程办公普及、客服智能化、内容生产工业化，全球语音转写服务的市场规模年增速超过32%，但现有方案始终存在明显的痛点：闭源API服务不仅调用成本高，还要求用户上传语音数据到服务商云端，金融、医疗、法律等有严格数据合规要求的行业根本无法使用；而现有开源语音模型大多参数量在100亿以上，需要A100级别的专业计算卡才能流畅运行，中小团队根本负担不起对应的硬件成本。

Cohere本次推出的转录专用模型，核心优势就是在保持转写准确率的前提下大幅压缩了参数量。据官方测试数据，该模型在通用场景下的转写准确率比同参数级别的竞品高出12%-18%，对带口音的语音、背景噪音较多的场景适应性更强。仅20亿的参数量意味着用户只需一张显存16G以上的消费级RTX 3060显卡，就可以实现本地实时转录，完全不需要依赖云端资源。