Salesforce এর একটি নতুন স্পিচ-টু-টেক্সট মডেল রয়েছে, এবং এটি বর্তমানে বোর্ডের সেরা ওপেন-ওয়েটস বিকল্প।
SOV-Transcribe-1 হল খোলা-ওজন স্পিচ-টু-টেক্সট মডেলগুলির মধ্যে প্রথম এবং কৃত্রিম বিশ্লেষণ শব্দ ত্রুটি হার (AA-WER) সূচকে মোটের উপর সাততম। এটি একটি CRM কোম্পানিকে এমন কয়েকটি AI ল্যাবের উপরে নিয়ে যায় যাদের পুরো পরিচয়ই মডেল তৈরি করা।
মডেলটি সূচকে 2.3% শব্দ ত্রুটি হার পেয়েছে। এই স্কোরটি 44টি মূল্যায়নকৃত মডেলের মধ্যে সাততম স্থান অর্জন করেছে, যেখানে এমন কোম্পানিগুলির নিজস্ব সিস্টেমও অন্তর্ভুক্ত রয়েছে যারা তাদের ওজনগুলি প্রকাশ করে না।
সেলসফোর্স কী বাস্তবে চালু করেছে
নভেম্বর ১২, ২০২৬-এ সেলসফোর্স SOV-Transcribe-1 প্রকাশ করে। ওজনগুলি Hugging Face-এ উপলব্ধ, তাই সংস্থাগুলি মডেলটি ডাউনলোড করে তাদের নিজস্ব অবকাঠামোতে চালাতে পারে।
সবচেয়ে কাছাকাছি ওপেন-ওয়েট প্রতিদ্বন্দ্বীগুলি হল Mistral AI-এর Voxtral Small এবং NVIDIA-এর Nemotron 3.5 Transcribe। উভয়েই AA-WER সূচকে 2.8% স্কোর করেছে।
SOV-Transcribe-1 এছাড়াও মূল্যায়নের দুটি নির্দিষ্ট পরীক্ষা সেটে শীর্ষ ফলাফল পোস্ট করেছে। এটি Earnings22-এ 4.1% WER এবং VoxPopuli-এ 1.5% WER স্কোর করেছে।
AA-AgentTalk-এ, মূল্যায়নের অন্য একটি উপাদানে, মডেলটি 1.8% অর্জন করেছে।
বড় মডেল, ব্যবহারে ছোট ফুটপ্রিন্ট
অন্তর্নিহিতভাবে, SOV-Transcribe-1 এ 26.6 বিলিয়ন মোট প্যারামিটার রয়েছে। এগুলির মধ্যে কেবল 4.6 বিলিয়ন প্যারামিটার যেকোনো সময় সক্রিয় থাকে।
গবেষণার ফলাফলগুলি মডেলের হোস্ট এন্ডপয়েন্ট গতির কারককে প্রায় 60 গুণ বেশি বলে নির্ধারণ করেছে।
সার্বভৌম এআই কোণ
মডেলটি Salesforce-এর সোভারেন AI প্রকল্পের অধীনে অবস্থিত। এটি Missionforce-এর সাথে যুক্ত, যা কোম্পানির উদ্যোগ যা এন্টারপ্রাইজ এবং সরকারি গ্রাহকদের জন্য নিরাপদ, নিয়ন্ত্রণযোগ্য AI প্রদানের চেষ্টা করে।
মিশনফোর্স প্রায় এক বছর আগে, সেপ্টেম্বর ২০২৫-এ চালু হয়েছিল। এর ফোকাস সরকারি এবং জাতীয় নিরাপত্তা ওয়ার্কলোড, একটি বাজার যেখানে কেউই সংবেদনশীল অডিওকে অন্যের সার্ভারে পাঠানোর বিষয়ে উত্তেজিত হয় না।
একটি ওপেন-ওয়েটস মডেলকে এজেন্সির নিজস্ব পরিবেশে ডিপ্লয় করা যায়। কঠোর ডেটা নিয়ন্ত্রণ এবং অনুগতির নিয়ম সহ সংগঠনগুলির জন্য এটি প্রায়শই একটি পছন্দ নয়, বরং একটি প্রয়োজনীয়তা।