Salesforceは新しい音声からテキストへのモデルを発表し、現在、ボード上で最良のオープンウェイトオプションです。
SOV-Transcribe-1は、オープンウェイトの音声認識モデルの中で第1位、Artificial Analysis語誤り率（AA-WER）インデックス全体では第7位です。これは、モデル構築を自社のアイデンティティとしている複数のAI研究所を上回る、CRM企業の成果です。
モデルはインデックスで2.3%の単語誤り率を記録しました。このスコアは、44の評価モデル中7位であり、その分野には重みを公開しない企業の独自システムも含まれています。
実際にSalesforceがリリースした内容
Salesforceは2026年11月12日にSOV-Transcribe-1を発表しました。重みはHugging Faceで利用可能なので、組織はこのモデルをダウンロードして自社のインフラ上で実行できます。
最も近いオープンウェイトの競合製品は、Mistral AIのVoxtral SmallとNVIDIAのNemotron 3.5 Transcribeです。両者はAA-WERインデックスでともに2.8%を記録しました。
SOV-Transcribe-1は、評価内の2つの特定のテストセットでも最も優れた結果を記録しました。Earnings22ではWERが4.1％、VoxPopuliではWERが1.5％でした。
評価の別のコンポーネントであるAA-AgentTalkでは、モデルは1.8%を達成しました。
大規模モデル、実際の運用ではより小さなフットプリント
内部では、SOV-Transcribe-1は合計266億のパラメーターを備えています。そのうち、常に46億のパラメーターのみが活性化されています。
研究結果によると、このモデルのホストエンドポイントの速度は従来のシステムの約60倍です。
主権AIの観点
このモデルはSalesforceのSovereign AIイニシアチブの下に位置しています。これは、企業および政府顧客向けに安全で制御可能なAIを提供するための同社のMissionforce取り組みと連携しています。
Missionforceは、2025年9月に約1年前にローンチされました。このサービスは、政府および国家セキュリティのワークロードに焦点を当てており、敏感な音声を他者のサーバーに送信することに誰も興奮しない市場です。
オープンウェイトのモデルは、機関の独自環境にデプロイできます。厳格なデータ管理およびコンプライアンス規則を持つ組織にとって、これは選択肢ではなく必須条件です。