Salesforce 推出了新的語音轉文字模型,目前是市場上最佳的開放權重選擇。
SOV-Transcribe-1 在開放權重的語音轉文字模型中排名第一,在人工分析詞錯誤率(AA-WER)指數中總體排名第七。這使得一家 CRM 公司超越了數家以建模為核心業務的 AI 實驗室。
該模型在指數上的詞錯誤率為 2.3%。這一成績使其在 44 個評估模型中排名第 7,該領域包括一些不公開其權重的公司專有系統。
Salesforce 實際上發佈的內容
Salesforce 於 2026 年 11 月 12 日推出 SOV-Transcribe-1。權重已於 Hugging Face 提供,因此組織可下載該模型並在其自身基礎設施上運行。
最接近的開放權重競爭對手是 Mistral AI 的 Voxtral Small 和 NVIDIA 的 Nemotron 3.5 Transcribe,兩者在 AA-WER 指數上均取得 2.8% 的分數。
SOV-Transcribe-1 在評估中的兩個特定測試集上也取得了領先結果,其在 Earnings22 上的詞錯誤率(WER)為 4.1%,在 VoxPopuli 上的詞錯誤率(WER)為 1.5%。
在 AA-AgentTalk 這項評估的另一個組成部分中,該模型達到了 1.8%。
大型模型,實際使用時佔用空間更小
在背後,SOV-Transcribe-1 共有 26.6 億個參數,但任何時候僅有 4.6 億個處於激活狀態。
研究結果顯示,該模型的主機端點速度約為傳統系統的 60 倍。
主權 AI 的角度
該模型隸屬於 Salesforce 的主權 AI 計畫,並與 Missionforce 連接,後者是該公司為企業和政府客戶提供安全、可控 AI 的努力。
Missionforce 於 2025 年 9 月提前約一年推出。其重點是政府和國安工作負載,這是一個沒有人會對將敏感音訊發送到他人伺服器感到興奮的市場。
開放權重模型可部署於機構自身的環境中。對於有嚴格數據控制和合規規則的組織而言,這通常不是偏好,而是必要條件。




