冲击英伟达霸主地位：Cohere 推出开源轻量语音模型 Transcribe

在企业级 AI 领域频频出手的 Cohere，于 2026 年 3 月 26 日正式发布了名为Cohere Transcribe的开源语音识别模型。

该模型拥有 20 亿参数，专为边缘端打造，旨在破解传统语音模型体积过大带来的时延问题。它以 Apache 2.0 许可开源，Cohere 希望借鉴 Meta 的思路，凝聚开发者社区的力量快速完善生态，并通过生态反哺推动商业化。

边缘侧的性能猛将：覆盖 14 种语言并领先主流竞品

Cohere Transcribe训练覆盖包括中文、日语、法语、希伯来语在内的 14 种语言。依据 Hugging Face 开放 ASR 排行榜的最新数据，该模型在多项指标上已超越 ElevenLabs Scribe 和阿里系 Qwen3 等同类产品。

得益于更轻量的参数规模，它可直接部署在手机、PC 或工业网关等终端，无需频繁依赖云端算力，既显著降低数据传输延迟，也为银行、销售、医疗等对隐私要求严苛的行业提供了更安全的选择。

从文本迈向语音的战略延伸：重塑智能体交互的基石

尽管 Cohere 长期深耕文本生成，但此次切入语音识别被视为其打造通用 AI 智能体（Agent）的关键一步。公司透露，Cohere Transcribe将很快接入其 AI 智能体编排平台 North。

业内分析认为，随着 Siri 式语音交互成为 AI 浪潮的入口，语音能力已成为智能体感知世界的关键“耳朵”。通过“小而强”的开源策略，Cohere 正在边缘计算与实时语音翻译市场，正面对标 IBM、阿里巴巴以及推出 AI Companion 3.0 的 Zoom。