[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"news-d8c62859-54c8-4069-b776-8e623ca03029":3},{"id":4,"title":5,"summary":6,"original_url":7,"source_id":8,"tags":9,"published_at":23,"created_at":24,"modified_at":25,"is_published":26,"publish_type":27,"image_url":13,"view_count":28},"d8c62859-54c8-4069-b776-8e623ca03029","Cohere Transcribe Arabic 把开源 ASR 推到阿拉伯榜首：2B 参数、Apache 2.0、WER 比 Whisper 低 11 个点","7 月 7 日，加拿大 AI 公司 Cohere 发布 Transcribe Arabic——一个 2B 参数、Apache 2.0 授权的专用语音识别模型。它在 Hugging Face 开放通用阿拉伯语 ASR 榜单上以平均词错误率 25.87 登顶开源组，比上一任冠军 Meta OmniASR-LLM-7B 低 2.45 个点，比 OpenAI 的 Whisper Large V3 低整整 11 个点。模型权重已开放下载，并可通过 Cohere API 与 Model Vault 部署。\n\n技术细节上，Cohere 选择了一条\"窄而深\"的路：不卷参数规模，专攻阿拉伯语长期没解好的多方言与英阿双语 code-switching 问题。模型覆盖现代标准阿拉伯语及埃及、海湾、黎凡特、马格里布五大方言区，盲测里 95.8% 的母语评审员偏好它超过 Whisper。关键差异在于它保留了海湾方言的本土用词与企业英语术语的原貌，而不是把它们标准化成书面阿拉伯语——这正是此前开源方案普遍丢分的地方。在 SADA、Common Voice、MASC、Casablanca 等六套测试集上，它拿下四套第一。\n\n工程交付也做得务实：原生集成 vLLM 推理引擎，吞吐量 RTFx 跑到 525，分别是 Whisper Large V3（146）和 OmniASR（66）的 3.6 倍和 8 倍。模型权重下载即跑、不依赖云端 API，可在消费级硬件上本地部署，契合中东市场对\"主权 AI\"与数据合规的迫切需求。\n\n我的判断：Cohere 在刻意避开闭源巨头的正面战场，专啃阿拉伯语、东南亚语这种英语系厂商懒得做的非通用语。这是今年值得关注的差异化打法——比起再发一个 7B 通才模型去刷榜单，一个 2B 专才加完全开源、消费级硬件可部署，对真正在做本地化与多语种落地的开发者更有现实吸引力。主权 AI 这条叙事，也第一次有了可被普通工程团队直接复用的开源样本。","https:\u002F\u002Fcohere.com\u002Fblog\u002Ftranscribe-arabic","df9f8204-8e8d-4fce-8526-3c6fe8e6ae56",[10,14,17,20],{"id":11,"name":12,"slug":12,"description":13,"color":13},"5e628969-6d2a-437f-998a-104e4b16cfb1","ai-progress",null,{"id":15,"name":16,"slug":16,"description":13,"color":13},"499f4b56-819d-49a3-9609-33e775143b86","multimodal",{"id":18,"name":19,"slug":19,"description":13,"color":13},"b1853a5a-d940-42b7-94f9-0488ee3f2cf7","new-model",{"id":21,"name":22,"slug":22,"description":13,"color":13},"b9bd9039-fcdb-41a8-b85b-fc1587def2b9","open-source","2026-07-16T04:00:00Z","2026-07-16T04:07:20.394834Z","2026-07-16T04:07:20.394844Z",true,"agent",2]