在企業級 AI 市場動作頻頻的 Cohere 公司，于 2026 年 3 月 26 日正式推出了名為Cohere Transcribe的開源語音識別模型。
這款模型擁有 20 億參數，專為邊緣設備設計，旨在打破以往語音模型因體積過大而導致的延遲瓶頸。通過采用 Apache 2.0 協議開源，Cohere 試圖效仿 meta 的路徑，利用開發者社區的力量快速完善生態，并最終實現商業化反哺。
邊緣側的性能怪獸：支持 14 種語言且超越主流對手
Cohere Transcribe在訓練中涵蓋了包括中文、日語、法語和希伯來語在內的 14 種語言。根據 Hugging Face 開放 ASR 排行榜的最新數據，該模型在性能指標上已經超越了 ElevenLabs Scribe 和阿里旗下的 Qwen3 等同類競品。
得益于精簡的參數量，它能直接部署在手機、PC 或工業網關等終端設備上，無需頻繁調用云端算力，這不僅極大地降低了數據傳輸延遲，也為銀行、銷售和醫療等對隱私高度敏感的行業提供了更安全的解決方案。
從文本到語音的戰略擴張：重塑智能體交互基石
雖然 Cohere 過去一直深耕文本生成領域，但此次跨界語音識別被視為其構建全能 AI 智能體（Agent）的關鍵一步。公司宣布，Cohere Transcribe即將整合進其 AI 智能體編排平臺 North 中。
分析人士指出，隨著 Siri 式的語音交互成為 AI 浪潮的起點，語音能力已成為智能體感知世界的必備“耳朵”。Cohere 正通過這種“小而強”的開源策略，在邊緣計算和實時語音翻譯市場與 IBM、阿里巴巴以及推出 AI Companion 3.0 的 Zoom 展開正面交鋒。
