Qu’est-ce que Cohere Transcribe (03-2026) ?
Cohere Transcribe (cohere-transcribe-03-2026) est un modèle de reconnaissance vocale de 2 milliards de paramètres publié par Cohere le 26 mars 2026, son premier modèle audio. Il associe un grand encodeur Conformer à un décodeur Transformer léger, a été entraîné à partir de zéro, et prend de l'audio en entrée pour rendre du texte, rien de plus.
Il couvre 14 langues : anglais, français, allemand, italien, espagnol, portugais, grec, néerlandais, polonais, chinois, japonais, coréen, vietnamien et arabe, et Cohere a depuis publié un checkpoint distinct pour l'arabe. Les poids sont sur Hugging Face sous Apache 2.0, derrière un formulaire d'accès, et tournent avec Transformers 5.4.0 ou ultérieur et avec vLLM 0.19.0, qui expose un endpoint de transcription de type OpenAI. L'API de Cohere le propose gratuitement pour les tests, et Model Vault l'héberge sur des instances dédiées.
Cohere Transcribe (03-2026) vaut-il le coup ?
Cohere Transcribe mérite sa place par sa précision en anglais, à une taille que vous pouvez faire tourner vous-même. Sur l'Open ASR Leaderboard de Hugging Face, à son lancement, il affichait un taux d'erreur sur les mots moyen de 5,42 % sur huit jeux de test anglais, premier du classement, devant Zoom Scribe v1 à 5,47 %, Granite 4.0 1B d'IBM à 5,52 %, Qwen3-ASR-1.7B à 5,76 % et ElevenLabs Scribe v2 à 5,83 % ; Whisper large-v3 obtenait 7,44 %. Il le fait avec un RTFx d'environ 525, soit 525 minutes d'audio par minute, selon la mesure de Cohere.
Les tests indépendants sont moins flatteurs. Artificial Analysis place la version hébergée de Cohere à 4,6 % d'AA-WER, 43e ex aequo sur 62 et au niveau de Whisper large-v3-turbo chez Groq, alors que Voxtral Mini Transcribe 3 de Mistral est à 2,2 %. Les jeux du leaderboard favorisent la parole lue et diffusée propre ; Artificial Analysis y mêle de l'audio plus difficile, et l'écart suggère que le modèle excelle sur le premier plutôt qu'il ne domine en général. Dans les tests de préférence humaine de Cohere, il a remporté en moyenne 61 % des comparaisons, mais a perdu en portugais, en allemand et en espagnol.
Le modèle fait une seule chose. La documentation indique clairement qu'il n'a ni horodatage, ni étiquettes de locuteur, ni détection automatique de la langue : vous devez donc préciser la langue de chaque fichier, et il gère de façon inégale l'audio qui alterne les langues. Il a aussi tendance à transcrire des sons qui ne sont pas de la parole, si bien que Cohere recommande un détecteur d'activité vocale ou une porte de bruit en amont pour l'empêcher d'inventer des mots dans les silences.
Le hic : la partie hébergée n'est pas aboutie en tant que produit. L'API est gratuite, mais les clés d'essai autorisent 5 requêtes de transcription par minute, les limites de production passent par le service commercial, les fichiers sont plafonnés à 25MB et la documentation ne dit rien de la durée de conservation de l'audio. Model Vault, l'option dédiée, est facturé à l'heure d'instance sans tarif public. En production, vous l'hébergerez donc en pratique vous-même, ce que la licence Apache 2.0 rend simple.
Notre avis : Cohere Transcribe est un moteur par défaut raisonnable pour du traitement par lots surtout en anglais sur vos propres GPU, à condition d'ajouter un détecteur de parole, de choisir vous-même la langue et de prendre l'alignement et la diarisation ailleurs.
Là où il fait la différence
Un ingénieur ML d'une plateforme de relations investisseurs qui traite des milliers de conférences de résultats par trimestre
Transformer des conférences de résultats en anglais en texte consultable sans payer une API à la minute
Servez le modèle avec vLLM sur vos GPU et envoyez les fichiers à son endpoint de transcription de type OpenAI ; l'exemple de Cohere transcrit une conférence de résultats de 55 minutes. Son taux d'erreur sur Earnings-22 est de 10,84 %, donc les symboles boursiers et les chiffres doivent encore être vérifiés avec un vocabulaire maison.
Une équipe produit d'une application japonaise de prise de notes
Ajouter une dictée sur l'appareil ou en cloud privé en japonais et en anglais
Utilisez les portages GGUF ou mlx-audio et fixez la langue par session, faute de détection automatique. Le japonais fait partie de ses 14 langues, mais la fiche signale des résultats inégaux sur l'audio qui alterne les langues : les phrases qui mêlent anglais et japonais sont son point faible.
Une responsable conformité d'une banque européenne
Transcrire des appels enregistrés sans envoyer l'audio à une API vocale américaine
Hébergez-le vous-même sous Apache 2.0 pour que l'audio ne quitte jamais l'infrastructure de la banque, et associez-le à un modèle de diarisation distinct comme pyannote, car Cohere Transcribe n'indique pas qui parle.
Avant de vous engager
- Mise en route
- Acceptez le formulaire d'accès sur Hugging Face, installez transformers 5.4.0 ou ultérieur et chargez CohereAsrForConditionalGeneration avec un code de langue ; pour le service, vllm serve avec vllm 0.19.0 et l'extra audio.
- Intégrations
- Transformers, vLLM (/v1/audio/transcriptions compatible OpenAI), mlx-audio, transformers.js avec WebGPU, builds GGUF communautaires ; API Cohere, Model Vault et fal pour l'usage hébergé.
- Données et confidentialité
- En auto-hébergement, l'audio reste sur votre matériel sous Apache 2.0. La documentation Transcribe de Cohere n'indique pas la conservation de l'audio envoyé à l'API ; Model Vault est présenté comme une inférence en cloud privé.
- Coût à grande échelle
- Les poids sont gratuits et Cohere indique qu'il tourne sur des GPU grand public. L'API gratuite est limitée à 5 requêtes par minute avec les clés d'essai ; les limites de l'API de production et les tarifs à l'heure d'instance de Model Vault ne sont pas publiés.
- Limites
- 14 langues, une par requête ; ni horodatage, ni diarisation, ni détection de langue ; 25MB par fichier via l'API ; l'audio long est découpé et recollé automatiquement ; hallucine dans les silences sans détecteur d'activité vocale.
Les points forts
- 5,42 % de WER moyen, premier de l'Open ASR Leaderboard à son lancement
- Apache 2.0, environ 2B de paramètres, tourne sur un seul GPU grand public
- Environ 525 fois le temps réel dans les tests de Cohere ; vLLM expose un endpoint de type OpenAI
- 14 langues, dont l'arabe, le japonais et le vietnamien
Les points faibles
- Ni horodatage, ni diarisation, ni détection de langue
- 4,6 % d'AA-WER chez Artificial Analysis, 43e sur 62
- Transcrit les bruits non vocaux sans détecteur de parole en amont
- API d'essai limitée à 5 requêtes par minute ; tarif de production sur devis
- A perdu les tests de préférence humaine en portugais, en allemand et en espagnol
Idéal pour
Les équipes qui transcrivent de gros volumes d'audio monolingue, surtout en anglais, sur leurs propres GPU et veulent une licence claire.
Alternatives à Cohere Transcribe (03-2026)
Cohere Transcribe (03-2026) : questions fréquentes
- Cohere Transcribe (03-2026) vaut-il le coup ?
- Cohere Transcribe est un transcripteur anglais précis et sous licence permissive, qui vous laisse construire vous-même horodatage, étiquettes de locuteur et détection de langue. Nous lui donnons 4.0 sur 5.
- Combien coûte Cohere Transcribe (03-2026) ?
- Gratuit sous Apache 2.0 (téléchargement soumis à accès). L'API de Cohere est gratuite pour les tests, à 5 requêtes par minute avec les clés d'essai ; les limites de production et les tarifs horaires de Model Vault sont sur devis.
- Quels sont les inconvénients de Cohere Transcribe (03-2026) ?
- Ni horodatage, ni diarisation, ni détection de langue; 4,6 % d'AA-WER chez Artificial Analysis, 43e sur 62; transcrit les bruits non vocaux sans détecteur de parole en amont; aPI d'essai limitée à 5 requêtes par minute ; tarif de production sur devis; a perdu les tests de préférence humaine en portugais, en allemand et en espagnol.
- À qui s’adresse Cohere Transcribe (03-2026) ?
- Les équipes qui transcrivent de gros volumes d'audio monolingue, surtout en anglais, sur leurs propres GPU et veulent une licence claire.
- Combien coûte Cohere Transcribe (03-2026) pour une équipe ou en production ?
- Les poids sont gratuits et Cohere indique qu'il tourne sur des GPU grand public. L'API gratuite est limitée à 5 requêtes par minute avec les clés d'essai ; les limites de l'API de production et les tarifs à l'heure d'instance de Model Vault ne sont pas publiés.
- Cohere Transcribe (03-2026) est-il sûr pour les données de l’entreprise ?
- En auto-hébergement, l'audio reste sur votre matériel sous Apache 2.0. La documentation Transcribe de Cohere n'indique pas la conservation de l'audio envoyé à l'API ; Model Vault est présenté comme une inférence en cloud privé.
- Quelles sont les meilleures alternatives à Cohere Transcribe (03-2026) ?
- Les alternatives les plus proches que nous avons testées sont Qwen3-ASR (1.7B and 0.6B), Granite Speech 5.0 2B, Parakeet TDT 0.6B v3, Whisper large-v3-turbo et Voxtral 3 (Transcribe and TTS).
Réponses vérifiées le 7 nov. 2026.
Vous éditez Cohere Transcribe (03-2026) ? Affichez cette note sur votre site
