Cohere Transcribe (03-2026)의 개요
Cohere Transcribe(cohere-transcribe-03-2026)는 Cohere가 2026년 3월 26일에 공개한 20억 파라미터 음성 인식 모델로, 이 회사의 첫 오디오 모델입니다. 대형 Conformer 인코더와 가벼운 Transformer 디코더를 결합했고, 처음부터 학습되었으며, 오디오를 받아 텍스트를 돌려주는 일 외에는 아무것도 하지 않습니다.
영어, 프랑스어, 독일어, 이탈리아어, 스페인어, 포르투갈어, 그리스어, 네덜란드어, 폴란드어, 중국어, 일본어, 한국어, 베트남어, 아랍어 등 14개 언어를 지원하며, Cohere는 이후 아랍어 전용 체크포인트를 따로 공개했습니다. 가중치는 접근 신청 양식을 거쳐 Apache 2.0으로 Hugging Face에서 받을 수 있고, Transformers 5.4.0 이상과 OpenAI 방식의 전사 엔드포인트를 제공하는 vLLM 0.19.0에서 실행됩니다. Cohere 자체 API는 테스트용으로 무료이며, Model Vault는 전용 인스턴스로 호스팅합니다.
Cohere Transcribe (03-2026), 쓸 만한 가치가 있습니까?
Cohere Transcribe의 강점은 직접 운영할 수 있는 크기에서 보여주는 영어 정확도입니다. 공개 당시 Hugging Face의 Open ASR Leaderboard에서 영어 테스트 세트 8개 평균 단어 오류율 5.42%로 1위를 기록해, Zoom Scribe v1의 5.47%, IBM Granite 4.0 1B의 5.52%, Qwen3-ASR-1.7B의 5.76%, ElevenLabs Scribe v2의 5.83%를 앞섰습니다. Whisper large-v3는 7.44%였습니다. Cohere의 측정으로 RTFx는 약 525, 즉 1분에 525분 분량의 오디오를 처리합니다.
독립 평가는 덜 호의적입니다. Artificial Analysis는 Cohere 호스팅 버전을 AA-WER 4.6%로 평가해 62개 중 공동 43위에 두었고, 이는 Groq의 Whisper large-v3-turbo와 같은 수준입니다. 반면 Mistral의 Voxtral Mini Transcribe 3는 2.2%입니다. 리더보드 세트는 깨끗한 낭독과 방송 음성에 유리하고 Artificial Analysis는 더 어려운 오디오를 섞기 때문에, 이 차이는 모델이 전반적인 선두라기보다 전자에 강하다는 점을 시사합니다. Cohere 자체 인간 선호도 평가에서는 평균 61%의 비교에서 이겼지만 포르투갈어, 독일어, 스페인어에서는 졌습니다.
이 모델은 한 가지 일만 합니다. 문서에는 타임스탬프, 화자 구분, 자동 언어 감지가 모두 없다고 명시되어 있어 파일마다 언어를 지정해야 하며, 언어가 섞인 오디오는 일관되지 않게 처리합니다. 또한 말소리가 아닌 소리까지 받아 적으려 하므로, Cohere는 무음 구간에서 단어를 지어내지 않도록 앞단에 음성 구간 검출기나 노이즈 게이트를 두라고 권장합니다.
주의할 점: 호스팅 쪽은 제품으로서 아직 미완성입니다. API는 무료지만 체험 키는 분당 전사 요청 5건으로 제한되고, 프로덕션 한도는 영업팀과 상의해야 하며, 파일은 25MB로 제한되고, 문서에는 오디오 보관 기간에 대한 언급이 없습니다. 전용 옵션인 Model Vault는 인스턴스 시간당 과금이지만 공개 가격이 없습니다. 프로덕션에서는 사실상 직접 호스팅하게 되며, Apache 2.0 라이선스가 이를 쉽게 해 줍니다.
결론: 음성 검출기를 앞에 두고, 언어를 직접 지정하고, 정렬과 화자 분리를 다른 곳에서 가져온다면, Cohere Transcribe는 자체 GPU에서 영어 중심의 일괄 작업을 처리하는 무난한 기본 엔진입니다.
제 역할을 하는 곳
분기마다 수천 건의 실적 발표 콜을 다루는 IR 플랫폼의 ML 엔지니어
분당 API 요금 없이 영어 실적 발표 콜을 검색 가능한 텍스트로 바꾸기
자체 GPU에서 vLLM으로 모델을 띄우고 OpenAI 방식 전사 엔드포인트로 파일을 보냅니다. Cohere의 예제는 55분짜리 실적 발표 콜을 전사합니다. Earnings-22 오류율이 10.84%이므로 종목 코드와 숫자는 여전히 자체 어휘 목록으로 검토해야 합니다.
일본 메모 앱의 제품 팀
일본어와 영어 받아쓰기를 기기 내 또는 프라이빗 클라우드에서 제공하기
GGUF 또는 mlx-audio 포팅을 쓰고, 자동 감지가 없으므로 세션마다 언어를 지정합니다. 일본어는 14개 언어 중 하나지만 모델 카드는 언어가 섞인 오디오에서 결과가 일관되지 않다고 경고하므로, 일본어 문장에 영어가 섞이는 부분이 약점입니다.
유럽 은행의 컴플라이언스 책임자
녹음된 통화를 미국 음성 API로 보내지 않고 전사하기
Apache 2.0으로 직접 호스팅해 오디오가 은행 인프라를 벗어나지 않게 하고, Cohere Transcribe는 누가 말했는지 알려 주지 않으므로 pyannote 같은 별도 화자 분리 모델과 함께 씁니다.
도입 전 확인할 점
- 설정
- Hugging Face에서 접근 신청 양식에 동의하고 transformers 5.4.0 이상을 설치한 뒤 언어 코드와 함께 CohereAsrForConditionalGeneration을 불러옵니다. 서빙은 vllm 0.19.0과 audio 옵션으로 vllm serve를 씁니다.
- 연동
- Transformers, vLLM(OpenAI 호환 /v1/audio/transcriptions), mlx-audio, WebGPU용 transformers.js, 커뮤니티 GGUF 빌드. 호스팅 사용은 Cohere API, Model Vault, fal.
- 데이터와 개인정보
- 직접 호스팅하면 오디오는 Apache 2.0 아래 자체 하드웨어에 남습니다. Cohere의 Transcribe 문서는 API로 보낸 오디오의 보관 기간을 밝히지 않으며, Model Vault는 프라이빗 클라우드 추론으로 설명됩니다.
- 대규모 사용 시 비용
- 가중치는 무료이며 Cohere는 소비자용 GPU에서 실행된다고 밝힙니다. 무료 API는 체험 키 기준 분당 5건으로 제한되며, 프로덕션 API 한도와 Model Vault 인스턴스 시간당 요금은 공개되지 않았습니다.
- 제한
- 14개 언어, 요청당 하나. 타임스탬프, 화자 분리, 언어 감지 없음. API는 파일당 25MB. 긴 오디오는 자동으로 나누고 이어 붙입니다. 음성 구간 검출기가 없으면 무음 구간에서 환각이 생깁니다.
좋은 점
- 평균 WER 5.42%, 공개 당시 Open ASR Leaderboard 1위
- Apache 2.0, 약 2B 파라미터, 소비자용 GPU 한 장에서 실행
- Cohere 테스트에서 실시간의 약 525배, vLLM으로 OpenAI 방식 엔드포인트 제공
- 아랍어, 일본어, 베트남어를 포함한 14개 언어
아쉬운 점
- 타임스탬프, 화자 분리, 언어 감지 없음
- Artificial Analysis AA-WER 4.6%, 62개 중 43위
- 음성 검출기로 거르지 않으면 말소리가 아닌 잡음도 받아 적음
- 체험 API는 분당 5건 제한, 프로덕션 가격은 견적 문의
- 포르투갈어, 독일어, 스페인어 인간 선호도 평가에서 패배
추천 대 상
주로 영어인 단일 언어 오디오를 자체 GPU에서 대량으로 전사하면서 깔끔한 라이선스를 원하는 팀.
Cohere Transcribe (03-2026) 대안
Cohere Transcribe (03-2026): 자주 묻는 질문
- Cohere Transcribe (03-2026), 쓸 만한 가치가 있습니까?
- Cohere Transcribe는 정확하고 허용적인 라이선스의 영어 전사 모델이지만, 타임스탬프, 화자 구분, 언어 감지는 직접 만들어야 합니다. 평점은 5점 만점에 4.0점입니다.
- Cohere Transcribe (03-2026)의 가격은 얼마입니까?
- Apache 2.0으로 무료(다운로드는 접근 승인 필요). Cohere API는 테스트용으로 무료이며 체험 키는 분당 5건까지입니다. 프로덕션 한도와 Model Vault 시간당 요금은 견적 문의입니다.
- Cohere Transcribe (03-2026)의 단점은 무엇입니까?
- 타임스탬프, 화자 분리, 언어 감지 없음; Artificial Analysis AA-WER 4.6%, 62개 중 43위; 음성 검출기로 거르지 않으면 말소리가 아닌 잡음도 받아 적음; 체험 API는 분당 5건 제한, 프로덕션 가격은 견적 문의; 포르투갈어, 독일어, 스페인어 인간 선호도 평가에서 패배.
- Cohere Transcribe (03-2026)에 적합한 사람은 누구입니까?
- 주로 영어인 단일 언어 오디오를 자체 GPU에서 대량으로 전사하면서 깔끔한 라이선스를 원하는 팀.
- 팀이나 프로덕션 환경에서 Cohere Transcribe (03-2026)의 비용은 얼마입니까?
- 가중치는 무료이며 Cohere는 소비자용 GPU에서 실행된다고 밝힙니다. 무료 API는 체험 키 기준 분당 5건으로 제한되며, 프로덕션 API 한도와 Model Vault 인스턴스 시간당 요금은 공개되지 않았습니다.
- Cohere Transcribe (03-2026)에 회사 데이터를 맡겨도 안전합니까?
- 직접 호스팅하면 오디오는 Apache 2.0 아래 자체 하드웨어에 남습니다. Cohere의 Transcribe 문서는 API로 보낸 오디오의 보관 기간을 밝히지 않으며, Model Vault는 프라이빗 클라우드 추론으로 설명됩니다.
- Cohere Transcribe (03-2026)의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 Qwen3-ASR (1.7B and 0.6B), Granite Speech 5.0 2B, Parakeet TDT 0.6B v3, Whisper large-v3-turbo 및 Voxtral 3 (Transcribe and TTS)입니다.
답변 확인일: 2026년 11월 7일.
Cohere Transcribe (03-2026) 개발사입니까? 이 평점을 사이트에 표시하십시오
