Salesforce SOV-Transcribe-1의 개요
SOV-Transcribe-1은 Salesforce가 2026년 11월 12일 Apache 2.0 라이선스로 공개한 오픈 가중치 음성 인식 모델입니다. Whisper large-v3 오디오 인코더에 전문가 혼합 언어 모델 Gemma 4 26B A4B를 결합했으며, 전체 매개변수는 266억 개이고 단계마다 약 46억 개가 활성화됩니다. 실시간 스트림이 아니라 녹음된 오디오를 전사합니다.
디코더가 언어 모델이므로 서식 지시(진술 녹취에는 축어, 받아쓴 메시지에는 정리된 텍스트)와 고객명이나 약품명 같은 핵심 용어 목록을 줄 수 있습니다. 모델 카드에는 영어, 프랑스어, 독일어, 스페인어, 이탈리아어, 포르투갈어, 네덜란드어가 나와 있고, 테스트에서는 최대 30분 녹음을 다뤘습니다.
Hugging Face Transformers 또는 저장소에 포함된 플러그인을 통한 vLLM에서 실행되며, 추측 디코딩용 초안 모델을 선택적으로 쓸 수 있습니다. Salesforce는 이 모델을 자체 인프라에서 음성 기능을 원하는 기업을 위한 구성 요소로 내세웁니다.
Salesforce SOV-Transcribe-1, 쓸 만한 가치가 있습니까?
SOV-Transcribe-1은 내려받을 수 있는 모델과 빌려 써야 하는 모델 사이의 격차를 대부분 메웠습니다. Artificial Analysis는 단어 오류율을 2.3%로 측정했는데, 오픈 가중치 모델 중 최고이며 ElevenLabs의 유료 Scribe v3와 0.4포인트 차이입니다. Salesforce 자체 수치는 2.28%로, Nvidia의 Nemotron 3.5 Transcribe(2.81%)와 6배 더 큰 Mistral의 Voxtral Small(2.77%)보다 낮습니다.
더 쓸모 있는 수치는 중요한 단어에 관한 것입니다. 이메일, 전화번호 같은 개체를 확인하는 VoiceCodeBench에서 23개 시스템 중 2위였고 개체의 93.4%를 복원했습니다. 음성 모델 이 텍스트를 지어내기 쉬운 잡음 많은 실적 발표 통화에서는 Nemotron의 31.59%보다 낮은 25.69%를 기록했습니다. 이 비교들은 Salesforce의 것이며, 기술 보고서는 아직 곧 공개 예정으로 표시되어 있습니다.
주의할 점: 한 가지 작업에 쓰기에는 큰 모델입니다. Salesforce의 벤치마크는 모두 96 GB RTX PRO 6000 Blackwell 한 장에서 돌렸고, vLLM 기본 설정으로는 그 카드에서 메모리가 부족합니다. Transformers와 vLLM 지원이 아직 원 프로젝트에 반영되지 않아, vLLM 0.32.0에 고정된 플러그인에 의존해야 합니다. 스트리밍은 안 되고, 모델 카드는 가끔 한 구절을 토큰 한도까지 반복한다고 경고하므로 출력에는 반복 필터가 필요합니다.
결론: 통화 오디오를 사내에 둬야 하고 영어나 주요 서유럽 언어를 쓰는 기업에게는 이제 넘어서야 할 기준이 되는 오픈 모델입니다. 실시간 자막, 아시아 언어, 노트북에 들어갈 크기가 필요한 팀은 Nemotron이나 Parakeet를 살펴보십시오.
제 역할을 하는 곳
상담 통화를 녹음하는 은행 준법감시팀
고객명과 계좌 번호를 정확히 담아 모든 통화를 사내에서 전사하기
96 GB GPU 한 장에서 vLLM으로 모델을 서비스하고, 상담사별 고객 목록을 핵심 용어로 넘깁니다. Salesforce는 최대 처리량을 초당 1,039초 분량의 오디오로 밝힙니다.
네덜란드와 벨기에의 법원 속기 회사
진술 녹취의 네덜란드어·프랑스어 축어 기록 만들기
탐욕적 디코딩으로 축어 출력을 요청하고, 30분이 넘는 녹음은 쉬는 구간에서 나누며, 검토 전에 반복 검사를 돌립니다.
도입 전 확인할 점
- 설정
- pip install transformers(5.19~5.22)를 실행하고 vllm_plugin 폴더를 받아 pip으로 설치한 뒤 vllm serve salesforce-sovereign-intelligence/SOV-Transcribe-1 --max-model-len 32768을 실행합니다. 16 kHz 모노 오디오를 temperature 0으로 보냅니다.
- 연동
- Hugging Face Transformers(trust_remote_code)와 vLLM을 통한 OpenAI 방식 /v1/audio/transcriptions 엔드포인트, 추측 디코딩용 DFlash 초안 모델(선택).
- 데이터와 개인정보
- Apache 2.0 자체 호스팅이라 오디오가 자사 서버에 머뭅니다. 학습 데이터와 전체 학습 코드는 공개 대상에 포함되지 않았습니다.
- 대규모 사용 시 비용
- 분당 요금은 없습니다. 초안 모델을 쓰면 RTX PRO 6000 Blackwell 한 장에서 30초 클립에 약 0.22초가 걸리며, 비용은 그 GPU 사용 시간입니다.
- 제한
- 스트리밍 불가. vLLM은 기본적으로 요청을 600초로 제한하므로 30분을 처리하려면 VLLM_MAX_AUDIO_DECODE_DURATION_S를 1800으로 올립니다. 초안 모델을 올린 채 96 GB에 맞추려면 max_num_seqs를 64로 설정합니다.
좋은 점
- Artificial Analysis 오류율 2.3%, 최고의 오픈 가중치 모델
- Apache 2.0, 상업적 이용 허용
- 서식 지시와 핵심 용어 가중
- VoiceCodeBench 개체 인식 23개 중 2위
아쉬운 점
- 매개변수 266억 개, 벤치마크는 96 GB GPU에서 실행
- 7개 언어뿐이며 모두 유럽 언어
- 스트리밍 불가, 테스트 기준 파일당 최대 30분
- vLLM·Transformers 지원 전까지 자체 플러그인 필요, 드물게 출력 반복
추천 대상
영어와 유럽 언어로 상용 수준에 가까운 전사를 자체 GPU에서 해야 하는 규제 산업의 기업.
Salesforce SOV-Transcribe-1 대안
Salesforce SOV-Transcribe-1: 자주 묻는 질문
- Salesforce SOV-Transcribe-1, 쓸 만한 가치가 있습니까?
- 오픈 전사 모델이 마침내 상용 선두권에 들어섰지만, 96 GB GPU가 필요하고 지원 언어는 7개뿐입니다. 평점은 5점 만점에 4.3점입니다.
- Salesforce SOV-Transcribe-1의 가격은 얼마입니까?
- Apache 2.0으로 무료이며, 자체 GPU 비용만 듭니다. Salesforce의 호스팅 가격은 없습니다.
- Salesforce SOV-Transcribe-1의 단점은 무엇입니까?
- 매개변수 266억 개, 벤치마크는 96 GB GPU에서 실행; 7개 언어뿐이며 모두 유럽 언어; 스트리밍 불가, 테스트 기준 파일당 최대 30분; vLLM·Transformers 지원 전까지 자체 플러그인 필요, 드물게 출력 반복.
- Salesforce SOV-Transcribe-1에 적합한 사람은 누구입니까?
- 영어와 유럽 언어로 상용 수준에 가까운 전사를 자체 GPU에서 해야 하는 규제 산업의 기업.
- 팀이나 프로덕션 환경에서 Salesforce SOV-Transcribe-1의 비용은 얼마입니까?
- 분당 요금은 없습니다. 초안 모델을 쓰면 RTX PRO 6000 Blackwell 한 장에서 30초 클립에 약 0.22초가 걸리며, 비용은 그 GPU 사용 시간입니다.
- Salesforce SOV-Transcribe-1에 회사 데이터를 맡겨도 안전합니까?
- Apache 2.0 자체 호스팅이라 오디오가 자사 서버에 머뭅니다. 학습 데이터와 전체 학습 코드는 공개 대상에 포함되지 않았습니다.
- Salesforce SOV-Transcribe-1의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 NVIDIA Nemotron 3.5 Transcribe, Voxtral 3 (Transcribe and TTS), Granite Speech 5.0 2B 및 ElevenLabs Scribe v3 and Scribe v3 Live입니다.
답변 확인일: 2026년 11월 21일.