Cohere公司在企业人工智能领域持续发力，于2026年3月26日正式发布了开源语音识别模型——Cohere Transcribe。

该模型拥有20亿参数，专为边缘设备设计，旨在突破以往大型语音模型带来的延迟瓶颈。通过Apache 2.0许可证开源，Cohere希望借助开发者社区的力量快速完善生态系统，最终实现商业化应用。

边缘设备上的性能怪兽：支持14种语言，性能超越主流竞争对手

Cohere Transcribe的训练涵盖了包括中文、日语、法语和希伯来语在内的14种语言。根据Hugging Face开放ASR排行榜的最新数据，该模型已超越ElevenLabs Scribe和阿里巴巴的Qwen3等竞争产品。

得益于参数数量的减少，Cohere Transcribe能够直接部署在智能手机、个人电脑及工业网关等终端设备上，无需频繁调用云计算资源。这不仅大幅降低了数据传输延迟，也为银行、销售和医疗等对隐私高度敏感的行业提供了更安全的解决方案。

从文本到语音的战略扩展：重塑智能代理交互基础

尽管Cohere长期专注于文本生成领域，此次跨界进入语音识别被视为构建全面AI智能代理（Agent）的关键一步。公司宣布，Cohere Transcribe将很快整合进其AI智能代理编排平台North。

分析人士指出，随着类似Siri的语音交互成为AI发展的起点，语音能力已成为智能代理感知世界不可或缺的“耳朵”。Cohere通过在边缘计算和实时语音翻译市场采用“小而强”的开源策略，正与IBM、阿里巴巴及推出AI Companion 3.0的Zoom展开正面竞争。