Salesforce 开源 SOV-Transcribe-1 ASR 语音识别模型性能信息查询

Salesforce 昨夜发布开源 ASR 模型 SOV-Transcribe-1，在 Artificial Analysis 评测榜单拿到 2.28% 词错误率 WER，登顶开放权重非流式语音识别榜单，在全部 64 个参评系统里排第 7 名，这个模型放在 Hugging Face 开源，采用 Apache2.0 许可协议，企业可以直接下载权重本地部署，适合对语音数据隐私管控严格的场景。它不是实时流式识别模型，是面向录音文件转写的非流式方案，最大支持 30 分钟长音频，架构上结合 Whisper 大版本音频编码器、Gemma 4 26B MoE 大模型，总参数量 266 亿，单次激活参数 46 亿，支持英、法、德、西、意、葡、荷兰 7 种语言，适配 vLLM、Hugging Face Transformers 推理框架。这个模型属于 Salesforce Sovereign AI 项目，主打可控、自主的企业语音 AI，和 Salesforce CRM、客服通话转录场景深度适配。下面整理模型核心参数、评测结果、适用限制、部署信息。

SOV-Transcribe-1 ASR 模型核心参数表

模型架构说明

1. 音频编码部分：复用 Whisper Large-v3 音频编码器，提取音频特征。
2. 投影层：音频投影模块，把音频特征对齐到大模型语义空间。
3. 语言模型部分：Gemma 4 26B MoE，负责文本生成、上下文纠错，降低识别错误率。

各子基准测试成绩清单

• AA-AgentTalk：1.8% WER
• VoxPopuli：1.5% WER
• Earnings22 财报会议数据集：4.1% WER
• 14 种英语口音客服通话集：平均 8.21% WER

使用边界和短板清单

• 仅支持非流式，不能拿来做直播、实时通话字幕。
• 目前没有中文支持，只覆盖 7 门西欧语言。
• 技术报告还未正式放出，第三方独立复现验证还在进行。
• 模型体量偏大，本地部署对显存、算力要求高。

【相关 FAQ】

问题 1：Salesforce 开源的这款 ASR 新模型 SOV-Transcribe-1，2.28% 错误率是什么榜单的结果？

回答 1：Salesforce 开源的这款 ASR 新模型 SOV-Transcribe-1，2.28% 词错误率来自 Artificial Analysis 评测，在开放权重非流式 ASR 里面排名第一。

问题 2：Salesforce 开源 SOV-Transcribe-1 ASR 模型可以做实时语音转写吗？

回答 2：Salesforce 开源 SOV-Transcribe-1 ASR 模型属于非流式识别模型，只适合整段录音文件转写，不能用于实时流式语音识别。

问题 3：Salesforce 开源 SOV-Transcribe-1 ASR 模型支持中文识别吗？

回答 3：Salesforce 开源 SOV-Transcribe-1 ASR 模型目前只支持 7 门西欧语言，暂不包含中文，不适合中文语音转写场景。

【参考资料】

[2026-11-13]（Salesforce SOV-Transcribe-1 登顶开放权重 ASR 榜单，WER 2.28%）OpenBell AI

[2026-11-13]（Salesforce releases SOV-Transcribe-1 open-weight speech-to-text model）TSN

[2026-11-12]（Salesforce SOV-Transcribe-1：Apache2.0 开源 ASR 模型）AIWire

[2026-11-12]（Salesforce’s SOV-Transcribe-1 Ranks First Among Open-Weight Speech Models）TokenPost

【免责声明】

SOV-Transcribe-1 的 2.28% 错误率是 Artificial Analysis 特定基准下的测试结果，不同口音、嘈杂环境、音频质量会拉高识别错误率；该模型暂不支持中文，技术细节有待官方技术报告进一步验证，以上信息仅为公开资讯整理，不代表落地效果承诺。