Cohere aus Toronto hat eine Bombe abgeworfen. Cohere Transkribieren Arabisch. Open Source. Es beansprucht den Spitzenplatz für Genauigkeit bei der Sprachausgabe für Arabisch sprechende Personen. Und die Daten belegen es.
Rezensenten mit arabischer Muttersprache gaben Cohere in 95,8 Prozent der Vergleichstests den Ergebnissen von Whisper den Vorzug.
Das ist ein Erdrutsch. Das Modell verfügt über 2 Milliarden Parameter. Auf der Hugging Face-Bestenliste erreicht es eine Wortfehlerrate (WER) von 25,88. Metas OmniASR hinkt bei 28,32 hinterher. Whisper Large v3 von OpenAI liegt mit 36,86 weiter zurück. Cohere nennt es die Konkurrenz über Dialekte hinweg „auffressen“.
Das Dialektproblem
Arabisch ist für Maschinen schwierig. Im Nahen Osten und Nordafrika leben rund 30 Millionen Sprecher. Aber sie sprechen nicht nur modernes Hocharabisch. Es gibt etwa 30 Dialekte. Es gibt nur eine Schriftform.
Aktuelle KI-Tools haben hier Schwierigkeiten. Sie neigen dazu, regionale Sprache auf Standard-MSA zu reduzieren. Oder sie ersticken, wenn ein Sprecher den Code zwischen Arabisch und Englisch umschaltet. Das ist im beruflichen Umfeld üblich. Bestehende Modelle verunstalten Vokabeln am Arbeitsplatz wie „HRIS“ oder „Jahresurlaub“. Das Modell von Cohere hält sie intakt. Es bewahrt die regionale Formulierung. Es behandelt die chaotische Realität, wie Menschen tatsächlich reden.
Warum ist das wichtig? Große Dienstanbieter möchten Benutzer mit ihrer Muttersprache ansprechen. Der Umgang mit Dialekten ist kommerziell wichtig. Bestehende Tools bestehen diesen Test nicht. Arabisch transkribieren reicht aus.
Unter der Haube
Das Modell basiert auf der Architektur von Coheres vorherigem Transcribe-Start im März. Aber es läuft schneller. Viel schneller. Es ist rund um vLLM für den Produktionseinsatz optimiert. Es erreicht einen Echtzeit-Verarbeitungsgeschwindigkeitsmultiplikator (RTFM) von 525. Whisper erreicht 146. OmniASR erreicht 66.
Es läuft auch auf Consumer-Hardware. Für die lokale Ausführung sind keine Cloud-Dienste erforderlich.
Die Aufschlüsselung nach Dialekten zeigt, wo es glänzt:
- Platziert bei vier von sechs zusammengesetzten Testsätzen den ersten Platz
- Deckt MSA-, ägyptische, Golf-, levantinische und maghrebinische Dialekte ab
– Größte Vorteile bei Konversationsszenarien mit mehreren Datensätzen wie Casablanca - Bevorzugt für Englisch mit arabischem Akzent in 77,2 Prozent der Tests im Vergleich zum Originalmodell von Cohere
- In 52,6 Prozent der Fälle ungefähr gleichwertig mit Whisper für Englisch mit Akzent
Cohere bietet Apache 2.0-Lizenzierung an. Das bedeutet, dass Entwickler souveräne KI-Systeme bauen können, ohne eine Erlaubnis einzuholen. Es ist jetzt auf Hugging Face verfügbar. Sie können über die Cohere-API mit Ratenlimits darauf zugreifen. Oder zahlen Sie für eine dedizierte Model Vault-Bereitstellung für unbegrenzte Produktionsnutzung.
Saudische Verbindungen
Das Timing ist wichtig. Cohere gab dies bekannt und sicherte sich gleichzeitig einen Vertrag mit HUMAIN. Saudi-Arabiens nationale KI-Einheit. Bisher baute HUMAIN die Arabischkompetenz rund um ALLaM auf. SDAIA führte dieses Modell im Jahr 2023 als erstes souveränes Modell des Königreichs ein.
Die neue Partnerschaft verändert die Landschaft. Cohere und HUMAIN werden gemeinsam arabische Modelle entwickeln. Plus branchenspezifische Tools für den Unternehmenseinsatz. Es ist der erste bedeutende Schritt von HUMAIN, mit einem großen LLM-Entwickler zusammenzuarbeiten.
Cohere bringt ernsthafte Unterstützung mit. Sie haben über 1,6 Milliarden US-Dollar eingesammelt. Nvidia. AMD. Salesforce. Orakel. Cisco. Unterstützt von Legenden wie Geoffrey Hinton und Fei-Feei Li.
Wird die Sprachlücke dadurch über Nacht behoben? Wahrscheinlich nicht. Das Feld ist weit und die Dialekte sind tiefer. Aber zum ersten Mal seit langer Zeit. Die arabische Spracherkennung steht möglicherweise nicht an zweiter Stelle.
