Whisper tidak lagi memakai mahkota akurasi transkripsi bobot terbuka dengan pendatang baru mencapai skor Tingkat Kesalahan Kata Analisis Buatan yang lebih baik Setelah dianggap sebagai pilihan default untuk transkripsi bobot terbuka, Whisper OpenAI kini telah dilampaui oleh model bobot terbuka yang lebih baru pada tolok ukur Artificial Analysis Word Error Rate (AA-WER) yang mengukur akurasi transkripsi. AA-WER terdiri dari tiga kumpulan data yang menantang yang selaras dengan kasus penggunaan dunia nyata: AMI-SDM (rapat multi-pembicara), Pendapatan-22 (panggilan pendapatan), dan VoxPopuli (proses parlemen). Pemain bobot terbuka teratas: @NVIDIA's Canary Qwen 2.5B dan Parakeet TDT 0.6B V2, diikuti oleh @Mistral's Voxtral Small dan Mini, dan @IBM Granite Speech 3.3 8B. Bobot terbuka Model Ucapan ke Teks menawarkan fleksibilitas penyebaran, manfaat biaya, potensi penyesuaian/penyempurnaan, dan memungkinkan kasus penggunaan seperti beban kerja sensitif privasi yang perlu dijalankan secara lokal.