Whisper non detiene più il titolo di accuratezza nella trascrizione dei modelli a pesi aperti, con nuovi entranti che ottengono punteggi migliori nel tasso di errore delle parole nell'analisi artificiale (AA-WER). Una volta considerato la scelta predefinita per la trascrizione a pesi aperti, Whisper di OpenAI è stato ora superato da modelli più recenti nel benchmark del tasso di errore delle parole nell'analisi artificiale (AA-WER) che misura l'accuratezza della trascrizione. L'AA-WER comprende tre set di dati impegnativi allineati con casi d'uso del mondo reale: AMI-SDM (riunioni multi-parte), Earnings-22 (chiamate sugli utili) e VoxPopuli (procedimenti parlamentari). I migliori performer a pesi aperti: il Canary Qwen 2.5B e il Parakeet TDT 0.6B V2 di @NVIDIA, seguiti da Voxtral Small e Mini di @Mistral, e da IBM Granite Speech 3.3 8B di @IBM. I modelli di Speech to Text a pesi aperti offrono flessibilità di distribuzione, vantaggi economici, la possibilità di personalizzazione/ottimizzazione e abilitano casi d'uso come carichi di lavoro sensibili alla privacy che devono essere eseguiti localmente.