Whisper bærer ikke lenger kronen med transkripsjonsnøyaktighet med åpne vekter med nye deltakere som oppnår bedre kunstig analyse Word Error Rate-score En gang ansett som standardvalget for transkripsjon av åpne vekter, har OpenAIs Whisper nå blitt overgått av nyere åpne vektmodeller på Artificial Analysis Word Error Rate (AA-WER) benchmark som måler transkripsjonsnøyaktighet. AA-WER består av tre utfordrende datasett på linje med brukstilfeller i den virkelige verden: AMI-SDM (møter med flere høyttalere), Earnings-22 (inntjeningssamtaler) og VoxPopuli (parlamentariske forhandlinger). Beste utøvere med åpne vekter: @NVIDIA's Canary Qwen 2.5B og Parakitt TDT 0.6B V2, etterfulgt av @Mistral's Voxtral Small og Mini, og @IBM Granite Speech 3.3 8B. Åpne vekter Tale til tekst-modeller tilbyr distribusjonsfleksibilitet, kostnadsfordeler, potensialet for tilpassing/finjustering og muliggjør brukstilfeller som personvernsensitive arbeidsbelastninger som må kjøres lokalt.