NVIDIAの支配力を挑戦する：Cohereがオープンソースの軽量音声モデルTranscribeを発表

企業向けAI市場で活発な動きをみせるCohere社は、2026年3月26日に、Cohere Transcribeというオープンソース音声認識モデルを正式にリリースしました。

このモデルには20億パラメータがあり、エッジデバイスに特化しており、従来の音声モデルがサイズが大きいために生じる遅延のボトルネックを打ち破ることを目的としています。Apache 2.0ライセンスでオープンソース化することで、CohereはMetaの路線を模倣し、開発者コミュニティの力を借りてエコシステムを迅速に整え、最終的には商業化を通じて反哺しようとしています。

エッジ側の性能モンスター：14言語をサポートし、主流の競合を上回る

Cohere Transcribeは、中国語、日本語、フランス語、ヘブライ語など14言語を訓練データとして含んでいます。Hugging Faceが公開しているASRランキングの最新データによると、このモデルはElevenLabs Scribeやアリババ傘下のQwen3などの競合製品をすでに性能指標で上回っています。

パラメータ数が少ないことにより、スマートフォン、PC、産業ゲートウェイなどの端末デバイスに直接展開でき、頻繁なクラウド計算リソースの呼び出しを必要としません。これにより、データ送信の遅延を大幅に低減するだけでなく、銀行、販売、医療などプライバシーに非常に敏感な業界にもより安全な解決策を提供しています。

テキストから音声への戦略的拡大：知能体の相互作用の基盤を再構築

Cohereは過去にテキスト生成分野に重点を置いていましたが、今回の音声認識への進出は、全能型のAI知能体（Agent）を構築するための重要な一歩とされています。同社は、Cohere TranscribeがすぐにそのAI知能体のオーケストレーションプラットフォームNorthに統合される予定であることを発表しました。