Cohere, 14개 언어 지원 오픈소스 ASR Transcribe 공개

2026년 3월 31일, Cohere의 Transcribe 발표를 다룬 Hacker News 글은 154점과 49개의 댓글을 기록했다. 눈에 띄는 이유는 이것이 또 하나의 범용 multimodal 모델이 아니라, 명확하게 automatic speech recognition만을 겨냥한 전용 모델 발표이기 때문이다.

공식 출시 글에서 Cohere는 Transcribe를 2B 규모의 Conformer 기반 encoder-decoder로 설명한다. 입력은 audio waveform을 log-Mel spectrogram으로 바꿔 처리하고, 출력은 text transcription이다. 모델은 14개 언어로 학습됐으며 English, Japanese, Korean, Mandarin, Arabic과 여러 유럽 언어를 지원한다. 라이선스는 Apache 2.0이고, Hugging Face에서 weights를 받을 수 있다. Cohere는 이 모델이 Hugging Face Open ASR Leaderboard에서 평균 WER 5.42로 1위를 기록했다고도 밝혔다.

왜 중요한가

• 범용 assistant가 아니라 speech recognition 전용 모델을 오픈소스로 내놨다.
• 14개 언어 지원 덕분에 글로벌 meeting, call center, speech analytics 워크로드에 바로 연결하기 쉽다.
• open weights, API, Model Vault를 동시에 제공해 self-hosted와 managed deployment를 모두 노린다.
• benchmark뿐 아니라 human evaluation도 함께 제시해 실제 업무 음성에서도 성능이 유지된다고 주장한다.

Cohere의 포지셔닝은 연구 시연보다 enterprise infrastructure에 가깝다. 블로그는 accuracy뿐 아니라 throughput도 강조하고, local 또는 private cloud 환경에서 운영할 수 있다는 점을 반복해서 내세운다. 이는 voice agent, 회의록 자동화, 고객 지원 분석처럼 latency와 privacy 요구가 동시에 큰 분야에서 매력적인 조합이다.

다만 leaderboard 순위, throughput 그래프, human preference 결과는 모두 Cohere가 공개한 launch 자료다. 실제 도메인 오디오, 발화 스타일, 배경 소음 조건에서 같은 우위를 유지하는지는 각 팀이 별도 검증해야 한다. 그럼에도 open weights, Apache 2.0, 다국어 지원을 동시에 갖춘 2026년 3월 말 기준의 음성 인식 출시로서는 상당히 구체적이고 실무 지향적인 발표다.

커뮤니티 소스: Hacker News 토론. 1차 소스: Cohere 블로그.