Cohere Spracherkennung: Open-Source-Modell uebertrifft Whisper
Cohere hat am 27. Maerz 2026 ein Open-Source-Modell fuer Spracherkennung (Speech-to-Text) veroeffentlicht. Das Modell uebertrifft laut Benchmarks alle bestehenden Konkurrenten, einschliesslich OpenAIs Whisper. Es steht unter der Apache 2.0 Lizenz und ist damit frei fuer kommerzielle Nutzung.
Eckdaten
| Cohere STT | OpenAI Whisper (large-v3) | |
|---|---|---|
| Parameter | 2 Milliarden | 1,5 Milliarden |
| Lizenz | Apache 2.0 | MIT |
| Sprachen | 14 | 99+ |
| Hardware-Anforderung | Consumer-GPU | Consumer-GPU |
| Benchmark-Ergebnis | Besser als Whisper | Bisheriger Standard |
Mit 2 Milliarden Parametern ist das Modell relativ kompakt und explizit fuer Self-Hosting auf Consumer-Grade GPUs ausgelegt. Die Sprachabdeckung ist mit 14 Sprachen deutlich geringer als bei Whisper, das ueber 99 Sprachen unterstuetzt.
Open-Source Speech-Stack wird komplett
Zusammen mit Mistrals Voxtral TTS (Text-to-Speech, veroeffentlicht am 26. Maerz 2026) deckt die Open-Source-Community jetzt beide Richtungen der Sprachverarbeitung ab:
- Sprache zu Text: Cohere STT (Apache 2.0)
- Text zu Sprache: Mistral Voxtral TTS
Beide Modelle laufen auf Consumer-Hardware. Wer einen lokalen Sprach-Stack ohne Cloud-Abhaengigkeit aufbauen will, hat damit erstmals eine vollstaendige Open-Source-Loesung.
Relevanz fuer den Alltag
Whisper ist seit seiner Veroeffentlichung 2022 der De-facto-Standard fuer lokale Transkription. Wer es fuer Meeting-Mitschnitte, Diktate oder Podcast-Transkription einsetzt, hat jetzt eine Alternative, die laut Benchmarks besser abschneidet -- bei aehnlichem Ressourcenbedarf.
Die Einschraenkung auf 14 Sprachen ist fuer deutschsprachige Nutzer relevant: ob Deutsch unterstuetzt wird, sollte vor einem Wechsel geprueft werden. Fuer englischsprachige Transkription ist das Modell ein direkter Whisper-Ersatz.
Quellen
- The Decoder: Cohere releases open-source speech recognition model (27.03.2026)
- TechCrunch: Cohere open-sources speech-to-text model (27.03.2026)