# ESPnet : ses modèles d'IA suivis par QUELLE IA

> Le modèle d'ESPnet suivi par QUELLE IA : OWSM-CTC v4, 42e sur 53 du classement transcription en anglais, Open ASR. Rangs dans chaque classement de la voix, pays et présentation de l'éditeur. Relevé du 19 octobre 2026.

Page : https://quelleia.com/editeurs/espnet/
Édition : 2026-W43, du 19 octobre 2026

Le score IA estime le niveau d'un modèle, toutes tâches confondues, à partir des benchmarks publics où il a été mesuré. Son échelle est fixée une fois pour toutes : 100 correspond au meilleur modèle au lancement du site. La marge donne l'intervalle où se trouve le score, avec une confiance de 90 %. Deux modèles dont les marges se recouvrent sont ex æquo. [Ce que veut dire ce score](https://quelleia.com/demarche/#que-veut-dire-le-score).

## En bref

**Combien de modèles d'ESPnet QUELLE IA suit-il ?**

QUELLE IA suit un modèle d'ESPnet dans l'édition du 19 octobre 2026 : un modèle de voix.

**Que vaut ESPnet en voix ?**

QUELLE IA suit un modèle de voix d'ESPnet (transcription). Le mieux placé est OWSM-CTC v4, 42e sur 53 du classement transcription en anglais, Open ASR (8,08 %). Ces classements sont à part du score des modèles de langage.

## Ses modèles de voix

Rang dans chaque classement de la voix, à part du score des modèles de langage.

ESPnet est une boîte à outils open source de traitement de la parole bâtie sur PyTorch, qui couvre la reconnaissance vocale, la synthèse, la traduction de la parole et d'autres tâches, avec des modèles préentraînés publiés sur Hugging Face. Les modèles OWSM qu'elle diffuse sont développés par le WAVLab de l'université Carnegie Mellon. (lu sur https://raw.githubusercontent.com/espnet/espnet/master/README.md, https://www.wavlab.org/activities/2024/owsm/)

- [OWSM-CTC v4](https://quelleia.com/voix/modeles/espnet-owsm-ctc-v4-1b.md) : 42e sur 53, transcription en anglais, Open ASR (8,08 %)

Source : Open ASR Leaderboard, Hugging Face, https://huggingface.co/spaces/hf-audio/open_asr_leaderboard (relevé du 19 octobre 2026).

## Où trouver ses modèles

- Site officiel : [ESPnet](https://github.com/espnet/espnet)

## Éditeurs voisins

- [Shanghai AI Laboratory](https://quelleia.com/editeurs/shanghai-ai-laboratory.md) : score proche
- [ElevenLabs](https://quelleia.com/editeurs/elevenlabs.md) : score proche
- [Fish Audio](https://quelleia.com/editeurs/fish-audio.md) : score proche
- [Hugging Face](https://quelleia.com/editeurs/hugging-face.md) : score proche

Source : QUELLE IA, édition du 19 octobre 2026, quelleia.com