# Higgs Audio v3 STT

Éditeur : Boson AI (États-Unis). Poids ouverts. Licence : Apache 2.0.

En bref : 15e sur 53 en transcription en anglais (Open ASR) (ex æquo à valeur égale).

Page : https://quelleia.com/voix/modeles/boson-ai-higgs-audio-v3-stt/. Classements de la voix de QUELLE IA, à part du score des modèles de langage, relevé du 19 octobre 2026.

## Présentation

Modèle de transcription ouvert de Boson AI qui associe l'encodeur de Whisper Large v3 à un décodeur Qwen3. Le point de contrôle a été mis à jour en juin 2026 avec un réentraînement sur des corpus publics anglais et une correction des boucles de répétition. (lu sur https://huggingface.co/bosonai/higgs-audio-v3-stt/raw/main/README.md)

- Taille : 2,68 milliards de paramètres (lu sur la page de l'éditeur, https://huggingface.co/bosonai/higgs-audio-v3-stt/raw/main/README.md)

## Langues

- Annoncées par l'éditeur : anglais (seule langue déclarée sur la carte) (en).
- Évaluées par nos sources : anglais.
- Le français : absent des langues annoncées par l'éditeur ; pas évalué en français par nos sources.
- Source des langues annoncées : https://huggingface.co/bosonai/higgs-audio-v3-stt/raw/main/README.md

## Ses classements

- Transcription en anglais, Open ASR : 15e sur 53, taux d'erreur par mot 5,92 % ; vitesse : RTFx 110 : transcrit 110 secondes d'audio par seconde de calcul ; par jeu de test : AMI-Cleaned 7,19 %, Earnings22-Cleaned-AA-chunked 7,04 %, Gigaspeech-Cleaned 7,45 %, LS Clean 1,08 %, LS Other 2,61 %, Private (conversational) 14,34 %, Private (scripted) 3,74 %, SPGISpeech 2,07 %, URGENT24 11,88 %, Voice Arena Monsoon 3,97 %, Voxpopuli-AA-Cleaned 3,73 %. Source : Open ASR Leaderboard, Hugging Face, https://huggingface.co/spaces/hf-audio/open_asr_leaderboard (relevé du 19 octobre 2026, version du 17 octobre 2026).

## Modèles proches

- Transcription en anglais, Open ASR : [ARK-ASR-3B](https://quelleia.com/voix/modeles/edge0-ark-asr-3b/), 15e (5,92 %), juste devant
- Transcription en anglais, Open ASR : [ARK-ASR-0.6B](https://quelleia.com/voix/modeles/edge0-ark-asr-0-6b/), 17e (5,93 %), juste derrière

## Comment lire ces chiffres

- Transcription : Le taux d'erreur par mot compte les mots mal transcrits, oubliés ou ajoutés, pour cent mots prononcés : plus il est bas, mieux c'est. Chaque tableau vient d'une seule source, sur ses propres enregistrements : deux tableaux ne se comparent pas chiffre à chiffre.

## Noms dans les sources

- Hugging Face (hf-audio) : bosonai/higgs-audio-v3-stt

## Liens

- Page de l'éditeur : https://huggingface.co/bosonai/higgs-audio-v3-stt

## Pages lues

- https://huggingface.co/bosonai/higgs-audio-v3-stt/raw/main/README.md (« A speech-to-text model combining a Whisper-Large-v3 encoder with a Qwen3 decoder (2.68B total parameters). »), 17/10/2026
- https://huggingface.co/bosonai/higgs-audio-v3-stt/raw/main/README.md (« ## Update (June 2026) »), 17/10/2026
- https://huggingface.co/bosonai/higgs-audio-v3-stt/raw/main/README.md (« language: - en »), 17/10/2026