Higgs Audio v3 STT

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 huggingface.co, le 17/10/2026.

Taille

2,68 milliards de paramètres lu sur la page de l'éditeur

Page de l'éditeur ↗

Langues

• Annoncées par l'éditeur : anglais (seule langue déclarée sur la carte) (en). Lu sur huggingface.co.
• Évaluées par nos sources : anglais.
• Le français : absent des langues annoncées par l'éditeur ; pas évalué en français par nos sources.

Son classement

Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.

• En anglais · Transcription

  Transcription en anglais, Open ASR

  15e sur 53taux d'erreur par mot 5,92 %

  Vitesse : RTFx 110 : transcrit 110 secondes d'audio par seconde de calculPar 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 ↗ · relevé du 19 octobre 2026, version du 17 octobre 2026.

Modèles proches

• Transcription en anglais, Open ASR : devant, ARK-ASR-3B (même rang, 5,92 %) · derrière, ARK-ASR-0.6B (17e, 5,93 %)