# ARK-ASR-3B

Éditeur : Edge0. 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/edge0-ark-asr-3b/. Classements de la voix de QUELLE IA, à part du score des modèles de langage, relevé du 19 octobre 2026.

## Présentation

Modèle de transcription multilingue qui associe un encodeur audio de type Whisper à un décodeur Qwen d'environ 3 milliards de paramètres. Edge0 le présente comme le plus précis de sa gamme Audio8 ASR, destiné aux enregistrements difficiles, longs ou multilingues traités sur GPU. (lu sur https://huggingface.co/Edge0/ARK-ASR-3B/raw/main/README.md, https://edge0.ai/models/asr-3b)

- Sortie : 10 septembre 2026 (lu sur la page de l'éditeur, https://edge0.ai/models/asr-3b)
- Taille : environ 3 milliards de paramètres (décodeur), plus un encodeur audio dédié (lu sur la page de l'éditeur, https://huggingface.co/Edge0/ARK-ASR-3B/raw/main/README.md)

## Langues

- Annoncées par l'éditeur : 19 langues, dont le français (zh, en, de, ja, fr, ko, es, pl, it, ro, hu, cs, nl, fi, hr, sk, sl, et, lt).
- Évaluées par nos sources : anglais.
- Le français : annoncé par l'éditeur ; pas évalué en français par nos sources.
- Source des langues annoncées : https://huggingface.co/Edge0/ARK-ASR-3B/raw/main/README.md

## Ses classements

- Transcription en anglais, Open ASR : 15e sur 53, taux d'erreur par mot 5,92 % ; vitesse : RTFx 479 : transcrit 479 secondes d'audio par seconde de calcul ; par jeu de test : AMI-Cleaned 7,89 %, Earnings22-Cleaned-AA-chunked 8,07 %, Gigaspeech-Cleaned 6,94 %, LS Clean 1,04 %, LS Other 2,37 %, Private (conversational) 12,90 %, Private (scripted) 3,11 %, SPGISpeech 2,46 %, URGENT24 13,29 %, Voice Arena Monsoon 3,48 %, Voxpopuli-AA-Cleaned 3,55 %. 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 : [TheWhisper-Large-V3-Turbo](https://quelleia.com/voix/modeles/thestageai-thewhisper-large-v3-turbo/), 14e (5,91 %), juste devant
- Transcription en anglais, Open ASR : [Higgs Audio v3 STT](https://quelleia.com/voix/modeles/boson-ai-higgs-audio-v3-stt/), 15e (5,92 %), 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) : Edge0/ARK-ASR-3B

## Liens

- Page de l'éditeur : https://edge0.ai/models/asr-3b

## Pages lues

- https://huggingface.co/Edge0/ARK-ASR-3B/raw/main/README.md (« ARK-ASR-3B is a 3B-scale audio-capable autoregressive Transformers model for automatic speech recognition. »), 17/10/2026
- https://huggingface.co/Edge0/ARK-ASR-3B/raw/main/README.md (« It combines a Whisper-style audio encoder, an MLP adapter, and a Qwen decoder with custom »), 17/10/2026
- https://huggingface.co/Edge0/ARK-ASR-3B/raw/main/README.md (« ARK-ASR currently supports Chinese, English, German, Japanese, French, Korean, Spanish, Polish, Italian, Romanian, Hungarian, Czech, Dutch, Finnish, Croatian, Slovak, Slovene, Estonian, and Lithuanian ASR. »), 17/10/2026
- https://edge0.ai/models/asr-3b (« Audio8 · ASR · 3B September 10, 2026 »), 17/10/2026
- https://edge0.ai/models/asr-3b (« Audio8 ASR 3B reserves the largest parameter budget in the family for the hardest audio: meeting records, interviews, media subtitles and multilingual speech »), 17/10/2026