ARK-ASR-3B

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 huggingface.co, edge0.ai, le 17/10/2026.

Sortie

10 septembre 2026 lu sur la page de l'éditeur

Taille

environ 3 milliards de paramètres (décodeur), plus un encodeur audio dédié lu sur la page de l'éditeur

Page de l'éditeur ↗

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). Lu sur huggingface.co.
• Évaluées par nos sources : anglais.
• Le français : annoncé 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 479 : transcrit 479 secondes d'audio par seconde de calculPar 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 ↗ · relevé du 19 octobre 2026, version du 17 octobre 2026.

Modèles proches

• Transcription en anglais, Open ASR : devant, TheWhisper-Large-V3-Turbo (14e, 5,91 %) · derrière, Higgs Audio v3 STT (même rang, 5,92 %)