Gemma 4 E4B
Google · États-Unis
- Poids ouverts
- Licence : Apache 2.0
En bref : 36e sur 39 en transcription en français ; 51e sur 53 en transcription en anglais (Open ASR).
Présentation
Modèle ouvert de la famille Gemma 4 de Google DeepMind, en version ajustée aux instructions, conçu pour les téléphones et appareils locaux, qui accepte texte, image et audio en entrée. Sur l'audio, il fait de la reconnaissance vocale et de la traduction de la parole vers du texte. Lu sur huggingface.co, blog.google, le 17/10/2026.
- Sortie
- 2 avril 2026 lu sur la page de l'éditeur
- Taille
- 4,5 milliards de paramètres effectifs (8 milliards avec les tables d'embeddings) lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : plus de 35 langues prises en charge d'emblée (préentraînement sur plus de 140). Lu sur huggingface.co.
- Évaluées par nos sources : français et anglais.
- Le français : évalué, 36e sur 39 en transcription en français (10,31 %).
Ses 2 classements
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 français · Transcription
Transcription en français
36e sur 39taux d'erreur par mot 10,31 %
Vitesse : RTFx 134 : transcrit 134 secondes d'audio par seconde de calculPar jeu de test : Common Voice 13,99 %, FLEURS 7,42 %, MLS 9,53 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
- En anglais · Transcription
Transcription en anglais, Open ASR
51e sur 53taux d'erreur par mot 11,86 %
Vitesse : RTFx 161 : transcrit 161 secondes d'audio par seconde de calculPar jeu de test : AMI-Cleaned 20,57 %, Earnings22-Cleaned-AA-chunked 14,16 %, Gigaspeech-Cleaned 11,74 %, LS Clean 3,85 %, LS Other 9,97 %, Private (conversational) 19,17 %, Private (scripted) 8,88 %, SPGISpeech 5,49 %, URGENT24 26,38 %, Voice Arena Monsoon 6,19 %, Voxpopuli-AA-Cleaned 4,09 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
Modèles proches
- Transcription en français : devant, omniASR-CTC-1B-v2 (35e, 10,29 %) · derrière, MOSS-Transcribe-Diarize (37e, 10,66 %)
- Transcription en anglais, Open ASR : devant, omniASR-CTC-7B-v2 (50e, 11,50 %) · derrière, niagara-19m-batch.en (52e, 12,97 %)
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.
D'où vient cette fiche
- Nom dans les sources
- Hugging Face (hf-audio) :
google/gemma-4-E4B-it - Fiche
- Registre de QUELLE IA, lu sur https://huggingface.co/google/gemma-4-E4B-it/raw/main/README.md (« Gemma is a family of open models built by Google DeepMind. Gemma 4 models are multimodal, handling text and image input (with audio supported on E2B, E4B, and 12B) and generating text output. »), 17/10/2026.
- Pages lues
- https://huggingface.co/google/gemma-4-E4B-it/raw/main/README.md (« Gemma is a family of open models built by Google DeepMind. Gemma 4 models are multimodal, handling text and image input (with audio supported on E2B, E4B, and 12B) and generating text output. »), 17/10/2026
- https://huggingface.co/google/gemma-4-E4B-it/raw/main/README.md (« **Audio** (E2B, E4B, and 12B only) - Automatic speech recognition (ASR) and speech-to-translated-text translation across multiple languages. »), 17/10/2026
- https://huggingface.co/google/gemma-4-E4B-it/raw/main/README.md (« targeting deployment scenarios from mobile and edge devices (E2B, E4B) to consumer GPUs and workstations (12B, 26B A4B, 31B) »), 17/10/2026
- https://huggingface.co/google/gemma-4-E4B-it/raw/main/README.md (« | **Total Parameters** | 2.3B effective (5.1B with embeddings) | 4.5B effective (8B with embeddings) | »), 17/10/2026
- https://huggingface.co/google/gemma-4-E4B-it/raw/main/README.md (« **Multilingual** - Out-of-the-box support for 35+ languages, pre-trained on 140+ languages. »), 17/10/2026
- https://blog.google/innovation-and-ai/technology/developers-tools/gemma-4/ (« Gemma 4: Byte for byte, the most capable open models Apr 02, 2026 »), 17/10/2026
- https://blog.google/innovation-and-ai/technology/developers-tools/gemma-4/ (« Additionally, the E2B and E4B models feature native audio input for speech recognition and understanding. »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.