MOSS-Transcribe-Diarize
OpenMOSS · Chine
- Poids ouverts
- Licence : Apache 2.0
- Français annoncé
En bref : 37e sur 39 en transcription en français ; 26e sur 53 en transcription en anglais (Open ASR).
Présentation
MOSS-Transcribe-Diarize est un modèle audio de bout en bout qui transcrit en une seule passe des enregistrements longs à plusieurs locuteurs, avec horodatage et étiquettes de locuteurs. Il traite jusqu'à 90 minutes d'audio et accepte des mots-clés pour les termes spécialisés. Lu sur huggingface.co, le 17/10/2026.
- Sortie
- 9 juillet 2026 lu sur la page de l'éditeur
- Taille
- 0,9 milliard de paramètres lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : plus de 50 langues, dont le français. Lu sur huggingface.co.
- Évaluées par nos sources : français et anglais.
- Le français : annoncé par l'éditeur ; évalué, 37e sur 39 en transcription en français (10,66 %).
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
37e sur 39taux d'erreur par mot 10,66 %
Vitesse : RTFx 250 : transcrit 250 secondes d'audio par seconde de calculPar jeu de test : Common Voice 15,19 %, FLEURS 8,53 %, MLS 8,27 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
- En anglais · Transcription
Transcription en anglais, Open ASR
26e sur 53taux d'erreur par mot 6,17 %
Vitesse : RTFx 378 : transcrit 378 secondes d'audio par seconde de calculPar jeu de test : AMI-Cleaned 8,33 %, Earnings22-Cleaned-AA-chunked 6,09 %, Gigaspeech-Cleaned 7,68 %, LS Clean 1,66 %, LS Other 4,16 %, Private (conversational) 13,40 %, Private (scripted) 4,68 %, SPGISpeech 1,70 %, URGENT24 12,74 %, Voice Arena Monsoon 3,87 %, Voxpopuli-AA-Cleaned 3,60 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
Modèles proches
- Transcription en français : devant, Gemma 4 E4B (36e, 10,31 %) · derrière, VibeVoice-ASR-HF (38e, 14,04 %)
- Transcription en anglais, Open ASR : devant, Granite-Speech-4.1-2B-NAR (25e, 6,10 %) · derrière, Qwen3-ASR-0.6B-hf (27e, 6,24 %)
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) :
OpenMOSS-Team/MOSS-Transcribe-Diarize - Fiche
- Nom et éditeur tels que la source les écrit ; présentation et langues lues sur les pages de l'éditeur.
- Pages lues
- https://huggingface.co/OpenMOSS-Team/MOSS-Transcribe-Diarize/raw/main/README.md (« MOSS-Transcribe-Diarize 0.9B is an end-to-end audio understanding model for long-form multi-speaker transcription, diarization, timestamps, and acoustic event awareness. »), 17/10/2026
- https://huggingface.co/OpenMOSS-Team/MOSS-Transcribe-Diarize/raw/main/README.md (« It supports transcription and diarization across 50+ languages, single-pass inference on audio recordings up to 90 minutes long, and custom hotword prompting for domain-specific terms. »), 17/10/2026
- https://huggingface.co/OpenMOSS-Team/MOSS-Transcribe-Diarize/raw/main/README.md (« 2026-07-09: Released MOSS-Transcribe-Diarize 0.9B. »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.