Symphony
Sprag · États-Unis
- Poids fermés (selon Open ASR Leaderboard)
En bref : 6e sur 39 en transcription en français (ex æquo à valeur égale) ; 12e sur 53 en transcription en anglais (Open ASR).
Présentation
Symphony est un modèle multimodal de Sprag, bâti sur Qwen3-Omni, qui reçoit texte, image, audio et vidéo et répond en texte ou en voix, en temps réel. L'API de Sprag l'utilise aussi pour transcrire et traduire la parole. Lu sur sprag.ai, github.com, le 17/10/2026.
Langues
- Annoncées par l'éditeur : 19 langues en compréhension de la parole. Lu sur sprag.ai.
- Évaluées par nos sources : français et anglais.
- Le français : évalué, 6e sur 39 en transcription en français (3,92 %).
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
6e sur 39taux d'erreur par mot 3,92 %
Par jeu de test : Common Voice 5,61 %, FLEURS 3,33 %, MLS 2,81 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
- En anglais · Transcription
Transcription en anglais, Open ASR
12e sur 53taux d'erreur par mot 5,84 %
Par jeu de test : AMI-Cleaned 9,02 %, Earnings22-Cleaned-AA-chunked 6,01 %, Gigaspeech-Cleaned 7,52 %, LS Clean 1,00 %, LS Other 2,19 %, Private (conversational) 12,78 %, Private (scripted) 3,99 %, SPGISpeech 2,21 %, URGENT24 12,64 %, Voice Arena Monsoon 3,55 %, Voxpopuli-AA-Cleaned 3,33 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
Modèles proches
- Transcription en français : devant, Universal-3 Pro (5e, 3,82 %) · derrière, Universal-3.5 Pro (même rang, 3,92 %)
- Transcription en anglais, Open ASR : devant, Cohere Transcribe (11e, 5,77 %) · derrière, Hojo-ASR-V1 (13e, 5,85 %)
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) :
sprag/symphony - Fiche
- Registre de QUELLE IA.
- Pages lues
- https://sprag.ai/docs/stt/models (« Symphony symphony /v1/audio/transcriptions , /v1/audio/translations , /v1/chat/completions , or a realtime session »), 17/10/2026
- https://sprag.ai/models (« Realtime multimodal serve on full Qwen3-Omni (thinker + talker + code2wav): text, image, audio, and video in; text and speech out, with realtime tool calling. »), 17/10/2026
- https://sprag.ai/models (« Supports text in 119 languages, speech understanding in 19, and speech generation in 10. »), 17/10/2026
- https://github.com/huggingface/open_asr_leaderboard/pull/212 (« Adds a Sprag provider to the API track, serving sprag/symphony. »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.