Zoom Scribe V2 Pro
Zoom · États-Unis
- Poids fermés (selon Artificial Analysis)
- Français annoncé
En bref : 8e sur 51 en transcription en anglais (Artificial Analysis) ; 2e sur 53 en transcription en anglais (Open ASR).
Présentation
Scribe V2 Pro est le modèle de reconnaissance vocale servi par l'API Zoom Scribe, qui transcrit un fichier en mode rapide ou des lots de fichiers en arrière-plan. Zoom dit que l'API repose sur son modèle ASR Pro et ajoute horodatage, séparation des locuteurs et filtrage des grossièretés. Lu sur zoom.com, github.com, le 17/10/2026.
Langues
- Annoncées par l'éditeur : 11 langues et variantes régionales (9 langues), dont le français (en, zh, ja, es, it, fr, de, ar, pt). Lu sur github.com, developers.zoom.us.
- Évaluées par nos sources : anglais.
- Le français : annoncé par l'éditeur ; pas évalué en français par nos sources.
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 anglais · Transcription
Transcription en anglais, indice AA-WER
8e sur 51taux d'erreur par mot 2,75 %
Prix : 3,33 $ pour 1 000 minutes de parolePar jeu de test : AA-AgentTalk 1,81 %, Earnings22 4,23 %, VoxPopuli 3,15 %
Source : Artificial Analysis · relevé du 19 octobre 2026.
- En anglais · Transcription
Transcription en anglais, Open ASR
2e sur 53taux d'erreur par mot 4,70 %
Par jeu de test : AMI-Cleaned 6,08 %, Earnings22-Cleaned-AA-chunked 4,12 %, Gigaspeech-Cleaned 7,75 %, LS Clean 1,11 %, LS Other 2,24 %, Private (conversational) 12,10 %, Private (scripted) 2,92 %, SPGISpeech 1,36 %, URGENT24 7,99 %, Voice Arena Monsoon 3,00 %, Voxpopuli-AA-Cleaned 3,08 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
Modèles proches
- Transcription en anglais, indice AA-WER : devant, Gemini 3.5 Transcribe (7e, 2,60 %) · derrière, Voxtral Small (9e, 2,77 %)
- Transcription en anglais, Open ASR : devant, speech-v3.1 (1er, 4,55 %) · derrière, azure-speech-07-2026 (3e, 5,02 %)
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
- Artificial Analysis :
Zoom Scribe V2 Pro; Hugging Face (hf-audio) :zoom/scribe_v2_pro - Fiche
- Registre de QUELLE IA.
- Pages lues
- https://www.zoom.com/en/products/ai-services/scribe-api/ (« Quality transcription you can trust, powered by Zoom’s ASR Model Pro. »), 17/10/2026
- https://github.com/huggingface/open_asr_leaderboard/pull/210 (« Adds new API zoom/scribe_v2_pro to English Leaderboard. »), 17/10/2026
- https://developers.zoom.us/docs/ai-services/scribe (« Supported languages Scribe APIs support these languages. »), 17/10/2026
- https://developers.zoom.us/docs/ai-services/scribe (« Italian it-IT French fr-FR German de-DE »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.