Cohere Transcribe 공개: 오픈소스 음성 인식 모델 판이 바뀐다

Cohere가 첫 음성 모델 'Cohere Transcribe'를 오픈소스로 공개했습니다. 회의록·콜센터 분석처럼 "말이 곧 데이터"인 시대에, 정확도와 속도를 동시에 끌어올린 모델이 나왔다는 점이 핵심입니다.¹

Transcribe는 20억 파라미터의 자동 음성 인식(ASR) 모델로, 14개 언어를 지원하고(한국어 포함), 허깅페이스 Open ASR 리더보드에서 평균 WER 5.42로 1위를 기록했습니다.² 게다가 셀프 호스팅을 염두에 둔 비교적 '가벼운' 사이즈와 운영 친화적인 설계가 강조됩니다.¹

Cohere Transcribe 성능: WER 5.42가 의미하는 것

음성 인식 모델을 고를 때 제일 자주 보는 지표가 WER(단어 오류율)입니다. 쉽게 말해 "받아쓰기 틀린 비율"인데, 낮을수록 사람 손이 덜 갑니다. Cohere Transcribe는 평균 WER 5.42로 공개 모델들(Whisper Large v3 등)과 비교에서 우위를 보이며, 영어 기준으로 특히 강한 모습을 보여줍니다.²

재미있는 건, 벤치마크만 잘하는 '시험형 모델'에 그치지 않으려는 태도입니다. Cohere는 실제 오디오를 놓고 사람이 읽어가며 평가한 비교에서도 평균 61% 선호도를 언급합니다.¹ 즉, 숫자 성적표와 "실사용 느낌"을 둘 다 잡으려 했다는 거죠. 다만 포르투갈어·독일어·스페인어에서는 경쟁 모델이 앞서는 구간이 있었다는 점도 함께 알아두는 게 좋습니다.¹

오픈소스 ASR 모델인데도 "운영"을 생각했다

Transcribe는 Apache 2.0 라이선스로 공개돼, 기업 입장에서도 활용 부담이 비교적 적습니다.² 그리고 20억 파라미터 규모를 "소비자용 GPU로도 셀프 호스팅 가능"한 포지션으로 잡았습니다.¹ 여기서 포인트는 단순히 모델을 풀었다가 아니라, 데이터 통제·보안·비용을 이유로 '내 서버에 두고' 굴리고 싶은 팀을 노렸다는 점입니다.

또 하나는 서빙 효율입니다. Cohere와 허깅페이스 쪽 자료를 보면, 인코더-디코더 구조를 효율적으로 운영하기 위한 방향(예: vLLM 기반 서빙 확장)을 강조합니다.³ 결국 "정확한데 느리면 못 쓴다"는 ASR의 오래된 딜레마를, 실제 배포 관점에서 풀겠다는 선언에 가깝습니다.

지원 언어와 활용 시나리오: 회의록부터 상담 품질까지

지원 언어는 영어, 프랑스어, 독일어, 이탈리아어, 스페인어, 포르투갈어, 그리스어, 네덜란드어, 폴란드어, 중국어, 일본어, 한국어, 베트남어, 아랍어로 총 14개입니다.¹² 다국어가 섞이는 글로벌 회의, 해외 지사 콜 모니터링, 다국어 자막 제작처럼 "언어가 바뀌는 순간 비용이 튀는" 업무에 특히 잘 맞습니다.

실무에서의 그림은 대략 이렇습니다. 1차로 Transcribe가 빠르게 초안을 만들고, 사람이 마지막으로 고유명사·숫자·업계 용어만 다듬습니다. WER이 조금만 낮아져도(즉 틀린 단어가 줄어도) 이 '마지막 편집 시간'이 확 줄기 때문에, 팀 단위로 보면 생산성 체감이 크게 옵니다.

시사점: 지금 필요한 건 "모델 선택"이 아니라 "운영 전략"

Cohere Transcribe의 등장은 오픈소스 음성 인식이 "그럭저럭 쓸 만함"을 넘어, 본격적으로 비용·성능·통제를 놓고 선택할 수 있는 단계로 왔다는 신호입니다. 특히 API로 가볍게 테스트하고, 필요하면 셀프 호스팅이나 매니지드(Model Vault)로 옮겨가는 경로를 동시에 열어둔 점이 현실적입니다.¹²

실용적으로는 이렇게 접근해보면 좋습니다. 먼저 내 데이터(회의 녹음, 상담 녹취) 30분~2시간 분량으로 파일럿을 돌려 "틀리는 패턴"을 모아보세요. 그리고 가장 중요한 3가지(고유명사, 숫자, 전문용어)에서 얼마나 손이 덜 가는지 기준으로 모델을 비교하면, 리더보드 순위보다 더 빠르게 답이 나옵니다. 마지막으로 보안·규정 이슈가 있다면, 오픈소스라는 선택지가 주는 '인프라 통제권'이 생각보다 큰 보험이 됩니다.

참고

¹Cohere launches an open source voice model specifically for transcription

²Introducing Cohere Transcribe: a new state-of-the-art in open-source speech recognition

³Introducing Cohere-transcribe: state-of-the-art speech recognition