2026年開源語音識別AI模型評測與比較

自OpenAI於2022年釋出Whisper後，它長期是開源自動語音識別（ASR）的預設選擇；如今IBM、Cohere與阿里巴巴Qwen推出更小、更快的模型，頂尖WER已收斂至約5%。企業選型因而轉向授權、語言數、串流延遲與自架硬體成本，而非只看準確率。

IBM於2026年4月29日發布Granite Speech 4.1 2B，以OpenASR平均WER 5.33%居首，僅勝Cohere 3月26日推出的2B Transcribe（5.42%）0.09個百分點。兩者均採Apache 2.0、授權費0美元；Granite支援6種語言並有低延遲NAR版，Cohere涵蓋14種語言，API試用免費，正式服務按小時計價但未公布金額。