Salesforce brengt open spraakmodel met Nederlands uit

SOV-Transcribe-1 verschijnt op 12 november als open-weight spraakmodel met AA-WER van 2,28% en VoiceCodeBench-scores van 76,3% volledig juiste opnames en 93,4% van de bedoelde gegevens teruggevonden en ondersteunt Nederlands en is vrijgegeven onder Apache 2.0, meldt Salesforce.

Gesprekken met klanten, leveranciers of medewerkers kunnen zo na afloop op een eigen gekozen infrastructuur worden uitgeschreven. De organisatie krijgt controle over de transcriptievorm, maar moet ook de GPU, installatie en kwaliteitscontrole regelen. Omdat het model geen streaming heeft, komt tekst pas na verwerking van de opname beschikbaar.

De gewichten sturen de transcriptievorm

De modelkaart noemt 26,6 miljard parameters in totaal, inclusief de audio-encoder, waarvan 4,6 miljard actief zijn. Het model neemt mono-audio op 16 kHz aan en verwerkt opnames tot 30 minuten. De zeven talen zijn Engels, Frans, Duits, Spaans, Italiaans, Portugees en Nederlands.

Een gebruiker kan met een instructie kiezen tussen een woordelijk transcript en een opgeschoonde tekst. Ook de schrijfwijze van cijfers, hoofdletters en leestekens is aan te sturen. Contextuele aanwijzingen kunnen productnamen, vaktermen of namen uit een klantgesprek meegeven. Dat past bij archief, dictaat en transcriptie na klantcontact. Een verkeerd ordernummer of een verkeerd gespelde bedrijfsnaam kan anders in het dossier of de vervolgtaak belanden.

De publicatie bevat gewichten en voorbeeldcode. Salesforce biedt hier geen kant-en-klare transcriptiedienst of gepubliceerd tarief per minuut. Voor vLLM levert Salesforce een eigen plugin die op versie 0.32.0 is vastgezet. De modelkaart zegt dat native ondersteuning in vLLM en Hugging Face Transformers nog wordt opgenomen; voor Transformers bevat de repository eigen modelcode. De technische rapportage staat nog als “coming soon” vermeld. Een team dat dit nu inzet, moet dus ook de gekozen softwareversie en het onderhoud van de koppeling meenemen.

De 2,28% meet geen Nederlands

De actuele Artificial Analysis-ranglijst rondt de AA-WER af op 2,3% en noemt SOV-Transcribe-1 het best scorende open model. In dezelfde open-modelsamenvatting staan Voxtral Small en Nemotron 3.5 op 2,8%. Daarmee houdt de score bij afronding stand tegenover andere open systemen op dezelfde index. De detailtabel van diezelfde pagina vermeldt voor een via DeepInfra aangeboden Nemotron-route echter 3,4%; Artificial Analysis licht het verschil met de 2,8% in zijn open-modelsamenvatting niet toe.

Die index is geen Nederlandse taaltest. Artificial Analysis weegt drie datasets voor AA-WER v2 op 50, 25 en 25 procent. Het gaat om de eigen AA-AgentTalk-set, de Engelstalige VoxPopuli-set en gesprekken over bedrijfsresultaten in Earnings22. Samen is dat ongeveer acht uur audio. WER telt invoegingen, weglatingen en vervangingen ten opzichte van een gecontroleerd transcript. De uitkomst meet geen specifieke Nederlandse foutscore, dialect, productnamen of telefoonnummers uit een eigen klantbestand. Dat het model Nederlands ondersteunt is bevestigd in de modelkaart; hoe goed het dat Nederlands herkent, blijkt niet uit de AA-WER-score.

De genoemde VoiceCodeBench-score gaat over de vraag of alle gevraagde gegevens in een opname correct terugkomen. BeSimple beschrijft een evaluatie met 300 opnames waarvan audio, referentieteksten en gedetailleerde voorspellingen privé blijven. Dat maakt de taak relevant voor namen, e-mailadressen en nummers, maar betekent ook dat een lezer de volledige meting niet zelfstandig kan herhalen.

De 96GB GPU is een testopstelling

De modelkaart gebruikt voor de snelheidsmeting één NVIDIA RTX PRO 6000 Blackwell met 96 GB geheugen. Met de DFlash-hulpmodelroute duurde het uitschrijven van een opname van 30 seconden volgens Salesforce 0,22 seconde, gemeten met een ontwikkelversie van vLLM. Dat laat zien dat batchverwerking snel kan zijn, ook al levert het model geen tussentijdse tekst tijdens het gesprek.

Dezelfde kaart zegt niet dat 96 GB een harde minimumconfiguratie is. Wel moet bij gebruik van DFlash het aantal gelijktijdige reeksen op 64 worden begrensd om de geheugencontrole bij het opstarten binnen 96 GB te houden; de standaardwaarde van 1.024 loopt dan vol. Voor een bedrijf is dit een concretere planningsvraag dan alleen de licentie: welke kaart is beschikbaar, hoeveel gesprekken worden tegelijk verwerkt en wie houdt de modelserver werkend? De release noemt geen kant-en-klare cloudprijs waarmee dat tegen een API kan worden afgezet.

Andere modellen vullen live en sprekerlabels aan

NVIDIA's Nemotron 3.5 Transcribe is een tweede open optie. De modelkaart noemt 40 talen, opnames tot een uur en sprekerlabels in 13 talen. De Nemotron-vergelijking beschrijft een gemiddelde Nederlandse WER van 5,96% over FLEURS, Common Voice en Multilingual LibriSpeech, zonder expliciete claim over Nederlandse sprekerlabels. Die meting gebruikt een andere testbasis dan AA-WER en is dus geen rechtstreeks head-to-headresultaat.

Voor gesprekken die direct tekst moeten opleveren, biedt Google Gemini 3.5 Transcribe via de API een streamingvariant naast batchverwerking. De aankondiging rapporteert 5,50% WER voor streaming en 5,04% voor niet-streaming. De Gemini 3.5 Transcribe-post vat de aparte live- en batchscores samen als 5,50% en 5,04%. Google publiceert aparte scores voor de twee verwerkingsmodi.

Voor Nederlandse teams blijven daarmee twee beslissingen los van elkaar staan: waar audio wordt verwerkt en wanneer de tekst nodig is. Salesforce voegt Nederlands toe aan een open model dat achteraf werkt, terwijl de onafhankelijke ranglijst geen Nederlandse foutscore geeft. De 96GB-kaart is een gemeten configuratie, geen uitgesproken ondergrens. Een team dat live wil meeschrijven heeft nog steeds een streamingmodel nodig; de technische rapportage die de tests verder kan toelichten staat bij Salesforce nog aangekondigd.