LO ESENCIAL EN 30 SEGUNDOS
- SOV-Transcribe-1, publicado el 12 de noviembre de 2026, transcribe inglés, francés, alemán, español, italiano, portugués y neerlandés.
- El modelo de mezcla de expertos tiene 26.600 millones de parámetros, 4.600 millones activos por token, y se distribuye bajo Apache 2.0.
- Registra una tasa de error del 2,28 % en el índice de Artificial Analysis, la mejor entre los modelos abiertos; casi todas las demás cifras proceden de Salesforce.
Salesforce se suma a los desarrolladores de modelos de voz abiertos con SOV-Transcribe-1, un modelo de reconocimiento automático del habla cuyos pesos se publicaron en Hugging Face el 12 de noviembre de 2026. Lo ha desarrollado el equipo Sovereign Intelligence de la compañía y se distribuye bajo la licencia permisiva Apache 2.0. La etiqueta de «soberano» alude a su principal atractivo: cualquier organización puede descargarlo y ejecutarlo en servidores propios, sin enviar sus grabaciones a un servicio de transcripción externo.
Cómo está construido
SOV-Transcribe-1 combina un codificador de audio derivado de Whisper large-v3, de OpenAI, con un decodificador de texto basado en Gemma 4 26B A4B, un modelo de mezcla de expertos de Google. El conjunto suma 26.600 millones de parámetros, de los que unos 4.600 millones se activan en cada token. Admite siete idiomas: inglés, francés, alemán, español, italiano, portugués y neerlandés.
Trabaja con archivos grabados de hasta 30 minutos, muestreados a 16 kHz, y no transcribe emisiones en directo. Se le puede pedir en lenguaje corriente una transcripción literal, con titubeos incluidos, o un texto más pulido. También acepta glosarios o un breve resumen del tema para que nombres y términos especializados salgan bien sin necesidad de reentrenarlo. Funciona con Hugging Face Transformers o con vLLM mediante un complemento, y se ofrece un modelo auxiliar más pequeño para acelerar la decodificación.
Resultados en las pruebas
En el índice de tasa de error por palabra de la firma independiente Artificial Analysis, SOV-Transcribe-1 obtiene un 2,28 %. Eso lo sitúa primero entre los modelos de pesos abiertos y séptimo en total si se cuentan los servicios propietarios, según TokenPost y CASRAI. Las mismas comparaciones colocan a Nemotron 3.5 Transcribe, de Nvidia, y a Voxtral Small, de Mistral, en torno al 2,8 %. Salesforce cita además resultados en una prueba de centros de llamadas con 14 acentos del inglés y en un test de reconocimiento de entidades; esas cifras son de la propia empresa y no se han verificado de forma independiente.
Contexto y dudas pendientes
Salesforce vincula el lanzamiento a Missionforce, su división orientada a gobiernos y seguridad nacional, creada en septiembre de 2025. Aunque solo una parte de los parámetros esté activa a la vez, hay que cargar los 26.600 millones en memoria, de modo que ejecutarlo en local exige GPU con bastante capacidad. Su precisión real con audio ruidoso o muy especializado solo se conocerá cuando usuarios externos lo pongan a prueba.
