Cohere transcribe: o modelo de transcrição que acabou de destronar o Whisper, e por que isso importa pra quem trabalha com áudio

Vou te contar uma coisa que quem trabalha com áudio sabe na pele:

Transcrição sempre foi uma dor de cabeça.

Se você já tentou transcrever uma audiência, uma reunião longa, uma entrevista ou até um simples depoimento, sabe do que estou falando. As opções sempre foram: pagar caro por um serviço humano e esperar dias, ou usar uma ferramenta automática que erra tanto que você gasta mais tempo corrigindo do que teria gasto digitando tudo na mão.

A IA mudou isso. O Whisper, da OpenAI, lançado lá em 2022, foi o primeiro modelo que fez transcrição automática parecer viável de verdade. Gratuito, open source, com qualidade surpreendente. Virou o padrão do mercado.

Só que agora, em março de 2026, alguém fez melhor. Bem melhor.

O que é o Cohere Transcribe

A Cohere, empresa canadense de IA que já era conhecida por modelos de linguagem voltados para o mercado corporativo, lançou o cohere-transcribe-03-2026: um modelo de reconhecimento de fala com 2 bilhões de parâmetros, open source, com licença Apache 2.0.

Traduzindo: você pode baixar, rodar no seu servidor, modificar e usar comercialmente — de graça.

O modelo usa uma arquitetura chamada Conformer (encoder-decoder), com um design assimétrico inteligente: mais de 90% dos 2 bilhões de parâmetros estão dedicados ao encoder — a parte que “escuta” o áudio e extrai as representações acústicas. O decoder, que gera o texto, é leve e rápido. Resultado: alta precisão com velocidade de inferência até 3x maior que modelos concorrentes do mesmo tamanho.

Os números que importam

O Cohere Transcribe assumiu o primeiro lugar no leaderboard de ASR do Hugging Face, com um WER (Word Error Rate) médio de 5,42%. Para contextualizar (quanto menor, melhor):

Modelo	WER médio
Cohere Transcribe	5,42%
Zoom Scribe v1	5,47%
IBM Granite 4.0 1B Speech	5,52%
NVIDIA Canary Qwen 2.5B	5,63%
ElevenLabs Scribe v2	5,83%
OpenAI Whisper Large v3	7,44%

Olha a diferença para o Whisper: o Cohere erra 27% menos. Em avaliações humanas, nas quais anotadores comparam transcrições lado a lado, o Cohere venceu o Whisper em 64% das comparações.

Em alguns datasets específicos, os números são ainda mais impressionantes:

LibriSpeech Clean: 1,25% WER (praticamente perfeito)
TED-LIUM: 2,49% WER
SPGISpeech: 3,08% WER

14 idiomas, incluindo português

O modelo suporta 14 idiomas — e sim, português está na lista, junto com inglês, espanhol, francês, alemão, italiano, holandês, polonês, grego, árabe, chinês mandarim, japonês, coreano e vietnamita.

Para quem trabalha no Brasil, isso é fundamental. Não adianta ter o melhor modelo do mundo se ele só funciona bem em inglês.

Advogados

Se você é advogado, pense comigo: quantas horas por semana você ou sua equipe gastam com audiências gravadas, depoimentos, oitivas e reuniões com clientes? Transcrever tudo isso manualmente é um buraco negro de produtividade.

Com um modelo como o Cohere Transcribe, você pode:

Transcrever audiências inteiras em minutos, não horas
Gerar minutas automáticas de reuniões com clientes
Criar registros buscáveis de depoimentos
Alimentar sistemas de gestão processual com texto estruturado a partir de áudio

Como o modelo é open source e pode rodar localmente, existe uma vantagem crítica para a advocacia: os dados nunca precisam sair do seu servidor. Sigilo profissional preservado.

Empresas e negócios

Para quem trabalha no mundo corporativo, o impacto é direto:

Reuniões: transcrição automática de calls, standups e apresentações
Atendimento ao cliente: análise de chamadas em escala
Treinamento: transformar palestras e workshops em material escrito
Compliance: registros auditáveis de conversas

A diferença entre um modelo com 7,44% de erro (Whisper) e um com 5,42% (Cohere) pode parecer pequena em números absolutos. Mas, na prática, em um áudio de 60 minutos com 8.000 palavras, isso significa 160 erros a menos.

É menos correção manual, menos retrabalho, menos risco de informação errada em um documento oficial.

O cenário maior: speech-to-text está virando commodity

Vamos dar um passo atrás e olhar o que está acontecendo no mercado.

Em 2022, o Whisper era o único modelo open source de transcrição realmente bom. Ele reinava sozinho. Agora, em 2026, temos:

Cohere Transcribe (open source, 2 bilhões de parâmetros)
IBM Granite Speech (open source)
NVIDIA Canary (open source)
ElevenLabs Scribe (proprietário, mas com API acessível)
Zoom Scribe (integrado ao Zoom)

A tendência é clara: transcrição de qualidade está se tornando uma commodity.

O custo está caindo, a qualidade está subindo e os modelos estão ficando pequenos o suficiente para rodar em hardware modesto.

Isso significa que, em breve, transcrever áudio com alta precisão não vai ser um diferencial — vai ser o mínimo esperado. Qualquer software que lida com áudio e não oferece transcrição automática de qualidade vai parecer ultrapassado.

E a Cohere já sinalizou o próximo passo: integração do Transcribe com o North, a plataforma de orquestração de agentes de IA da empresa. Ou seja, transcrição não vai ser o destino final — vai ser a porta de entrada para pipelines inteligentes que analisam, resumem e agem sobre o conteúdo do áudio.

Outro exemplo é a Mistral, que criou uma API de comunicação em áudio em tempo real. Isso significa que você pode despachar comandos por voz de forma instantânea.

O que isso significa para o ProcStudio

No ProcStudio, a gente acompanha de perto essa evolução dos modelos de speech-to-text. Para um software jurídico, o áudio é uma parte enorme do fluxo de trabalho: audiências, reuniões, atendimentos.

A existência de modelos como o Cohere Transcribe, abertos e com qualidade de ponta, abre possibilidades reais de integração.

Imagine seu sistema de gestão processual recebendo o áudio de uma audiência e automaticamente gerando uma transcrição indexada, buscável, vinculada ao processo.

Isso não é ficção científica. Com modelos open source de 5,42% de WER, rodando localmente, isso é tecnologia disponível hoje.

A gente acredita que o futuro do software jurídico é integrado com IA em cada etapa do fluxo — e a transcrição é uma das peças mais óbvias desse quebra-cabeça.

Se você quer acompanhar como essas tecnologias estão transformando o trabalho jurídico e profissional, acompanhe o blog do ProcStudio.

E, se quiser ver IA funcionando em um software jurídico de verdade, conheça o ProcStudio.

Fontes: