Salesforce 开放了 SOV-Transcribe-1 的模型权重：这是一个 266 亿参数、每次激活 46 亿参数的语音转写模型，支持最长 30 分钟音频，并在 Artificial Analysis 的非流式语音识别榜单中列为开放权重模型第一。我们注意到，企业部署语音 AI 的重点正在从“调用哪家云 API”转向“能否把数据和模型留在自己手里”。

这是什么

SOV-Transcribe-1 是把语音转成文字的自动语音识别模型（ASR，把语音信号转换为文本），除了英语，还支持法语、德语、西班牙语等六种语言。它能处理口音、背景噪声，并通过自然语言指令选择逐字稿或整理后的文本，控制标点、大小写和数字格式；还可提供公司专有名词，帮助识别产品名和人名。

它采用 Apache 2.0 许可证，可通过 vLLM 和 Hugging Face Transformers 部署。Salesforce 还提供 DFlash 推测解码模型，用先生成候选文本的方式加快推理。开放权重并不等于开箱即用，企业仍需准备算力、推理服务和工程维护。

行业怎么看

这件事的判断是，语音模型的竞争正从单纯的准确率扩展到控制力与部署方式。自然语言控制转写风格、针对专有名词做适配，对客服、医疗记录和销售跟进等场景有实际价值；而且音频不必上传第三方平台，确实回应了企业对数据主权和隐私的顾虑。

风险也很明确。榜单成绩来自特定测试集和测试时间，不能直接等同于所有企业录音环境中的效果。模型支持的多语言并不包括中文，而中文客服、会议和口述内容是大量企业的核心需求。它虽然能私有部署，但硬件成本、模型评估、监控与升级仍由企业承担；此外，开放模型上的官方说法，也不等于 Salesforce 已经证明了大规模商业落地。

对普通人的影响

对企业 IT：有会议纪要、客服质检或内部语音库的企业，可以评估在本地部署，先验证专有名词、噪声和中文覆盖等真实需求，再决定是否采购服务器或云算力。

对个人职场：语音转写会更可靠地进入会议、访谈和客服工作流，但模型尚不支持中文，意味着个人直接受益可能有限；更高质量的结果仍取决于录音设备和业务词库。

对消费市场：开放权重可能推动会议软件、录音应用和字幕工具增加私有部署选项，不过短期内，它更可能先出现在企业级服务中，而不是直接变成人人免费可用的功能。