【2026年最新】日本語音声認識（ASR / STT）モデル比較：Whisper・Qwen3・Cohere・Graniteをベンチマーク | Neosophie Blog

更新履歴 2026/0430 ibm-granite/granite-speech-4.1-2b の検証結果を追加しました。 2026/03/28 coherelabs/cohere-transcribe-03-2026 の検証結果を追加しました。 2026/03/23 ibm/granite-4.0-1b-speech の検証結果を追加しました。 この記事でわかること： 9種類の日本語音声認識（ASR）モデルを同一条件でベンチマークした一次データを公開。WER・CER・RTFで比較し、「どの用途にどのモデルが最適か」を実体験から解説します。 👉IT用語に強い日本語音声認識モデルのベンチマーク 👉最高水準の日本語音声認識モデルを無償公開 要約 RTX5090を使って20本（計580秒・約10分）の自然会話音声を使い、最新の日本語むけASRモデルを評価しました。総合的な精度・安定性ではo