# Reson8 publica gratis su modelo de voz de 0,5 mil millones de parámetros

> Rumble-2-Flash, un modelo de transcripción con 0,5 mil millones de parámetros, se ofrece gratis con licencia Apache 2.0 y funciona con Transformers o vLLM.

Oossa · 2026-11-18 · https://oossa.com/es/reson8-open-sources-0-5b-speech-model-for-40-languages

Reson8 anunció que su nuevo modelo de voz a texto, Rumble-2-Flash, ya se puede descargar gratis con sus pesos abiertos. El modelo tiene 0,5 mil millones de parámetros y detecta automáticamente más de 40 idiomas. Se puede usar con la biblioteca 🤗 Transformers de Hugging Face, vLLM o mediante la propia API de Reson8, que cobra €0.01 por hora de audio. La empresa afirma que el modelo procesa una hora de audio en aproximadamente medio segundo, con un rendimiento superior a 7,000 en factor de tiempo real (RTFx) cuando se ejecuta con lotes completos.

## ¿Qué precisión tiene el modelo pequeño?

En la categoría multilingüe de Hugging Face Open ASR Leaderboard, Rumble-2-Flash obtuvo una tasa media de error de palabras (WER) del 6.96 % en siete idiomas, por delante del omniASR-LLM de 7 B parámetros de Meta y de Whisper large-v3 de OpenAI. En inglés, el modelo registró una WER de alrededor del 5 %. En una prueba de referencia de AppTek con llamadas de centro de atención al cliente y ruido de fondo (302 horas, 14 acentos del inglés), obtuvo una WER del 7.86 %, prácticamente igual que Nemotron 3.5 Transcribe, de 30 B parámetros, de NVIDIA y mejor que Qwen3-ASR, de 0.6 B parámetros (8.7 %).

## Por qué importa ahora

La mayoría de los grandes modelos de voz se diseñan principalmente para el inglés, lo que deja a los hablantes de otros idiomas con tasas de error más altas. El CEO de Reson8, Raoul Ritter, señala que idiomas hablados por millones de personas, como el neerlandés o el sueco, suelen quedar “en segundo plano”. Al ofrecer gratis un modelo pequeño, rápido y multilingüe, los desarrolladores pueden incorporar transcripción a sus aplicaciones sin pagar por enormes servicios en la nube ni lidiar con costosas licencias. El bajo precio (mil horas de audio cuestan €10) también lo hace viable para pequeñas empresas, docentes y aficionados que necesitan transcribir grandes volúmenes.

## Los hechos

- Rumble-2-Flash tiene 0,5 mil millones de parámetros y se publica con licencia Apache 2.0.
- El modelo detecta automáticamente más de 40 idiomas.
- Obtiene una WER media del 6.96 % en la prueba multilingüe de Hugging Face Open ASR, por delante del omniASR-LLM de 7 B parámetros de Meta.
- En la prueba de 302 horas de AppTek con llamadas de centro de atención al cliente obtiene una WER del 7.86 %, a la par de Nemotron 3.5 Transcribe, de 30 B parámetros, de NVIDIA.
- La API de Reson8 cobra €0.01 por hora de audio, por lo que mil horas cuestan €10.

## Por qué importa

Para una pequeña empresa que necesita transcribir llamadas de clientes, el modelo ofrece una precisión cercana a la de soluciones empresariales por una fracción del costo. Para un estudiante o un podcaster, permite convertir horas de grabaciones en texto en segundos sin pagar a un gran proveedor de servicios en la nube. La publicación de los pesos abiertos también permite a los investigadores experimentar con el reconocimiento de voz multilingüe sin crear un modelo desde cero.

## Fuentes y referencias

1. [Rumble-2-Flash: an open 0.5B speech model for 40+ languages](https://huggingface.co/blog/rumble-2-flash) – Hugging Face, 2026-11-18
2. [Reson8 releases Rumble-2-Flash speech model as a free open-weights download](https://siliconangle.com/2026/11/18/reson8-releases-rumble-2-flash-speech-model-as-a-free-open-weights-download/) – SiliconANGLE, 2026-11-18
3. [Reson8](https://www.reson8.dev/blog/rumble-2-flash?utm_source=openai) – Reson8

Última actualización: 2026-11-18
