Oossa

Reson8 rende open source il modello vocale da 0,5B per oltre 40 lingue

Rumble-2-Flash, modello di trascrizione da mezzo miliardo di parametri, è gratuito con licenza Apache 2.0 e funziona con qualsiasi stack Transformers o vLLM.

Di Pubblicato da Oossa: 1 min di lettura

Mike Meyers · Unsplash

Reson8 ha annunciato che il suo nuovo modello speech-to-text, Rumble-2-Flash, è disponibile per il download gratuito con pesi aperti. Il modello ha 0.5 miliardi di parametri e supporta il rilevamento automatico di oltre 40 lingue. Si può usare tramite la libreria 🤗 Transformers di Hugging Face, vLLM oppure l’API proprietaria di Reson8, che costa €0.01 per ora di audio. L’azienda afferma che il modello elabora un’ora di audio in circa mezzo secondo, raggiungendo una velocità superiore a 7,000 volte il tempo reale (RTFx) con batch completi.

Quanto è preciso il modello compatto?

Nella classifica multilingue Hugging Face Open ASR Leaderboard, Rumble-2-Flash ha ottenuto un tasso medio di errore sulle parole (WER) del 6.96 % in sette lingue, superando omniASR‑LLM di Meta, con 7 B di parametri, e Whisper large‑v3 di OpenAI. Solo per l’inglese, il modello ha registrato un WER di circa 5 %. In un benchmark di AppTek su chiamate rumorose nei call center (302 ore, 14 accenti inglesi), ha ottenuto un WER del 7.86 %, sostanzialmente pari a Nemotron 3.5 Transcribe di NVIDIA, con 30 B di parametri, e migliore di Qwen3‑ASR, con 0.6 B di parametri (8.7 %).

Perché è importante ora

La maggior parte dei modelli vocali di grandi dimensioni è progettata soprattutto per l’inglese, con il risultato che chi parla altre lingue deve fare i conti con tassi di errore più elevati. Il CEO di Reson8, Raoul Ritter, osserva che lingue parlate da milioni di persone, come l’olandese e lo svedese, sono spesso “un ripensamento”. Mettendo a disposizione gratuitamente un modello piccolo, veloce e multilingue, Reson8 permette agli sviluppatori di aggiungere la trascrizione alle app senza pagare costosi servizi cloud o dover affrontare licenze onerose. Anche il prezzo contenuto (mille ore di audio costano €10) lo rende accessibile a piccole imprese, insegnanti e appassionati che hanno bisogno di trascrivere grandi quantità di audio.

Perché conta

Per una piccola azienda che deve trascrivere le chiamate con i clienti, il modello offre una precisione vicina a quella dei servizi enterprise a una frazione del costo. Per uno studente o un podcaster, significa trasformare ore di registrazioni in testo in pochi secondi, senza pagare un grande provider cloud. La distribuzione open source permette inoltre ai ricercatori di sperimentare con il riconoscimento vocale multilingue senza dover costruire un modello da zero.

Questo articolo ti è stato utile?
Condividi

Leggi anche

Oossa · Newsletter

La settimana dell'IA, spiegata

Ogni lunedì: le notizie che contano, in parole semplici. Gratis, niente spam.