Oossa

Reson8开源支持40多种语言的5亿参数语音模型

转录模型Rumble-2-Flash采用Apache 2.0许可证免费开放,可在任何Transformers或vLLM环境中运行。

作者: Oossa 发布日期: 1 分钟阅读

Mike Meyers · Unsplash

Reson8宣布,旗下全新语音转文字模型Rumble-2-Flash现已开放权重,可免费下载。该模型拥有0.5 billion个参数,支持自动识别40多种语言。用户可通过Hugging Face的🤗 Transformers库、vLLM或Reson8自有API使用该模型;API按音频时长收费,每小时€0.01。该公司称,模型处理一小时音频约需半秒,满批次运行时的实时因子(RTFx)超过7,000。

这款小模型的准确度如何?

在Hugging Face Open ASR Leaderboard的多语言赛道中,Rumble-2-Flash覆盖七种语言的平均词错误率(WER)为6.96%,优于Meta拥有7 B参数的omniASR-LLM和OpenAI的Whisper large-v3。单看英语,该模型报告的WER约为5%。在AppTek的一项嘈杂呼叫中心基准测试中(302小时音频,涵盖14种英语口音),它的WER为7.86%,与NVIDIA拥有30 B参数的Nemotron 3.5 Transcribe基本持平,也优于拥有0.6 B参数的Qwen3-ASR(8.7%)。

为何此时推出意义重大

多数大型语音模型主要针对英语开发,导致其他语言使用者面临更高的错误率。Reson8首席执行官Raoul Ritter指出,荷兰语或瑞典语等数百万人使用的语言,往往“被当作次要需求”。Reson8免费提供这款小巧、快速且支持多种语言的模型,开发者无需支付大型云服务的费用,也不必应对高昂的授权成本,就能在应用中加入转录功能。其低廉的价格(1,000小时音频只需€10),也让有大量转录需求的小企业、教育工作者和业余爱好者用得起。

为什么重要

对于需要转录客户通话的小公司,这款模型以低得多的成本提供接近企业级的准确度。学生或播客创作者也能在几秒内把数小时录音转成文字,无需为大型云服务付费。开源发布还让研究人员无需从头训练模型,就能开展多语言语音识别实验。

这篇文章有帮助吗?
分享

继续阅读

Oossa · 新闻简报

一周 AI,讲明白

每周一,用通俗的语言讲清值得知道的新闻。免费,无垃圾邮件。