# 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。

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

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。

## 事实

- Rumble-2-Flash拥有0.5 billion个参数，采用Apache 2.0许可证发布。
- 该模型支持自动检测40多种语言。
- 在Hugging Face Open ASR多语言基准测试中，该模型的平均WER为6.96%，优于Meta的7 B参数omniASR-LLM。
- 在AppTek长达302小时的呼叫中心测试中，该模型的WER为7.86%，与NVIDIA的30 B参数Nemotron 3.5 Transcribe相当。
- Reson8的API每小时音频收费€0.01，因此1,000小时音频费用为€10。

## 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。

## 来源与参考

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

最后更新: 2026-11-18
