The Pulse
Reson8 rilascia un modello open di riconoscimento vocale per oltre 40 lingue
Reson8 ha rilasciato i pesi di Rumble-2-Flash, un modello di riconoscimento vocale con 0,5 miliardi di parametri, con licenza Apache 2.0. In precedenza il modello era disponibile tramite l’API dell’azienda per l’audio preregistrato.

Reson8 ha rilasciato i pesi di Rumble-2-Flash, un modello di riconoscimento vocale per oltre 40 lingue, con licenza Apache 2.0. Il modello da 0,5 miliardi di parametri può essere eseguito usando Transformers o vLLM senza codice personalizzato, secondo il post dell’azienda su Hugging Face.
Il modello era già disponibile tramite l’API di Reson8, dopo un lancio che l’azienda ha datato al 3 novembre. Il lancio precedente offriva un servizio di trascrizione a consumo a partire da 0,01 € per ora di audio.
Cosa possono usare gli sviluppatori
Il modello può rilevare automaticamente la lingua dell’audio, oppure uno sviluppatore può specificarla. Gli sviluppatori possono anche scegliere se i numeri devono comparire in cifre o in lettere, se mantenere le parole di riempimento e se trascrivere alla lettera le parole ripetute.
I pesi sono disponibili nel repository Reson8/Rumble-2-Flash su Hugging Face e il modello resta disponibile tramite l’API di Reson8. Usa l’architettura Qwen3-ASR e accetta audio fornito come percorso locale, URL, array NumPy o elenco di questi input.
La documentazione dell’azienda descrive l’API per l’audio preregistrato come un servizio che restituisce una trascrizione semplice, senza etichette dei parlanti, timestamp o personalizzazione del vocabolario. Indica Rumble-2-Flash come supportato nell’endpoint per l’audio preregistrato, ma non negli endpoint realtime o turns.
Risultati dei test riportati
Nella categoria multilingue dell’Open ASR Leaderboard, Rumble-2-Flash ha registrato un tasso di errore medio del 6,96% su cinese, tedesco, francese, italiano, spagnolo, portoghese, hindi, olandese e inglese, secondo il comunicato. Il post afferma che il risultato è migliore di quello di omniASR-LLM 7B di Meta, che descrive come 15 volte più grande, e superiore a Whisper large-v3.
Nella categoria inglese, il modello ha registrato un tasso medio di errore delle parole del 6,6%, afferma il post. Nel benchmark per call center di AppTek, il test ha coperto 302 ore di chiamate alle linee di assistenza con 14 accenti inglesi e ha usato lo script di valutazione di AppTek.
Reson8 riporta un tasso di errore delle parole del 7,86% in quel test per call center, rispetto al 7,78% di Nemotron 3.5 Transcribe di NVIDIA, un modello con 30 miliardi di parametri. Lo stesso confronto indica l’8,7% per Qwen3-ASR 0.6B e il 7,4% per Qwen3-ASR 1.7B.
Il throughput dipende da quanto sono pieni i batch. Reson8 riporta inoltre un throughput superiore a 7.000 RTFx sui dataset più grandi dell’Open ASR Leaderboard, quando i batch restano pieni: secondo l’azienda, ciò equivale a elaborare un’ora di audio in circa mezzo secondo.
Come è stato addestrato
Reson8 ha addestrato il modello più piccolo usando il suo modello di produzione più grande, Rumble-2, con un metodo chiamato distillazione on-policy. Il modello più piccolo trascrive l’audio autonomamente e quello più grande valuta il suo output token per token; il modello studente impara quindi a riprodurre le probabilità del modello docente.
I due modelli usano tokenizer diversi, che suddividono il testo in unità da elaborare. Una tecnica chiamata GOLD allinea i loro output unendo i token nei punti in cui i tokenizer suddividono il testo in modo diverso. I token presenti in entrambi i vocabolari vengono confrontati direttamente, mentre quelli rimanenti vengono confrontati in base alle rispettive probabilità ordinate.
Fonti
Aziende in questa notizia
Notizie correlate
- Salesforce rilascia un modello open-weight per la trascrizione del parlato
- Meituan afferma che il modello aperto per avatar LongCat genera video di oltre 10 minuti
- ElevenLabs rilascia i modelli di trascrizione Scribe v3 e riferisce un calo degli errori
- NVIDIA pubblica modelli draft per la decodifica di Qwen3.8-27B
- La SAIR di Terence Tao lancia un piano per modelli aperti per la matematica