AB
AiBoss站
快讯

Rumble-2-Flash 开源:0.5B 参数语音识别模型支持 40 多种语言

Reson8 在 Hugging Face 开源 0.5B 参数语音识别模型 Rumble-2-Flash,采用 Apache 2.0 许可,支持 40 多种语言与自动语种检测,原生兼容 Transformers 与 vLLM。

核心事实

据 Hugging Face 博客文章,Reson8 团队于 11 月 18 日以 Apache 2.0 许可证开源语音识别模型 Rumble-2-Flash。该模型参数量为 0.5B,支持 40 多种语言,并具备自动语言检测能力。模型采用 Qwen3-ASR 架构,在 🤗 Transformers 与 vLLM 中获得原生支持,无需自定义运行时代码或 trust_remote_code。权重已发布在 Hub 的 Reson8/Rumble-2-Flash 页面,同时提供 API 调用方式。

背景与影响

文章称,团队通过 on-policy 蒸馏把更大的生产模型 Rumble-2 压缩到 0.5B 规模,并借助名为 GOLD 的方法解决师生分词器不一致的问题。在 Open ASR Leaderboard 多语种赛道上,该模型在中文、德语、法语、意大利语、西班牙语、葡萄牙语、印地语、荷兰语和英语上的平均错误率为 6.96%,英文赛道平均 WER 为 6.6%。在 AppTek 的 302 小时呼叫中心基准(14 种英语口音)上,其 WER 为 7.86%,与 NVIDIA Nemotron 3.5 Transcribe(30B)的 7.78% 接近。吞吐方面,文章称在批次填满时可超过 7,000 RTFx。

限制与来源

上述准确率与速度数据均来自发布方自述及第三方榜单,未经本站独立复测;不同硬件、批次大小与音频条件会显著影响实际表现。模型的语言覆盖、输出控制选项(如数字格式、填充词、逐字重复、强制语言)及 API 可用范围,请以 Hugging Face 模型页与官方文档的当前信息为准。本文信息来源为 Hugging Face 博客文章《Rumble-2-Flash: an open 0.5B speech model for 40+ languages》。