Reson8 がオープンソースの 0.5B 音声認識モデル Rumble-2-Flash を公開

アムステルダムの音声認識企業 Reson8 は、Hugging Face で Apache 2.0 ライセンスのもと Rumble-2-Flash をオープンソースとして公開しました。パラメータ数は 5 億で、40 以上の言語に対応し、録音済み音声の高速な文字起こしを目的としています。同社によると、Open ASR リーダーボードの多言語部門(中国語など9言語を含む)において、平均単語誤り率(WER)は 6.96% であり、パラメータ数が 15 倍大きい Meta の omniASR-LLM 7B や Whisper large-v3 よりも優れています。バッチ処理を最大限に活用した場合、1時間の音声の文字起こしは約0.5秒で完了します。このモデルは Qwen3-ASR アーキテクチャを採用しており、trust_remote_code は不要です。また、Reson8 の有料 API 経由でも利用可能です。

原題:Rumble-2-Flash: an open 0.5B speech model for 40+ languages

アムステルダムの音声認識企業 Reson8 は、Hugging Face で Apache 2.0 ライセンスのもと Rumble-2-Flash をオープンソースとして公開しました。パラメータ数は 5 億で、40 以上の言語に対応し、録音済み音声の高速な文字起こしを目的としています。同社によると、Open ASR リーダーボードの多言語部門(中国語など9言語を含む)において、平均単語誤り率(WER)は 6.96% であり、パラメータ数が 15 倍大きい Meta の omniASR-LLM 7B や Whisper large-v3 よりも優れています。バッチ処理を最大限に活用した場合、1時間の音声の文字起こしは約0.5秒で完了します。このモデルは Qwen3-ASR アーキテクチャを採用しており、trust_remote_code は不要です。また、Reson8 の有料 API 経由でも利用可能です。

なぜ重要か 小規模なパラメータ数と商用利用可能なライセンスを備えた多言語音声認識であり、評価対象言語に中国語が含まれており、ローカル環境での導入ハードルが低い点。

信頼性:高い · 出典 Hugging Face(Reson8 ブログ)など 2 社(公式含む) · イベント日時 11-18 22:00(北京時間)

理由

  • Reson8 が Hugging Face の公式ブログで発表し、重みを公開
  • SiliconANGLE が報道

使い方

  • 重みは Hugging Face の Reson8/Rumble-2-Flash にあり、Transformers または vLLM を用いて読み込みます

リスク

  • 性能は同社の自己測定によるものです。SiliconANGLE が引用した多言語平均単語誤り率は 7.09%(7言語)であり、ブログに記載された 6.96%(9言語)とは評価基準が異なります
  • カスタム語彙リスト機能は、有料の Rumble-2 でのみ提供されます

開く · SiliconANGLE

Hugging Face

最新の AI ニュースを見る