精选模型62

Rumble-2-Flash 开源:0.5B 语音识别模型支持 40+ 语言

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

Hugging Face Blog发布时间 (北京时间)

AI 速览

根据原文整理

Reson8 以 Apache 2.0 协议开源 0.5B 参数语音识别模型 Rumble-2-Flash,支持 40+ 语言并自动检测语种。

模型参数
0.5B
支持语言
40+ 种
开源协议
Apache 2.0
多语错误率
6.96%
发布
Reson8 开源 Rumble-2-Flash,0.5B 参数,Apache 2.0 协议,权重已上线 Hub。
可用范围
原生支持 Transformers 和 vLLM,无需自定义代码或 trust_remote_code。
性能
多语种测试平均错误率 6.96%,优于 7B 的 omniASR-LLM 和 Whisper large-v3。
速度
批量满载时超过 7000 RTFx,约半秒处理一小时音频。
通话场景
302 小时呼叫中心基准上 WER 7.86%,与 30B 的 Nemotron 3.5 Transcribe 持平。

为什么值得看开发者可用小模型在端侧或通话场景做多语种语音识别,成本与部署门槛更低。

由 AI 阅读原文后整理,可能有疏漏,细节以原文为准。

Hugging Face语音与音频开源生态模型发布#模型发布#语音#开源生态#Hugging Face

同一件事的其他报道2 篇