Reson8 เปิดโอเพนซอร์สโมเดลรู้จำเสียงพูด Rumble-2-Flash 0.5B
เริ่มตรงนี้
Reson8 ได้เปิดตัว Rumble-2-Flash โมเดลรู้จำเสียงพูดขนาด 0.5B พารามิเตอร์ที่รองรับภาษามากกว่า 40 ภาษา ภายใต้สัญญาอนุญาต Apache 2.0 โดยเผยแพร่เวตบน Hugging Face ที่ Reson8/Rumble-2-Flash และยังให้บริการโมเดลผ่าน API ของบริษัทด้วย โมเดลนี้มีความสามารถตรวจจับภาษาอัตโนมัติและรองรับแบบเนทีฟใน Transformers และ vLLM บนกระดานผู้นำ Open ASR Leaderboard ในแทร็กหลายภาษา โมเดลนี้มีอัตราความผิดพลาดเฉลี่ย 6.96% ซึ่ง Reson8 กล่าวว่าเหนือกว่า Whisper large-v3 และ omniASR-LLM 7B ของ Meta บนเกณฑ์มาตรฐานศูนย์ติดต่อลูกค้าความยาว 302 ชั่วโมงของ AppTek โมเดลทำอัตราความผิดพลาดระดับคำได้ 7.86% ซึ่งอธิบายว่าเทียบเท่ากับ Nemotron 3.5 Transcribe ขนาด 30B ของ NVIDIA โมเดลนี้ถูกกลั่นจาก Rumble-2 ขนาดใหญ่กว่าด้วยการกลั่นแบบ on-policy ร่วมกับ GOLD ซึ่งจัดแนวโทเคไนเซอร์ที่แตกต่างกันของครูและนักเรียน
สร้างจากรายงาน · อัปเดต 2 ชม. ที่แล้ว
ไทม์ไลน์รายงาน
ไล่ตามรายงานเพื่อดูเหตุการณ์นี้จากหลายด้าน
- Hugging Face BlogคัดสรรReson8 เปิดซอร์ส Rumble-2-Flash โมเดลรู้จำเสียงขนาด 0.5B รองรับกว่า 40 ภาษา
Reson8 เปิดซอร์ส Rumble-2-Flash ภายใต้สัญญาอนุญาต Apache 2.0 เป็นโมเดลรู้จำเสียงขนาด 0.5B พารามิเตอร์ รองรับกว่า 40 ภาษาพร้อมการตรวจจับภาษาอัตโนมัติและรองรับแบบเนทีฟใน Transformers และ vLLM โดยมีค่าความผิดพลาดเฉลี่ย 6.96% บนแทร็กหลายภาษาของ Open ASR Leaderboard ซึ่งดีกว่า Whisper large-v3 และ omniASR-LLM 7B ของ Meta และทำ WER ได้ 7.86% บนเบนช์มาร์กคอลเซ็นเตอร์ 302 ชั่วโมงของ AppTek ซึ่งทัดเทียมกับ Nemotron 3.5 Transcribe (30B) ของ NVIDIA โมเดลนี้ถูกกลั่นจาก Rumble-2 ขนาดใหญ่กว่าด้วย on-policy distillation ร่วมกับ GOLD ซึ่งจัดแนวโทเคไนเซอร์ที่แตกต่างกันระหว่างครูและนักเรียน
ความร้อนแรงของเหตุการณ์นี้
ยังมีการเฝ้าดูต่อเนื่องไม่พอจะวาดแนวโน้ม