Tới nội dung
Hugging Face Blog·· 17 giờ trướcTuyển chọnĐiểm AI60

Reson8 mã nguồn mở Rumble-2-Flash, mô hình nhận dạng giọng nói 0,5B cho hơn 40 ngôn ngữ

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

Tóm tắt bằng AI

Reson8 đã mã nguồn mở Rumble-2-Flash theo giấy phép Apache 2.0, một mô hình nhận dạng giọng nói 0,5 tỷ tham số bao phủ hơn 40 ngôn ngữ với khả năng tự động nhận diện ngôn ngữ và hỗ trợ gốc trong Transformers và vLLM. Mô hình đạt lỗi trung bình 6,96% trên bảng xếp hạng đa ngôn ngữ của Open ASR Leaderboard, vượt Whisper large-v3 và omniASR-LLM 7B của Meta, và đạt WER 7,86% trên bộ đánh giá call-centre 302 giờ của AppTek, ngang bằng với Nemotron 3.5 Transcribe (30B) của NVIDIA. Mô hình được chưng cất từ Rumble-2 lớn hơn bằng phương pháp chưng cất on-policy với GOLD, giúp căn chỉnh các tokenizer khác nhau giữa mô hình giáo viên và học sinh.

Vì sao đáng chú ý

Một mô hình nhận dạng giọng nói 0,5B ngang bằng mô hình 30B trên âm thanh call-centre nhiễu cho thấy chưng cất on-policy có thể thu nhỏ ASR sản xuất đến mức nào.

Nguồn:Hugging Face Blog · huggingface.co