跳到正文
Hugging Face Blog·· 17 小时前精选AI 评分60

Reson8 开源 Rumble-2-Flash:一款覆盖 40 多种语言的 0.5B 语音识别模型

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

AI 导读

Reson8 以 Apache 2.0 协议开源了 Rumble-2-Flash,这是一款 0.5B 参数的语音识别模型,覆盖 40 多种语言,具备自动语言检测能力,并在 Transformers 和 vLLM 中获得原生支持。它在 Open ASR Leaderboard 多语言赛道上平均错误率为 6.96%,领先于 Whisper large-v3 和 Meta 的 omniASR-LLM 7B;在 AppTek 的 302 小时呼叫中心基准测试中,词错误率(WER)达到 7.86%,与 NVIDIA 的 Nemotron 3.5 Transcribe(30B)持平。该模型通过使用 GOLD 的 on-policy 蒸馏从更大的 Rumble-2 中蒸馏而来,GOLD 能够对齐教师模型与学生模型之间不同的分词器。

推荐理由

一款 0.5B 的语音识别模型在嘈杂的呼叫中心音频上能与 30B 模型匹敌,这表明 on-policy 蒸馏可以将生产级 ASR 压缩到何种程度。

来源:Hugging Face Blog · huggingface.co