跳至正文
Hugging Face Blog·· 17 小時前精選AI 評分60

Reson8 開源 Rumble-2-Flash:一款支援 40 多種語言的 0.5B 語音辨識模型

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

AI 導讀

Reson8 以 Apache 2.0 授權開源 Rumble-2-Flash,這是一款 0.5B 參數的語音辨識模型,涵蓋 40 多種語言,具備自動語言偵測,並在 Transformers 與 vLLM 中獲得原生支援。它在 Open ASR Leaderboard 多語言賽道上平均錯誤率為 6.96%,領先 Whisper large-v3 與 Meta 的 omniASR-LLM 7B,並在 AppTek 的 302 小時客服中心基準測試中達到 7.86% WER,與 NVIDIA 的 Nemotron 3.5 Transcribe(30B)相當。該模型是從更大的 Rumble-2 蒸餾而來,採用搭配 GOLD 的 on-policy distillation,對齊教師與學生之間不同的 tokenizer。

推薦理由

一款 0.5B 的語音辨識模型在嘈雜的客服中心音訊上能與 30B 模型匹敵,顯示 on-policy distillation 能將生產用 ASR 縮小到什麼程度。

來源:Hugging Face Blog · huggingface.co