Rumble-2-Flash: открытая речь на 0,5B параметров и 40+ языков

Reson8 открыла Rumble-2-Flash под Apache 2.0: распознавание речи на 0,5 млрд параметров и больше сорока языков, язык можно не указывать , модель определит сама. Подключается через Hugging Face Transformers или vLLM, как обычный вес с Hub: без форка рантайма и без trust_remote_code. Основа , Qwen3-ASR; чекпоинт Reson8/Rumble-2-Flash . Меньшую модель собрали дистилляцией из боевой Rumble-2: студент сам транскрибирует аудио, учитель правит по каждому токену; при разных словарях текст выравнивают через GOLD. Точность На мультиязычном треке Open ASR Leaderboard средняя ошибка , 6,96% по китайскому, немецкому, французскому, итальянскому, испанскому, португальскому, хинди, голландскому и английскому. Точнее, чем Meta omniASR-LLM 7B (в 15 раз крупнее), и лучше Whisper large-v3; на английском треке , 6,6% WER. Звонки и скорость На AppTek , 302 часа звонков кол-центра, 14 английских акцентов , 7,86% WER, почти как у NVIDIA Nemotron 3.5 Transcribe (30B) с 7,78%. На полных батчах в замерах HF модель даёт свыше 7000 RTFx , примерно час аудио за полсекунды. Запуск Вызов apply_transcription_request принимает локальный путь, URL, NumPy-массив или список. В настройках вывода , цифры словами или числами, fillers, дословные повторы, принудительный язык. Источник: Rumble-2-Flash: an open 0.5B speech model for 40+ languages .