0.5B 语音识别 Rumble-2-Flash 开源

语音公司 Reson8 在 11 月 18 日通过 Hugging Face 博客开源 Rumble-2-Flash,一个 0.5B 参数的语音识别模型,许可证 Apache 2.0,支持 40 多种语言并能自动识别语种。
模型是从团队更大的生产模型 Rumble-2 用在线策略蒸馏得到的:学生模型自己转写,老师逐 token 给出概率来纠正;两者分词器不同,借助 GOLD 方法对齐。在 AppTek 的 302 小时客服电话基准(14 种英语口音)上,它的 WER 为 7.86%,和 30B 的 NVIDIA Nemotron 3.5 Transcribe(7.78%)接近,好于同家族的 Qwen3-ASR 0.6B(8.7%)。
输出可控制数字写成阿拉伯数字还是文字、是否保留语气词和重复,适合做会议纪要、客服质检这类需要批量转写的场景。除了自己部署,Reson8 也提供 API 调用。
注意:所有成绩来自 Reson8 自己的博客,排行榜成绩以 Hugging Face Open ASR Leaderboard 实时数据为准;中文单项表现博客没有单独列出。