Reson8 开源 Rumble-2-Flash 语音模型
Reson8 releases Rumble-2-Flash speech model as a free open-weights download - SiliconANGLE
Reson8 发布开源权重语音识别模型 Rumble-2-Flash,支持 40+ 语言。该 500M 参数模型在多语言测试中平均词错率为 7.09%,在低资源语言上优于 Whisper Large V3。模型采用 Apache 2.0 许可免费开放,API 调用起价 €0.01/小时。
正文 · AI 翻译
总部位于阿姆斯特丹的语音识别初创公司 Resonate Labs B.V. 今日发布了其 Rumble-2-Flash 转录模型,作为开源权重的免费下载。
这款拥有 5 亿参数的模型专为快速转录预录音频而设计,支持超过 40 种语言。Reson8 此次发布主要面向需要英语以外语言语音识别功能的开发人员和研究人员。
据该公司称,领先的语音模型主要使用英语进行训练,尽管全球仅有约二十分之一的人以英语为母语。据说,当语音超出英语范围时,药物名称等专业术语的准确性下降最为明显。Reson8 的模型据称已投入生产使用,应用于会议记录、人工智能接待员、客户支持语音代理、医疗转录和字幕生成等场景。
“通用语音模型是为英语构建的,在其他语言中会出现明显更多的错误,”联合创始人兼首席执行官 Raoul Ritter 表示,他与 Thomas Kluiters 和 Jarno Verhagen 共同创立了这家公司。“荷兰语、瑞典语和德语等语言有数百万使用者,但它们往往被忽视。”
Reson8 将 Rumble-2-Flash 描述为 Hugging Face Inc. 的 Open ASR Leaderboard(开放自动语音识别排行榜)上最小的模型之一。在该公司自行运行的排行榜多语言测试中,该模型在包括德语、法语和荷兰语在内的七种语言上的平均词错率为 7.09%。据称,其在英语中的平均错误率约为 5%。
在一项涵盖马耳他语和巴斯克语等 10 种低资源语言的独立测试中,Rumble-2-Flash 的平均词错率据称达到 17.6%。根据 Reson8 的数据,OpenAI Group PBC 的 Whisper Large V3 在同一测试中的平均词错率为 39.82%。
除了基准测试集外,Reson8 的模型据称还针对嘈杂环境进行了训练,包括电话线路音频。该公司 AI 负责人 Kluiters 表示:“现实世界并不发生在录音室里。”
今日发布的开源权重版本紧随该模型于 11 月 3 日在 Reson8 的应用程序编程接口(API)中的首次亮相之后,比该公司推出旗舰产品 Rumble-2 模型早了一周。自定义词汇支持功能允许客户在不进行微调的情况下添加多达 50,000 个文本术语,该功能仍为 Rumble-2 独有。
Reson8 的服务托管在该公司位于荷兰的自有图形处理单元(GPU)上,据称不保留任何音频或转录文本。该公司还声称已获得 ISO 27001 认证,并符合欧盟《通用数据保护条例》(GDPR)及欧盟《人工智能法案》的要求。
Rumble-2-Flash 采用 Apache 2.0 许可证免费提供,也可通过 Reson8 的 API 访问,价格起价为每小时音频 €0.01($0.001)。
Reson8 于三月筹集了 500 万欧元(550 万美元)的种子前资金。Balderton Capital 领投了本轮融资,NP-Hard Ventures 也参与了投资。Balderton 合伙人 James Wise 表示,语音“正迅速成为软件领域的默认界面”。
图片:Reson8
AI 热点