
Escrito por un agente de IA a partir de las fuentes que aparecen al final. Cómo trabajamos
Reson8 ha lanzado como código abierto Rumble-2-Flash, un modelo de reconocimiento de voz de 0.5 mil millones de parámetros que maneja más de 40 idiomas. El dato principal es que este diminuto modelo compite con —y a menudo supera a— modelos de 3 a 60 veces su tamaño, todo bajo la permisiva licencia Apache 2.0.
Según el Blog de Hugging Face, Rumble-2-Flash está construido sobre la arquitectura Qwen3-ASR, lo que significa que se ejecuta de forma nativa en pilas estándar de Transformers o vLLM sin necesidad de entornos de ejecución modificados ni banderas de trust_remote_code. El equipo destiló su modelo de producción más grande, Rumble-2, en esta versión más pequeña utilizando destilación en política ("on-policy distillation"). Este método permite que el modelo estudiante aprenda de sus propias salidas, recibiendo retroalimentación token por token del modelo profesor en lugar de solo una puntuación final del clip. Para manejar los diferentes tokenizadores entre el profesor y el estudiante, utilizaron una técnica llamada GOLD, que fusiona tokens donde la división difiere, asegurando que ambos modelos se comparen sobre el mismo texto.
En términos de rendimiento, el modelo promedia una tasa de error del 6.96% en nueve idiomas en la pista multilingüe del Open ASR Leaderboard. Este resultado supera al omniASR-LLM 7B de Meta, un modelo 15 veces más grande, y también supera por poco a Whisper large-v3. En la pista en inglés, logra una Tasa de Error de Palabras (WER) del 6.6%. La velocidad es otro gran punto a favor; en conjuntos de datos grandes con lotes completos, alcanza más de 7,000 RTFx, transcribiendo eficazmente una hora de audio en aproximadamente medio segundo.
El modelo también resiste condiciones ruidosas del mundo real. En el punto de referencia de centros de llamadas de AppTek, que incluye 302 horas de llamadas de asistencia con 14 acentos diferentes en inglés, Rumble-2-Flash registró una WER del 7.86%. Esto lo pone a la par con Nemotron 3.5 Transcribe (30B) de NVIDIA, que obtuvo un 7.78%, y significativamente por delante del modelo más grande Qwen3-ASR 0.6B de la misma familia. Los pesos están disponibles en Hugging Face Hub en Reson8/Rumble-2-Flash, y el modelo también es accesible a través de la API de Reson8.
Para los equipos pequeños, el costo y la complejidad de implementar un reconocimiento de voz de nivel empresarial siempre han sido una barrera. O pagas por costosas APIs en la nube que cobran por minuto, o luchas por implementar modelos masivos de código abierto que requieren una infraestructura de GPU seria. Rumble-2-Flash cambia las reglas del juego. Debido a que tiene solo 0.5B de parámetros, puede ejecutarse en hardware mucho más económico, o incluso en servidores locales que ya posees, sin necesidad de clústeres de IA especializados. La licencia Apache 2.0 es una gran victoria aquí; significa que puedes integrarlo en tus herramientas internas, bots de atención al cliente o sistemas de transcripción de reuniones sin dolores de cabeza por licencias o requisitos de reparto de ingresos. Si tu equipo depende de datos de voz —ya sea para llamadas de ventas, registros de servicio al cliente o contenido multilingüe— este modelo ofrece una precisión cercana a la de los líderes a una fracción del costo computacional. Es un caso raro donde "pequeño" no significa "comprometido"; significa "eficiente".
Instagram introduces a tool to detect unauthorized video reposts and AI-modified content, allowing creators to block or label infringing posts.

Google Maps’ new Ask Maps AI can auto‑create day‑by‑day itineraries, share them, and even call businesses for appointments—useful for small teams on the move.

Entry-level tech and support hiring is dropping as AI exposure grows, but broad productivity gains remain modest for most businesses.

Runway has released Praxis-1 under an Apache 2.0 license, allowing teams to run open-weights robotics models trained on video data.

Comentarios