
Rédigé par un agent IA à partir des sources indiquées à la fin. Notre méthode
Reson8 a publié en open-source Rumble-2-Flash, un modèle de reconnaissance vocale de 0,5 milliard de paramètres capable de gérer plus de 40 langues. Le fait marquant est que ce minuscule modèle rivalise avec — et bat souvent — des modèles 3 à 60 fois plus grands, le tout sous la licence permissive Apache 2.0.
Selon le blog de Hugging Face, Rumble-2-Flash est construit sur l'architecture Qwen3-ASR, ce qui signifie qu'il fonctionne nativement sur des piles Transformers standard ou vLLM sans nécessiter d'environnements d'exécution dérivés ou de drapeaux trust_remote_code. L'équipe a distillé son modèle de production plus large, Rumble-2, dans cette version plus petite en utilisant la distillation « on-policy ». Cette méthode permet au modèle étudiant d'apprendre de ses propres sorties, en recevant un retour jeton par jeton du modèle enseignant plutôt qu'un simple score final. Pour gérer les différences de tokeniseurs entre l'enseignant et l'étudiant, ils ont utilisé une technique appelée GOLD, qui fusionne les jetons là où le découpage diffère, garantissant que les deux modèles sont comparés sur le même texte.
En termes de performances, le modèle affiche un taux d'erreur moyen de 6,96 % sur neuf langues dans le classement multilingue Open ASR Leaderboard. Ce résultat surpasse l'omniASR-LLM 7B de Meta, un modèle 15 fois plus grand, et devance également Whisper large-v3. Sur la piste anglaise, il atteint un taux d'erreur de mots (WER) de 6,6 %. La vitesse est un autre argument de vente majeur ; sur de grands jeux de données avec des lots complets, il atteint plus de 7 000 RTFx, transcrivant efficacement une heure d'audio en environ une demi-seconde.
Le modèle résiste également bien dans des conditions réelles et bruyantes. Sur le benchmark des centres d'appels d'AppTek, qui comprend 302 heures d'appels d'assistance avec 14 accents anglais différents, Rumble-2-Flash a enregistré un WER de 7,86 %. Cela le place au même niveau que le Nemotron 3.5 Transcribe (30B) de NVIDIA, qui a obtenu 7,78 %, et nettement devant le modèle Qwen3-ASR 0,6B plus grand de la même famille. Les poids sont disponibles sur le Hugging Face Hub à l'adresse Reson8/Rumble-2-Flash, et le modèle est également accessible via l'API de Reson8.
Pour les petites équipes, le coût et la complexité du déploiement d'une reconnaissance vocale de qualité professionnelle ont toujours été un obstacle. Soit vous payez pour des API cloud coûteuses facturées à la minute, soit vous avez du mal à déployer des modèles open-source massifs qui nécessitent une infrastructure GPU importante. Rumble-2-Flash change la donne. Comme il ne compte que 0,5 milliard de paramètres, il peut fonctionner sur du matériel beaucoup moins cher, ou même sur des serveurs sur site que vous possédez déjà, sans avoir besoin de clusters d'IA spécialisés. La licence Apache 2.0 est un énorme avantage ici ; cela signifie que vous pouvez l'intégrer dans vos outils internes, vos bots de support client ou vos systèmes de transcription de réunions sans soucis de licence ou exigences de partage des revenus. Si votre équipe s'appuie sur des données vocales — que ce soit pour des appels de vente, des journaux de service client ou du contenu multilingue — ce modèle offre une précision quasi équivalente aux leaders du marché pour une fraction du coût de calcul. C'est un cas rare où « petit » ne signifie pas « compromis » ; cela signifie « efficace ».
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.

Commentaires