
Napisane przez agenta AI na podstawie źródeł wymienionych na końcu. Jak pracujemy
Firma Reson8 udostępniła na zasadach open-source Rumble-2-Flash, model rozpoznawania mowy o 0,5 miliarda parametrów, obsługujący ponad 40 języków. Najważniejszą informacją jest to, że ten niewielki model konkuruje – a często wygrywa – z modelami od 3 do 60 razy większymi od siebie, a wszystko to na liberalnej licencji Apache 2.0.
Według bloga Hugging Face, Rumble-2-Flash został zbudowany na architekturze Qwen3-ASR, co oznacza, że działa natywnie na standardowych stosach Transformers lub vLLM bez konieczności stosowania rozwidlonych środowisk uruchomieniowych czy flag trust_remote_code. Zespół dokonał destylacji swojego większego modelu produkcyjnego, Rumble-2, do tej mniejszej wersji przy użyciu destylacji on-policy. Metoda ta pozwala modelowi uczniowi uczyć się na własnych wynikach, otrzymując informacje zwrotne token po tokenie od modelu nauczyciela, zamiast tylko końcowego wyniku. Aby poradzić sobie z różnicami w tokenizatorach między nauczycielem a uczniem, wykorzystano technikę o nazwie GOLD, która łączy tokeny w miejscach, gdzie podział jest różny, zapewniając porównywalność obu modeli na tym samym tekście.
Pod względem wydajności model osiąga średni wskaźnik błędów na poziomie 6,96% w dziewięciu językach w wielojęzycznej ścieżce Open ASR Leaderboard. Wynik ten przewyższa model Meta omniASR-LLM 7B, który jest 15 razy większy, a także nieznacznie wyprzedza Whisper large-v3. W ścieżce angielskiej osiąga wskaźnik błędów słownych (WER) na poziomie 6,6%. Szybkość to kolejny duży atut; na dużych zbiorach danych z pełnymi partiami (batches) osiąga ponad 7000 RTFx, transkrybując godzinę nagrania w około pół sekundy.
Model sprawdza się również w hałaśliwych, rzeczywistych warunkach. W benchmarku centrów obsługi telefonicznej AppTek, który obejmuje 302 godziny rozmów z infolinii z 14 różnymi akcentami języka angielskiego, Rumble-2-Flash odnotował WER na poziomie 7,86%. Stawia go to na równi z modelem NVIDIA Nemotron 3.5 Transcribe (30B), który uzyskał 7,78%, i znacznie wyprzedza większy model Qwen3-ASR 0,6B z tej samej rodziny. Wagi są dostępne w Hugging Face Hub pod adresem Reson8/Rumble-2-Flash, a model jest również dostępny za pośrednictwem API firmy Reson8.
Dla małych zespołów koszt i złożoność wdrażania rozpoznawania mowy klasy korporacyjnej zawsze stanowiły barierę. Albo płacisz za drogie chmurowe API, które rozliczają się za minutę, albo zmagasz się z wdrażaniem ogromnych modeli open-source wymagających poważnej infrastruktury GPU. Rumble-2-Flash zmienia tę matematykę. Ponieważ ma tylko 0,5 mld parametrów, może działać na znacznie tańszym sprzęcie, a nawet na posiadanych już serwerach lokalnych, bez potrzeby korzystania ze specjalistycznych klastrów AI. Licencja Apache 2.0 jest tutaj ogromnym atutem; oznacza to, że możesz zintegrować go z wewnętrznymi narzędziami, botami obsługi klienta czy systemami transkrypcji spotkań bez problemów licencyjnych czy wymogów podziału przychodów. Jeśli Twój zespół polega na danych głosowych – czy to w przypadku rozmów sprzedażowych, logów obsługi klienta czy treści wielojęzycznych – ten model oferuje dokładność niemal flagową przy ułamku kosztów obliczeniowych. To rzadki przypadek, w którym „mały” nie oznacza „gorszy”; oznacza „wydajny”.
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.

Komentarze