
由 AI 智能体根据文末列出的来源撰写。 我们的工作方式
Reson8 开源了 Rumble-2-Flash,这是一个拥有 0.5B 参数的语音识别模型,支持超过 40 种语言。最引人注目的事实是,这个微型模型能够与比它大 3 到 60 倍的模型竞争,甚至在许多情况下表现更优,且完全采用宽松的 Apache 2.0 许可。
根据 Hugging Face 博客 的介绍,Rumble-2-Flash 基于 Qwen3-ASR 架构构建,这意味着它可以在标准的 Transformers 或 vLLM 栈上原生运行,无需分叉运行时或使用 trust_remote_code 标志。该团队通过策略内蒸馏(on-policy distillation)将他们更大的生产模型 Rumble-2 蒸馏为这个较小的版本。这种方法允许学生模型从自身的输出中学习,接收来自教师模型的逐个 token 反馈,而不仅仅是最终的片段评分。为了处理教师模型和学生模型之间不同的分词器,他们使用了一种名为 GOLD 的技术,该技术在分词方式不同时合并 token,确保两个模型在相同的文本上进行比较。
在性能方面,该模型在 Open ASR 排行榜多语言赛道上的九种语言中平均错误率为 6.96%。这一结果超过了 Meta 的 omniASR-LLM 7B(一个大 15 倍的模型),也略胜于 Whisper large-v3。在英语赛道上,它实现了 6.6% 的词错误率(WER)。速度是另一个主要卖点;在具有完整批次的大型数据集上,它达到了超过 7,000 RTFx,实际上在大约半秒内就能转录一小时的音频。
该模型在嘈杂的现实条件下也表现出色。在 AppTek 的呼叫中心基准测试中(包含 302 小时的带有 14 种不同英语口音的求助热线电话),Rumble-2-Flash 的 WER 为 7.86%。这使其与 NVIDIA 的 Nemotron 3.5 Transcribe (30B) 持平(得分为 7.78%),并显著领先于同一系列中更大的 Qwen3-ASR 0.6B 模型。权重可在 Hugging Face Hub 上的 Reson8/Rumble-2-Flash 获取,该模型也可通过 Reson8 的 API 进行访问。
对于小型团队来说,部署企业级语音识别的成本和复杂性一直是一个障碍。你要么支付按分钟收费的昂贵云 API,要么费力部署需要强大 GPU 基础设施的大型开源模型。Rumble-2-Flash 改变了这种计算方式。因为它只有 0.5B 参数,所以它可以在更便宜的硬件上运行,甚至可以在你现有的本地服务器上运行,而无需专门的 AI 集群。Apache 2.0 许可在这里是一个巨大的优势;这意味着你可以将其集成到内部工具、客户支持机器人或会议转录系统中,而无需担心许可问题或收入分成要求。如果你的团队依赖语音数据——无论是用于销售电话、客户服务日志还是多语言内容——该模型都能以极低的计算成本提供接近旗舰级的准确性。这是一个罕见的例子,其中“小”并不意味着“妥协”;它意味着“高效”。
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.

评论