@omarsar0: 语音转文字在真实音频上仍然会出错。Reson8 的 Rumble-2-Flash 是一个免费的开源权重语音转文字模型……
摘要
Reson8 发布了 Rumble-2-Flash,这是一个免费的开源权重语音转文字模型,专为处理嘈杂的真实世界音频而训练,包括浓重口音、多人同时说话、电话通话和背景噪音,覆盖 40 多种语言,采用 Apache 2.0 协议。
查看缓存全文
缓存时间: 2026/11/19 05:38
语音转文字在真实场景音频中仍然容易出错。
Reson8 推出的 Rumble-2-Flash 是一款免费的开源权重语音转文本模型,专门针对那些通常会让现有系统翻车的音频进行训练——比如浓重口音、多人抢话、电话通话以及各种背景噪音。
它支持 40 多种语言。权重采用 Apache 2.0 协议,你可以直接在自己的设备上运行,音频数据全程留在本地。
https://huggingface.co/Reson8/Rumble-2-Flash…
RR (@raoulritterr): Rumble-2-flash 是开放权重模型,你可以在所有常用平台上获取。它的效果优于体量大 20 倍的模型,而且小到可以在手机上运行。HF 链接见下方
相似文章
Reson8/Rumble-2-Flash
Reson8 发布了 Rumble-2-Flash,这是一款拥有 5 亿参数的开放语音识别模型,支持 45 种语言,原生集成 Hugging Face Transformers 和 vLLM,在 Open ASR Leaderboard 英语赛道上报告的平均词错误率(WER)为 6.60,采用 Apache 2.0 许可证。
Rumble-2-Flash:一款支持 40 多种语言的开放式 5 亿参数语音模型
Reson8 开源了 Rumble-2-Flash,这是一款采用 Apache 2.0 许可证、拥有 5 亿参数的语音识别模型,支持 40 多种语言及自动语言检测,实时速度倍数(RTFx)超过 7,000,并在呼叫中心基准测试中达到与 NVIDIA 的 300 亿参数模型 Nemotron 3.5 Transcribe 相当的表现。该模型基于 Qwen3-ASR 架构构建,通过结合 GOLD 分词器对齐的同策略蒸馏技术,从规模更大的 Rumble-2 模型蒸馏而来。
@svpino: 这个新模型做了一件很酷的事:它能在你说话时将语音转换为文本。这与其他所有a…
R2T2 是一个低延迟、高精度的实时语音识别模型,它以小块处理音频并直接提交文本,无需修改,适用于实时字幕和翻译等应用。
@omarsar0: 又一个超棒的开源发布。Miso One 是一个8B参数文本转语音模型,具备真实情感范围,因此配音…
Miso One 是一个开源的8B参数文本转语音模型,具备真实情感范围和110毫秒延迟,专为配音工作设计。
@SamuelZengML: 语音识别很容易——直到你要求它永远倾听。今日我们开源 Audio8 ASR Infinite:超低延迟…
开源 Audio8 ASR Infinite,一种具有超低延迟、无限制音频支持、24/7转录和内置语义轮次检测的语音识别工具,据称是流式ASR的新技术标杆。