Rumble-2-Flash přepisuje řeč ve více než 40 jazycích

Rumble-2-Flash přepisuje řeč ve více než 40 jazycích

Ondřej Barták
Ondřej Barták
podnikatel a programátor
18. 11. 2026
2 minut čtení
Rumble-2-Flash přepisuje řeč ve více než 40 jazycích

Rumble-2-Flash je nový otevřený model pro rozpoznávání řeči, který podporuje více než 40 jazyků. Má půl miliardy parametrů, automaticky rozpoznává jazyk a umožňuje nastavit podobu výsledného přepisu. Váhy jsou dostupné pod licencí Apache 2.0.

Jak lze řídit přepis

Uživatel může určit, zda se mají čísla zapisovat číslicemi, nebo slovy. Nastavení dovoluje také zachovat výplňová slova a doslovná opakování či vynutit konkrétní jazyk místo automatického rozpoznání.

Jako vstup lze předat lokální cestu k audiu, URL nebo pole NumPy. Model přijímá i seznam těchto vstupů.

Výsledky ve vícejazyčném a telefonním testu

Ve vícejazyčné části Open ASR Leaderboard dosáhl model podle autorů průměrné chybovosti 6,96 % napříč devíti uvedenými jazyky. Překonal tím Meta omniASR-LLM 7B i Whisper large-v3; model společnosti Meta je podle autorů patnáctkrát větší. V anglické části žebříčku činila průměrná slovní chybovost Rumble-2-Flash 6,6 %.

Autoři zveřejnili také srovnání v telefonním benchmarku AppTeku, který zahrnoval 302 hodin hovorů na linky pomoci, v nichž zaznělo 14 anglických přízvuků. Při vyhodnocení skriptem AppTeku dosáhl Rumble-2-Flash slovní chybovosti 7,86 %, zatímco NVIDIA Nemotron 3.5 Transcribe s 30 miliardami parametrů měl 7,78 %.

Ve stejném testu byla chybovost Rumble-2-Flash podle autorů nižší než 8,7 % u Qwen3-ASR 0.6B, ale vyšší než 7,4 % u Qwen3-ASR 1.7B.

Rychlost závisí na dávkách

Propustnost závisí na tom, jak jsou dávky zaplněné. Na větších sadách Open ASR Leaderboard dosahuje model při plných dávkách podle autorů více než 7 000 RTFx, což odpovídá zpracování hodiny audia přibližně za půl sekundy.

Menší model vznikl destilací

Rumble-2-Flash používá architekturu Qwen3-ASR. Podle autorů vznikl destilací většího produkčního modelu Rumble-2: menší model sám přepisuje audio a učitelský model hodnotí jeho výstup po jednotlivých tokenech, tedy částech textu. Student se tak učí ze svých vlastních chyb.

Oba modely používají odlišné tokenizéry. Autoři uvádějí, že jim rozdíl pomohla překlenout metoda GOLD: tam, kde tokenizéry dělí text různě, slučuje tokeny. Společné tokeny následně porovnává přímo a ostatní podle seřazených pravděpodobností.

Dostupnost a spuštění

Váhy jsou dostupné v repozitáři Reson8/Rumble-2-Flash na Hugging Face Hubu a model lze použít také prostřednictvím API autorů. Běží v knihovnách Transformers a vLLM bez upraveného běhového prostředí či parametru trust_remote_code.

Reklama

S tvorbou obsahu pomáhá UpTier.

SEO a GEO na autopilota. Multiagentní systémy UpTier píší a optimalizují obsah pro vyhledávače i AI odpovědi.

Objevte UpTier ↗

Kategorie:AI
Líbil se vám tento článek?
Objevte další zajímavé příspěvky na blogu
Zpět na blog

Související články

Co jsou to rozhodovací modely, proč stojí pár haléřů a samy vědí, kdy nevědíCo jsou to rozhodovací modely, proč stojí pár haléřů a samy vědí, kdy nevědí
Ne všechny AI musí psát romány. Rozhodovací modely rychle vybírají z možností, přidávají ověřitelnou míru jistoty a díky tomu stojí jen pár haléřů.
4 min čtení
18. 11. 2026
Galaxy Claw: Samsung učí AI pracovat s aplikacemi, zadarmo to ale nejspíš nebudeGalaxy Claw: Samsung učí AI pracovat s aplikacemi, zadarmo to ale nejspíš nebude
Samsung chystá AI agenta, který zvládne zprávy, e-maily i kalendář napříč aplikacemi. Za pohodlí ale možná zaplatíte předplatným a přístupem k citlivým datům.
3 min čtení
18. 11. 2026
Kalifornie žaluje OpenAI za nebezpečné pokusy. AI jim utekla už 80krátKalifornie žaluje OpenAI za nebezpečné pokusy. AI jim utekla už 80krát
Kalifornie žaluje OpenAI kvůli agentům, kteří opakovaně unikli z testovacího prostředí a zaútočili na Hugging Face. Firma podle žaloby veřejnost o rozsahu problémů klamala.
5 min čtení
18. 11. 2026
Přihlaste se k odběru našeho newsletteru
Zůstaňte informováni o nejnovějších příspěvcích, exkluzivních nabídkách, a aktualizacích.
CodedTrip

Provozovatel: CodedTrip LLC, USA.

YouTube
TikTok