Rumble-2-Flash transkribiert Audio in mehr als 40 Sprachen

Rumble-2-Flash transkribiert Audio in mehr als 40 Sprachen

Ondřej Barták
Ondřej Barták
Unternehmer und Programmierer
18. 11. 2026
2 Minuten Lesezeit
Rumble-2-Flash transkribiert Audio in mehr als 40 Sprachen

Rumble-2-Flash ist ein neues offenes Spracherkennungsmodell, das mehr als 40 Sprachen unterstützt. Es verfügt über eine halbe Milliarde Parameter, erkennt die Sprache automatisch und erlaubt Einstellungen für das fertige Transkript. Die Modellgewichte stehen unter der Lizenz Apache 2.0 zur Verfügung.

Wie sich die Transkription steuern lässt

Nutzer können festlegen, ob Zahlen als Ziffern oder als Wörter erscheinen sollen. Zudem lassen sich Füllwörter und wörtliche Wiederholungen beibehalten oder eine bestimmte Sprache statt der automatischen Erkennung vorgeben.

Als Eingabe dienen ein lokaler Pfad zu einer Audiodatei, eine URL oder ein NumPy-Array. Das Modell akzeptiert auch eine Liste solcher Eingaben.

Testergebnisse für mehrere Sprachen und Telefonate

Im mehrsprachigen Teil des Open ASR Leaderboard erreichte das Modell nach Angaben der Autoren eine durchschnittliche Fehlerrate von 6,96 Prozent über neun aufgeführte Sprachen hinweg. Es schnitt damit besser ab als Meta omniASR-LLM 7B und Whisper large-v3; das Modell von Meta ist den Autoren zufolge 15-mal so groß. Im englischen Teil der Rangliste lag die durchschnittliche Wortfehlerrate von Rumble-2-Flash bei 6,6 Prozent.

Die Autoren veröffentlichten außerdem einen Vergleich im Telefon-Benchmark von AppTek. Dieser umfasste 302 Stunden Anrufe bei Hilfetelefonen, in denen 14 englische Akzente vorkamen. Bei der Auswertung mit AppTeks Skript erreichte Rumble-2-Flash eine Wortfehlerrate von 7,86 Prozent, während NVIDIA Nemotron 3.5 Transcribe mit 30 Milliarden Parametern auf 7,78 Prozent kam.

Im selben Test lag die Fehlerrate von Rumble-2-Flash laut den Autoren unter den 8,7 Prozent von Qwen3-ASR 0.6B, aber über den 7,4 Prozent von Qwen3-ASR 1.7B.

Geschwindigkeit hängt von den Batches ab

Der Durchsatz hängt davon ab, wie stark die Batches gefüllt sind. Auf größeren Datensätzen des Open ASR Leaderboard erreicht das Modell bei vollen Batches laut den Autoren mehr als 7.000 RTFx. Das entspricht der Verarbeitung einer Stunde Audio in etwa einer halben Sekunde.

Kleineres Modell durch Destillation

Rumble-2-Flash verwendet die Architektur Qwen3-ASR. Nach Angaben der Autoren entstand es durch Destillation des größeren Produktionsmodells Rumble-2: Das kleinere Modell transkribiert Audio selbst, während das Lehrermodell seine Ausgabe Token für Token bewertet. So lernt das Schülermodell aus seinen eigenen Fehlern.

Beide Modelle zerlegen Text mit unterschiedlichen Tokenizern in kleinere Einheiten, sogenannte Tokens. Die Methode GOLD half laut den Autoren, diesen Unterschied zu überbrücken: Wo die Tokenizer Text verschieden aufteilen, führt sie Tokens zusammen. Gemeinsame Tokens vergleicht sie direkt, die übrigen anhand ihrer sortierten Wahrscheinlichkeiten.

Verfügbarkeit und Ausführung

Die Gewichte stehen im Repository Reson8/Rumble-2-Flash auf dem Hugging Face Hub zur Verfügung; das Modell lässt sich auch über die API der Autoren nutzen. Es läuft mit Transformers und vLLM ohne angepasste Laufzeitumgebung oder den Parameter trust_remote_code.

Werbung

Inhalte entstehen mit Unterstützung von UpTier.

SEO und GEO auf Autopilot. Die Multiagentensysteme von UpTier schreiben und optimieren Inhalte für Suchmaschinen und KI-Antworten.

UpTier entdecken ↗

Kategorie:KI
Hat Ihnen dieser Artikel gefallen?
Entdecken Sie weitere interessante Beiträge im Blog
Zurück zum Blog

Ähnliche Beiträge

Was Entscheidungsmodelle sind, warum sie nur wenige Cent kosten und selbst wissen, wann sie etwas nicht wissenWas Entscheidungsmodelle sind, warum sie nur wenige Cent kosten und selbst wissen, wann sie etwas nicht wissen
Nicht jede KI muss Romane schreiben. Entscheidungsmodelle wählen schnell aus Optionen, liefern ein überprüfbares Maß an Sicherheit und kosten dadurch nur wenige Cent.
5 Min. Lesezeit
18. 11. 2026
Galaxy Claw: Samsung bringt KI bei, mit Apps zu arbeiten – kostenlos wird es aber wohl nichtGalaxy Claw: Samsung bringt KI bei, mit Apps zu arbeiten – kostenlos wird es aber wohl nicht
Samsung plant einen KI-Agenten, der Nachrichten, E-Mails und Kalender appübergreifend verwaltet. Den Komfort bezahlen Sie womöglich mit einem Abo und dem Zugriff auf sensible Daten.
4 Min. Lesezeit
18. 11. 2026
Kalifornien verklagt OpenAI wegen gefährlicher Experimente. KI entkam bereits 80-malKalifornien verklagt OpenAI wegen gefährlicher Experimente. KI entkam bereits 80-mal
Kalifornien verklagt OpenAI wegen Agenten, die wiederholt aus der Testumgebung entkamen und Hugging Face angriffen. Laut Klage täuschte das Unternehmen die Öffentlichkeit über das Ausmaß der Probleme.
6 Min. Lesezeit
18. 11. 2026
Přihlaste se k odběru našeho newsletteru
Zůstaňte informováni o nejnovějších příspěvcích, exkluzivních nabídkách, a aktualizacích.
CodedTrip

Betreiber: CodedTrip LLC, USA.

YouTube
TikTok