Reson8 publie un modèle de reconnaissance vocale de 500 millions de paramètres qui arrive à un dixième de point d'un modèle soixante fois plus gros sur de vrais appels téléphoniques. Reste à savoir ce que vous abandonnez en échange.
Rumble-2-Flash contre Nemotron 3.5 Transcribe sur de vrais appels
Le 18 novembre, Reson8 a mis en ligne Rumble-2-Flash sur le blog de Hugging Face. Le modèle compte 500 millions de paramètres, couvre plus de quarante langues et détecte la langue tout seul. La licence est Apache 2.0, ce qui autorise l'usage commercial sans négociation.
Le chiffre qui compte vient d'un banc d'essai d'AppTek : 302 heures d'appels à un service d'assistance, avec quatorze accents anglais. Sur ce corpus, Rumble-2-Flash obtient 7,86 % de taux d'erreur par mot. Nvidia et son Nemotron 3.5 Transcribe, un modèle de 30 milliards de paramètres, descend à 7,78 %.
L'écart tient donc en huit centièmes de point, pour un modèle soixante fois plus petit.
Le taux d'erreur par mot, ou WER, compte les substitutions, les omissions et les ajouts rapportés au nombre de mots prononcés. Un point de WER en moins, sur une heure d'audio, représente plusieurs dizaines de mots correctement transcrits. À ce niveau de précision, les deux modèles se valent pour un usage courant.
Les scores de Rumble-2-Flash sur l'Open ASR Leaderboard
Reson8 publie aussi ses résultats sur l'Open ASR Leaderboard, un classement public très suivi dans le domaine. Sur la piste multilingue, qui couvre neuf langues dont le chinois, l'allemand, le français, l'espagnol, l'italien, le portugais, l'hindi, le néerlandais et l'anglais, la moyenne atteint 6,96 % d'erreur.
Sur la piste anglaise, le même modèle tombe à 6,6 %. D'après Reson8, ce résultat dépasse celui du omniASR-LLM 7B de Meta, un modèle quinze fois plus gros, et devance Whisper large-v3.
Ces comparaisons viennent de l'entreprise qui publie le modèle. Elles n'ont pas été reproduites par un tiers à ce jour, et c'est la réserve à garder en tête avant de citer ces chiffres en réunion.
Un open speech model sous Apache 2.0, utilisable sans code maison
Le terme open speech model désigne ici un modèle de reconnaissance vocale dont les poids sont téléchargeables et la licence permissive. Reson8 ne s'arrête pas aux poids : le modèle tourne nativement dans Transformers et dans vLLM, sans code maison et sans trust_remote_code, et son architecture suit celle de Qwen3-ASR.
Concrètement, cela réduit le travail d'intégration à quelques lignes de configuration. Les poids sont sur Hugging Face, à l'adresse Reson8/Rumble-2-Flash, et le modèle est aussi accessible par l'API de l'entreprise.
Les contrôles de sortie méritent un détour. On peut demander les nombres en chiffres ou en mots, conserver les hésitations, garder les répétitions mot à mot, forcer une langue, ou obtenir une sortie analysée quand la détection automatique est active. Ce sont les réglages que réclament les équipes qui doivent livrer des transcriptions propres à un client, pas seulement un texte lisible.
7 000 RTFx : une heure d'audio en une demi-seconde
Le débit atteint plus de 7 000 RTFx sur des lots complets. Le RTFx mesure combien de secondes d'audio un système traite par seconde de calcul : à 7 000, une heure d'enregistrement passe en environ une demi-seconde.
Le calcul est simple.
Cette vitesse change la nature du produit. Un service qui transcrivait la nuit peut désormais traiter le catalogue du jour, et une équipe qui découpait ses fichiers en tranches de dix minutes n'a plus besoin de le faire.
Elle ne dit rien, en revanche, du coût réel sur votre matériel. Reson8 documente des tailles et des débits, pas une mesure sur téléphone.
La limite honnête face à Qwen3-ASR 1.7B
Sur le même corpus d'AppTek, deux modèles Qwen restent dans le tableau. Qwen3-ASR 0.6B plafonne à 8,7 % d'erreur, donc derrière Rumble-2-Flash. Mais Qwen3-ASR 1.7B descend à 7,4 %, soit un demi-point de mieux que le modèle de Reson8.
La revendication de parité avec un géant est donc juste, à condition de la lire précisément : parité sur un banc d'essai d'appels, pas supériorité générale. Si votre produit vit dans du bruit téléphonique et que chaque point de WER se traduit en euros, Qwen3-ASR 1.7B mérite encore un test.
Comment Reson8 a distillé son gros modèle dans Rumble-2-Flash
Rumble-2-Flash n'a pas été entraîné de zéro. C'est un élève obtenu par distillation de Rumble-2, le modèle de production de Reson8, avec une méthode dite on-policy : l'élève transcrit lui-même l'audio, puis le professeur note chaque token produit.
Le détail technique qui a demandé le plus d'astuce est le tokenizer. Élève et professeur découpent le texte différemment, ce qui rend la comparaison directe impossible. L'équipe a donc utilisé une méthode baptisée GOLD, qui fusionne les tokens pour ramener les deux modèles sur le même texte avant de noter.
Voilà pourquoi un demi-milliard de paramètres suffit à viser un modèle de production. La connaissance est transférée, pas réapprise.
Ce que cela change pour une équipe qui paie à la minute
Beaucoup d'entreprises françaises paient la transcription à la minute, souvent via un service américain, et se retrouvent à arbitrer entre coût et localisation des données. Un modèle de cette taille, en Apache 2.0, peut tourner sur une machine louée à l'heure, dans un centre de données européen, sans frais par minute.
L'argument devient alors réglementaire autant qu'économique. Une équipe qui traite des appels clients au titre du RGPD préfère souvent garder l'audio chez elle, surtout quand il contient des données de santé ou de recouvrement. Rumble-2-Flash rend cette option réaliste sur du matériel modeste.
Combien de langues tenez-vous vraiment ?
Encore faut-il vérifier la qualité en français. La piste multilingue du classement inclut bien le français, mais une moyenne sur neuf langues ne garantit pas le même niveau sur chacune. Testez sur vos propres enregistrements avant de signer quoi que ce soit.
Trois réserves avant de changer de fournisseur
La deuxième réserve concerne la couverture. Quarante langues et plus ne veut pas dire quarante langues d'égale qualité, et le modèle ne fait pas de diarisation, donc il ne sépare pas les interlocuteurs d'une réunion à plusieurs.
Rien d'anecdotique pour un service client.
La troisième est une question de support. Un modèle ouvert se déploie vite et se maintient à vos frais : mises à jour, surveillance, gestion des pannes. Ce que vous économisez en abonnement, vous le payez en ingénierie.
Pour une équipe qui teste, la marche à suivre est simple. Prenez deux heures de vos propres appels, passez-les sur Rumble-2-Flash et sur votre fournisseur actuel, puis comparez les erreurs qui coûtent vraiment : les noms propres, les montants, les dates.






