AIモデル

0.5BのRumble-2-Flashが30Bの音声認識と並んだ

0.5Bのモデルが、30Bのモデルとほぼ同じ誤り率で電話音声を文字にする。Reson8が公開したRumble-2-Flashは、文字起こしの費用構造を変える側のニュースだ。

佐藤健太佐藤健太
人気度:560
暗い背景に長く伸びるティール色の波形と、1本のオレンジのアクセントバー

0.5Bのモデルが、30Bのモデルとほぼ同じ誤り率で電話音声を文字にする。Reson8が公開したRumble-2-Flashは、文字起こしの費用構造を変える側のニュースだ。

Rumble-2-Flashは30Bとの差が0.08ポイント

Reson8は11月18日、Rumble-2-FlashをApache 2.0で公開した。パラメータ数は5億。比べる相手はNvidiaのNemotron 3.5 Transcribeで、30Bを抱える。

土台はAppTekのコールセンターベンチマークだ。ヘルプラインの通話302時間、英語のアクセント14種を含む。Rumble-2-Flashの単語誤り率は7.86%、Nemotronは7.78%。差は0.08ポイントで、体感ではほぼ同じ水準になる。

ここで言えるのは、巨大モデルと並んだという一事だけで、すべての音声で同じ結果になるわけではない。

Open ASR Leaderboardの多言語は6.96%

Reson8のブログとモデルカードによれば、Open ASR Leaderboardの多言語トラックで平均6.96%の誤り率を出す。対象は中国語、ドイツ語、フランス語、イタリア語、スペイン語、ポルトガル語、ヒンディー語、オランダ語、英語の9言語だ。

英語トラックは6.6%。同じ社の説明では、約15倍の規模を持つMetaのomniASR-LLM 7Bを上回り、Whisper large-v3も前に置く。いずれも提供側の測定で、第三者の追試はまだ出ていない。

Rumble-2-Flashの速度は1時間の音声を0.5秒で

処理速度はフルバッチで7,000 RTFxを超え、Reson8は1時間の音声を約0.5秒で処理すると表現する。RTFxは、実時間の何倍速で回せるかを示す指標である。

導入の手間も小さい。TransformersとvLLMに標準で対応し、独自コードもtrust_remote_codeも要らない。ライセンスはApache 2.0で、商用利用を含めて制限が少ない。重みはHugging FaceのReson8/Rumble-2-Flashに置かれ、APIからも使える。

Reson8は教師モデルの採点をトークン単位にした

中身は蒸留で、Reson8の本番モデルRumble-2を教師にして小さいモデルへ能力を移した。生徒が自分で音声を書き、教師がトークンごとに採点する形を取る。

障害はトークナイザの違いだった。教師と生徒で語の区切り方が違えば、同じ文章でも採点がずれる。同社はGOLDと呼ぶ方法でトークンを統合し、両者を同じテキストの上で比べられるようにした。

この工夫は買う側からは見えない。見えるのは、素のTransformersで動き、数字を桁で出すか語で出すかを選べ、フィラーや繰り返しの扱いも切り替えられる点だ。

open speech modelとして使える場面と、届かない場面

自前の環境で動かせる点が大きい。通話録音を外部に送れない医療や金融、社内会議の議事録、工場の点検記録など、音声を外に出せない案件で選択肢が増える。

国内のコールセンターは、日本語の文字起こしを外注か従量課金で回しているところが多い。0.5Bなら自前のGPUに載る規模で、円建ての固定費に置き換えやすい。ただし40言語対応は、40言語すべてで同じ品質という意味ではない。日本語の精度は自社の音声で測るしかない。

正直な限界も残る。同じコールセンターの課題で、Qwen3-ASR 1.7Bは7.4%とRumble-2-Flashを上回る。話者分離、つまり誰が話したかの切り分けも、今回の発表には含まれない。

では、自前で持つ価値はどこにあるのか? 従量課金の請求書は通話時間に比例して膨らむ。5億のモデルをGPU1枚で回せば、その線が固定費に変わる。精度が落ちれば人が聞き直す工数が乗るので、単価だけで比べると判断を誤る。

Apache 2.0で試すなら、自社の音声で1時間

ライセンスが緩いので評価は今日からできる。自社の通話を1時間分、訛りや雑音の多いものを混ぜて流し、単語誤り率と処理時間を測ればいい。公開ベンチマークの差が0.1ポイントでも、現場の録音では数ポイント開くことがある。

このニュースを共有

出典

関連AIニュース

上昇する報酬曲線と27Bのバッジが並ぶ端末画面
AIモデル

DaisyRose-27B、強化学習だけでTerminal-Bench 4.1を5.6%から12.0%に

RadixArkは、Qwen3.8-27Bを土台に強化学習だけで鍛えたDaisyRose-27Bを公開した。Terminal-Bench 4.1のpass@1は5.6%から12.0%へ倍増した。18日間、1,200タスク、H200 144枚という規模の話である。

人気度:1,330
ノートPCの輪郭の内側で、3枚の層がループ矢印を通る図
AIモデル

Inkling 2 Miniは同じ層を3回通す、ノートPCで動く27B級モデル

Thinking Machines Labは11月20日、open weightsのInkling 2 Miniを公開した。24層の中間12層を1トークンにつき3回通すlooped transformerで、ノートPCに載る重さのまま48層分の計算を回す。

人気度:1,710
深い青の背景で、小さく光る核を囲む3つのネオンの輪
AIモデル

Gemini 4 Neonが有料プランに入った、選択肢は4つに

Googleは11月18日、Gemini 4 Neonを発表した。有料の加入者が最初に気にするのは、選択肢から二つの名前が消えたことと、新しいミドルクラスがいくらで動くかである。

人気度:1,500
推論のスポークを巡らせた大きなモデルの中核と、その隣の小さく速い中核。右側には下がっていく価格の棒グラフ
AIモデル

GPT-6.2 Astraの値下げは、1タスクの請求額をどこまで下げるか

値下げの見出しは派手だが、請求書はトークン単価ではなくタスク単価で動く。定価と実測を分けて並べ、どこで得をしてどこで負けるかを見る。

人気度:1,900