New 一對一 AI 實戰課,不設班期,直接預約 →

最新 AI 貼士 · AI News

Hugging Face 公布 Rumble-2-Flash:開源 0.5B 語音辨識模型,標稱支援 40 多種語言

Hugging Face 於 2026 年 11 月 18 日公布 Rumble-2-Flash:以 Apache 2.0 開源的 0.5B 語音辨識模型,官方稱面向 40 多種語言,可在 Transformers 與 vLLM 運行。完整語言名單及粵語支援未見官方逐項列明。

AI News 封面插圖:開源模型(二)

Hugging Face 新聞來源摘要

本文目錄:這則更新發生了甚麼及何時公布 | 已確認事實與尚未確認事項 | 這則更新會影響誰、影響甚麼決定 | 現在可以採取的核對步驟 | 文章參考資料

這則更新發生了甚麼及何時公布

Hugging Face 於 2026 年 11 月 18 日在官方博客發布 Rumble-2-Flash: an open 0.5B speech model for 40+ languages。文章說明,Rumble-2-Flash 即日起以 Apache 2.0 授權開源。這是一個 0.5B 參數(約五億參數)的語音辨識模型,官方稱面向 40 多種語言,並可與規模大 3 至 60 倍的模型競爭。

權重放在 Hugging Face Hub 的 Reson8/Rumble-2-Flash。官方文章由 Reson8 相關作者撰寫,並在 Hugging Face 博客發布,因此這則消息應理解為:模型在 Hugging Face 平台開源與介紹,開發組織是 Reson8,而不是 Hugging Face 自行訓練的官方基礎模型。文章亦寫明,除了可下載權重,該模型也可經「我們的 API」使用;這裡的 API 是官方所述的 Reson8 服務,博客並未附上價目。

本站已有 OpenAI 語音轉文字操作說明,處理的是另一套專有語音介面的使用步驟。兩篇不應讀成同一產品,也不宜用本篇取代那篇教學。Rumble-2-Flash 的重點,是一個可在常見開源推論堆疊運行的小型語音辨識權重,以及官方公布的基準數字。

已確認事實與尚未確認事項

就運行方式,官方寫明 Rumble-2-Flash 採用 Qwen3-ASR 架構,以便在已支援 Transformers 或 vLLM 的環境「第一日」即可使用,無需分叉執行環境,也無需 trust_remote_code。語言方面,官方稱可自動偵測語言,也可強制指定語言。輸出控制包括:數字以阿拉伯數字或文字呈現、保留或去掉填充詞(例如 um、uh)、保留或合併重複字詞。模型卡亦列出相應的控制標記,例如 digits 與 nodigits、filler 與 nofiller、verbatim 與 noverbatim。

速度方面,官方稱在 Hugging Face Open ASR Leaderboard 較大、批次較滿的數據集上,吞吐量可超過 7,000 RTFx,並以「一小時音訊約在半秒內完成」來說明這個數字。這是官方在特定批次條件下的吞吐量表述,並不是本站實測,也不能理解成任意一條短音訊、任意硬件都會得到同一結果。

準確度方面,官方引用兩組公開或第三方基準。在 Open ASR Leaderboard 的多語軌道上,Rumble-2-Flash 在中文、德文、法文、意大利文、西班牙文、葡萄牙文、印地文、荷蘭文及英文的平均錯誤率為 6.96%。官方稱這優於規模大約大 15 倍的 Meta omniASR-LLM 7B,並領先 Whisper large-v3。英文軌道的平均詞錯誤率(WER)為 6.6%。在較接近真實電話的測試上,官方引用 AppTek 聯絡中心基準:302 小時求助熱線、14 種英語口音,並以 AppTek 自己的腳本計分。Rumble-2-Flash 的 WER 為 7.86%,與 NVIDIA Nemotron 3.5 Transcribe(30B 參數)的 7.78% 接近;同時優於同系列的 Qwen3-ASR 0.6B(8.7%),並接近 Qwen3-ASR 1.7B(7.4%,官方稱是該比較中唯一更好的模型)。以上全部是官方引述,本站沒有重跑這些基準。

關於訓練方法,官方解釋該模型是由較大的生產模型 Rumble-2,以 on-policy distillation 蒸餾而來,並使用名為 GOLD 的方法處理師生模型分詞器不同的問題。這有助理解它為何能做得較小,但並不是使用該權重的前提;一般使用者不必先實作蒸餾流程。

以下事項尚未在官方博客中確認,不能寫成已知事實。首先,「40 多種語言」沒有完整名單;上述多語基準只覆蓋九種語言。其次,官方寫到的「Chinese」並未說明是否包括粵語或香港常用口音,因此粵語支援必須標為尚未確認,不能斷言「可以用」或「一定不能用」。第三,Reson8 API 的地區、價目、配額與服務水平,該文沒有詳細說明。第四,官方比較不應被改寫成「已經取代 Whisper」或「在所有電話場景都與 30B 模型相同」。

就取得方式,官方同時提供兩條已寫明的路徑:在 Hub 下載 Reson8/Rumble-2-Flash 權重,自行在 Transformers 或 vLLM 運行;以及經 Reson8 所述的 API 使用。前者需要你自行準備執行環境與合規審查,後者則要另查 API 的當日說明,因為博客沒有寫出價錢、地區或服務水平。選擇哪一條,取決於你是否需要把音訊留在自己的基礎設施,而不是哪一條「官方保證更快」。

這則更新會影響誰、影響甚麼決定

這則更新主要影響正在評估開源語音辨識方案的工程與產品團隊:例如需要在自有基礎設施轉錄會議、客服音訊或多語內容,並希望模型體積較小、能在 Transformers 或 vLLM 直接運行的情況。官方提供的是權重、授權、架構說明與基準數字,足夠用來決定要不要做小規模驗證,但還不足以代替你自己的音訊測試。

如果團隊目前使用的是雲端語音 API,本篇不要求立刻更換供應商。兩類方案的部署、私隱邊界、維護責任與計費方式都不同。本站既有的 OpenAI 語音轉文字教學說明的是另一條路徑;若你的問題是「怎樣呼叫專有轉錄介面」,應讀那篇,而不是把 Rumble-2-Flash 當成同一套操作。

對需要判斷模型是否適合自己語言或口音的讀者,關鍵決定不是看「40 多種語言」這句標題,而是準備目標場景的音訊樣本,並對照官方授權與依賴套件再作評估。若你想系統了解人工智能工具的學習路徑,可查看 香港 AI 課程總覽;課程內容與安排以該頁當時公布為準,本文不另行改寫。

現在可以採取的核對步驟

  1. 打開 Hugging Face 官方博客原文,核對發布日期為 2026 年 11 月 18 日,並確認授權是 Apache 2.0,以及模型 ID 為 Reson8/Rumble-2-Flash。
  2. 打開 Hub 上的模型頁,閱讀模型卡中的授權、使用方式與輸出控制標記,不要只憑博客摘要設定生產參數。
  3. 在可使用 Transformers 或 vLLM 的環境,用官方示例方法對一小段已有逐字稿的音訊做轉錄,比較結果與原文;這是驗證步驟,不是本站實測報告。
  4. 若你關心粵語、特定口音或電話壓縮音質,請用自己的目標音訊測試,並把結果與官方已公布的九種語言平均成績分開記錄;API 價目與地區則以 Reson8 或 Hugging Face 當日說明為準,不要假設與博客基準相同。

文章參考資料

Hugging Face Blog,Rumble-2-Flash: an open 0.5B speech model for 40+ languages:https://huggingface.co/blog/rumble-2-flash。公布日期:2026 年 11 月 18 日。查閱日期:2026 年 11 月 19 日。

Hugging Face Hub,Reson8/Rumble-2-Flash 模型頁:https://huggingface.co/Reson8/Rumble-2-Flash。查閱日期:2026 年 11 月 19 日。

本頁僅供一般資訊與學習用途,不構成法律、醫療、臨床、投資、採購或專業意見。

學習 AI,保護你的未來。

分享本文

返回最新 AI 貼士與 AI News

AI.Academy

想把這則更新用在工作上?

先核對原文,再用一個真實任務試做。需要導師在課堂帶著完成時,可報讀 AI Academy HK 實戰課。

  • 易上手
  • 一對一實戰
  • 帶走作品

不確定應該從哪一堂開始?

MISA:We're here to help