Reson8 lance le modèle vocal Rumble-2-Flash en téléchargement gratuit à poids ouvert

La startup de reconnaissance vocale basée à Amsterdam, Resonate Labs BV, a publié aujourd'hui son modèle de transcription Rumble-2-Flash en téléchargement gratuit avec des pondérations ouvertes.

Conçu pour une transcription rapide de l'audio préenregistré, le modèle de 500 millions de paramètres prend en charge plus de 40 langues. Reson8 propose cette version aux développeurs et aux chercheurs qui ont besoin d'une reconnaissance vocale conçue pour des langues autres que l'anglais.

Selon l’entreprise, les principaux modèles vocaux sont formés principalement en anglais, même si seulement une personne sur 20 environ le parle comme première langue. Les termes spécialisés tels que les noms de médicaments sont ceux où l’exactitude diminue le plus lorsque la parole sort de l’anglais. Les modèles de Reson8 seraient utilisés en production pour les preneurs de notes de réunions, les réceptionnistes à intelligence artificielle, les agents vocaux du support client, la transcription médicale et le sous-titrage.

« Les modèles vocaux génériques sont conçus pour l'anglais et font sensiblement plus d'erreurs dans d'autres langues », a déclaré le cofondateur et directeur général Raoul Ritter, qui a lancé l'entreprise avec Thomas Kluiters et Jarno Verhagen. « Des langues comme le néerlandais, le suédois et l'allemand sont parlées par des millions de personnes, mais elles sont négligées après coup. »

Reson8 décrit Rumble-2-Flash comme l'un des plus petits modèles du classement Open ASR de Hugging Face Inc. Lors des tests multilingues du classement effectués par l'entreprise, le modèle a enregistré en moyenne un taux d'erreur de mots de 7,09 % dans sept langues, dont l'allemand, le français et le néerlandais. Son taux d'erreur moyen en anglais serait d'environ 5 %.

Dans un test distinct couvrant 10 langues à faibles ressources telles que le maltais et le basque, Rumble-2-Flash aurait affiché un taux d'erreur moyen sur les mots de 17,6 %. Whisper Large V3 d'OpenAI Group PBC avait un taux d'erreur de mot moyen de 39,82 % sur le même test, selon Reson8.

Au-delà des ensembles de référence, les modèles Reson8 seraient adaptés aux environnements bruyants, y compris l'audio des lignes téléphoniques. Le monde réel « ne se produit pas dans un studio d'enregistrement », a déclaré Kluiters, responsable de l'IA de l'entreprise.

La version open-weights d'aujourd'hui fait suite aux débuts du modèle le 3 novembre dans l'interface de programmation d'applications de Reson8, une semaine avant que la société ne lance son modèle phare Rumble-2. La prise en charge du vocabulaire personnalisé, qui permet aux clients d'ajouter jusqu'à 50 000 termes sous forme de texte sans réglage fin, reste exclusive à Rumble-2.

Hébergé sur les propres unités de traitement graphique de la société aux Pays-Bas, le service de Reson8 ne conserverait aucun audio ni aucune transcription. La société revendique également la certification ISO 27001 et la conformité au règlement général sur la protection des données de l'Union européenne et à la loi sur l'IA du bloc.

Disponible gratuitement sous licence Apache 2.0, Rumble-2-Flash est également accessible via l'API de Reson8 à des prix à partir de 0,01 € (0,001 $) par heure d'audio.

Newsletter

Rejoignez notre newsletter pour des astuces chaque semaine