Reson8 发布开放语音识别模型 Rumble-2-Flash,支持自动判断四十多种语言,也可指定语种。转写时能控制数字写成阿拉伯数字还是单词,以及是否保留填充词。逐字稿和适合阅读的字幕因此可以使用不同设置。
团队在一套 302 小时、含 14 种英语口音的呼叫中心录音上报告词错误率为 7.86%。这个结果有明确的语言和场景边界。做中文会议字幕时,仍需用自己的多人对话、专业术语和设备噪声检验效果。
发布团队除了测标准语音,还让模型听了压缩过的英语客服通话。

Reson8 发布开放语音识别模型 Rumble-2-Flash,支持自动判断四十多种语言,也可指定语种。转写时能控制数字写成阿拉伯数字还是单词,以及是否保留填充词。逐字稿和适合阅读的字幕因此可以使用不同设置。
团队在一套 302 小时、含 14 种英语口音的呼叫中心录音上报告词错误率为 7.86%。这个结果有明确的语言和场景边界。做中文会议字幕时,仍需用自己的多人对话、专业术语和设备噪声检验效果。