Be Human SISuper Intelligence

Código aberto

Rumble-2-Flash: modelo aberto de voz com 0,5B e 40 idiomas

Um modelo pequeno, destilado de um maior, com licença permissiva e suporte direto em Transformers e vLLM.

Publicado 18/11/2026 · atualizado 18/11/2026 · 2 min · Be Human SI

Código aberto

Em uma linha. 0,5 bilhão de parâmetros, mais de 40 idiomas, licença Apache 2.0.

A Reson8 publicou em 18 de novembro de 2026, no blog da Hugging Face, o Rumble-2-Flash, um modelo aberto de reconhecimento de fala. Ele tem 0,5 bilhão de parâmetros, cobre mais de 40 idiomas e sai sob a licença Apache 2.0. Segundo a equipe, ele compete com modelos de 3 a 60 vezes o seu tamanho.

O modelo foi destilado do Rumble-2, o modelo de produção maior da empresa, com a técnica de destilação on-policy: o aluno transcreve o áudio sozinho e o professor avalia cada token. Como os dois não compartilham tokenizador, a equipe usou um método chamado GOLD, que une os tokens quando os dois separam o texto de formas diferentes.

A arquitetura é a do Qwen3-ASR, o que dá suporte desde o primeiro dia no Transformers e no vLLM, sem código customizado. Em lotes cheios, a equipe afirma transcrever uma hora de áudio em cerca de meio segundo, com mais de 7.000 de RTFx.

Num teste de 302 horas de chamadas de ajuda, com 14 sotaques de inglês, avaliado com o script da AppTek, a equipe diz que o Rumble-2-Flash fica no mesmo nível do Nemotron 3.5 Transcribe, da NVIDIA, de 30B, que marca 7,78% de taxa de erro. O Qwen3-ASR de 0,6B marca 8,7% e o de 1,7B marca 7,4%, o único da comparação que fica à frente. Em outra faixa de testes, a equipe diz superar o omniASR-LLM 7B, da Meta, que é 15 vezes maior, e o Whisper large-v3.

Todos os números vêm da própria equipe. Para quem desenvolve, o ganho prático é rodar transcrição multilíngue num modelo pequeno, com licença permissiva e sem runtime próprio.

Perguntas

Qual é a licença do Rumble-2-Flash?

Apache 2.0, que permite uso comercial, segundo o anúncio.

Quantos idiomas ele cobre?

Mais de 40, com 0,5 bilhão de parâmetros.

Em que bibliotecas ele roda?

Com suporte nativo no Hugging Face Transformers e no vLLM, sem código customizado.

Fonte primária. Hugging Face (Reson8), Rumble-2-Flash: an open 0.5B speech model for 40+ languages (18/11/2026)