AI Aulis

AI-UUTISET SUOMEKSI · 19.11.2026

Tekoälyalan tärkeimmät uutiset joka aamu. Tekoäly kirjoittaa ja tarkastaa jutut alkuperäisiä lähteitä vasten – tarkista tärkeät tiedot lähteistä.

38 juttua · seuraava numero huomenna aamulla · Miten lehti tehdään →

← Numero 19.11.2026Lehti

Reson8: 0,5 mrd. parametrin puhemalli yltää puhelutestissä NVIDIA:n 30 mrd. mallin tasolle

Tekoälyn tuottama sisältöTekoälyn kirjoittama

huggingface.co, siliconangle.com · 2 lähdettä · Lähteet julkaistu: 18.11.2026

Amsterdamilainen Reson8 julkaisi Rumble-2-Flash-puheentunnistusmallin painot Apache 2.0 -lisenssillä. Yhtiön mukaan 0,5 miljardin parametrin malli tunnistaa yli 40 kielen puhetta ja litteroi englanninkielisiä puheluita lähes yhtä tarkasti kuin NVIDIA:n 30 miljardin parametrin malli.

Reson8 (Resonate Labs B.V.) kertoi julkaisusta 18. marraskuuta Hugging Facen blogissa, ja SiliconANGLE referoi yhtiön tietoja samana päivänä. Malli on tarkoitettu valmiiksi tallennetun äänen litterointiin. Kaikki tarkkuus- ja nopeusluvut ovat yhtiön ilmoittamia.

Pieni malli on koulutettu tislaamalla yhtiön suuremmasta Rumble-2-mallista. Koulutuksessa Rumble-2-Flash litteroi äänen itse, ja suurempi malli arvioi litteroinnin token kerrallaan. Näin pieni malli saa palautetta juuri omista virheistään. Koska malli käyttää Qwen3-ASR-arkkitehtuuria, se toimii Transformers- ja vLLM-kirjastoissa ilman erillistä koodia.

Taulukossa on sanavirheosuus (WER) eli väärin litteroitujen sanojen osuus AppTekin puhelinkeskusaineistossa: 302 tuntia englanninkielisiä neuvontapuheluita 14 aksentilla.

Malli Parametreja WER
Qwen3-ASR 1.7B 1,7 mrd. 7,4 %
NVIDIA Nemotron 3.5 Transcribe 30 mrd. 7,78 %
Rumble-2-Flash 0,5 mrd. 7,86 %
Qwen3-ASR 0.6B 0,6 mrd. 8,7 %

Lähde: Reson8:n blogi, pisteytys AppTekin omalla skriptillä.

Reson8:n mukaan malli on Nemotronin tasolla; ero on 0,08 prosenttiyksikköä. Samaan mallisukuun kuuluva Qwen3-ASR 1.7B on vertailussa kuitenkin parempi. Aineisto on englanninkielinen, joten se ei kerro muiden kielten puheluista.

Monikielisistä tuloksista lähteet kertovat eri lukuja. Blogin mukaan mallin keskimääräinen virheosuus Open ASR Leaderboardin monikielisessä osiossa on 6,96 % yhdeksällä kielellä, ja englannin osion sanavirheosuus on 6,6 %. SiliconANGLEn mukaan yhtiön omissa mittauksissa keskiarvo oli 7,09 % seitsemällä kielellä ja englannissa noin 5 %. Eron syytä ei kerrota. SiliconANGLEn mukaan Reson8 ilmoittaa mallin keskimääräiseksi sanavirheosuudeksi 17,6 % kymmenellä kielellä, joista on vähemmän aineistoa, esimerkiksi maltalla ja baskilla. Samassa testissä OpenAI:n Whisper Large V3:n luku oli yhtiön mukaan 39,82 %.

Blogin mukaan malli litteroi yli 7 000 kertaa reaaliaikaa nopeammin eli tunnin ääntä noin puolessa sekunnissa. Nopeus riippuu kuitenkin siitä, kuinka täysiä kerralla käsiteltävät erät ovat. Luku koskee Open ASR Leaderboardin suuria aineistoja, joissa erät pysyvät täysinä.

Painot ovat ladattavissa Hugging Facesta (Reson8/Rumble-2-Flash). SiliconANGLEn mukaan mallia voi käyttää myös Reson8:n rajapinnan kautta, ja hinta alkaa 0,01 eurosta äänitunnilta. Oman sanaston voi antaa ilman hienosäätöä vain Rumble-2:lle. Kumpikaan lähde ei luettele kaikkia yli 40 kieltä, joten suomen tuki pitää tarkistaa itse.

Ilmoita virheestä tässä jutussa