Startup Portfolio
音声認識AIのReson8、40超の言語に対応する軽量モデルの重みを公開
Reson8は、録音済み音声の文字起こし向けに設計した「Rumble-2-Flash」のモデルの重みを、Apache 2.0ライセンスで公開しました。これまでAPIで提供していたモデルを、開発者が自社環境で動かせるようにしたものです。約5億のパラメーターで40を超える言語に対応し、言語の自動判定に加え、数字を算用数字と単語のどちらで出力するか、言いよどみや繰り返しを残すかなども指定できます。
モデルはQwen3-ASRの構成を採用し、Reson8の大型モデル「Rumble-2」を教師として学習しています。小型モデルが自ら作った文字起こしを大型モデルがトークン単位で評価し、どの箇所で誤りやすいかを学ばせる手法です。TransformersとvLLMが標準で対応しているため、専用の実行環境を使わずに試せます。録音をまとめて処理するシステムに組み込む場合も、既存の推論基盤を利用できます。
開発チームが公表した評価では、14種類の英語のアクセントを含む計302時間のコールセンター音声で単語誤り率が7.86%となり、約300億パラメーターのNVIDIAモデルの7.78%に近い結果でした。一方、高い処理速度の報告は、複数の録音を十分にまとめて処理した条件での値です。字幕や通話記録などへの採用を判断する際には、実際の音質や話者、対象言語で精度を確認し、単件処理と一括処理の所要時間を分けて測る必要があります。
Reson8について
Reson8とは、2025年にオランダのアムステルダムで設立された音声認識AI企業Resonate Labs B.V.のブランドです。Raoul Ritter、Thomas Kluiters、Jarno Verhagenが共同創業しました。音声認識モデルのRumbleシリーズを開発し、文字起こしAPIを提供しています。会議や通話の記録、動画の字幕制作などが主な用途です。欧州の言語や専門用語の認識に注力し、オランダ国内で自社のGPU基盤も運用しています。












