# Resonant-1

Éditeur : Reson8 (Pays-Bas). Poids fermés (selon Open ASR Leaderboard).

En bref : 9e sur 39 en transcription en français (ex æquo à valeur égale) ; 18e sur 51 en transcription en anglais (Artificial Analysis) ; 5e sur 53 en transcription en anglais (Open ASR).

Page : https://quelleia.com/voix/modeles/resonant-1/. Classements de la voix de QUELLE IA, à part du score des modèles de langage, relevé du 19 octobre 2026.

## Présentation

Resonant-1 est le modèle de reconnaissance vocale principal de Reson8, entraîné en quatre phases avec une large part d'apprentissage par renforcement. Servi par l'API de l'éditeur, il vise les langues européennes et se personnalise avec le vocabulaire métier du client. (lu sur https://www.reson8.dev/blog/benchmarks)

- Sortie : 8 avril 2026 (lu sur la page de l'éditeur, https://www.reson8.dev/blog/benchmarks)

## Langues

- Annoncées par l'éditeur : 10 langues européennes, dont le français (de, en, es, fr, fy, it, nl, pl, pt, sv).
- Évaluées par nos sources : français et anglais.
- Le français : annoncé par l'éditeur ; évalué, 9e sur 39 en transcription en français (4,11 %).
- Source des langues annoncées : https://www.reson8.dev/blog/benchmarks, https://docs.reson8.dev/llms-full.txt

## Ses classements

- Transcription en français : 9e sur 39, taux d'erreur par mot 4,11 % ; par jeu de test : Common Voice 5,81 %, FLEURS 3,61 %, MLS 2,92 %. Source : Open ASR Leaderboard, Hugging Face, https://huggingface.co/spaces/hf-audio/open_asr_leaderboard (relevé du 19 octobre 2026, version du 17 octobre 2026).
- Transcription en anglais, indice AA-WER : 18e sur 51, taux d'erreur par mot 3,39 % ; prix : 3,60 $ pour 1 000 minutes de parole ; par jeu de test : AA-AgentTalk 2,09 %, Earnings22 6,78 %, VoxPopuli 2,61 %. Source : Artificial Analysis, https://artificialanalysis.ai/speech-to-text/models/reson8 (relevé du 19 octobre 2026).
- Transcription en anglais, Open ASR : 5e sur 53, taux d'erreur par mot 5,21 % ; par jeu de test : AMI-Cleaned 8,22 %, Earnings22-Cleaned-AA-chunked 5,48 %, Gigaspeech-Cleaned 7,38 %, LS Clean 0,92 %, LS Other 2,09 %, Private (conversational) 12,61 %, Private (scripted) 2,96 %, SPGISpeech 2,77 %, URGENT24 9,64 %, Voice Arena Monsoon 3,04 %, Voxpopuli-AA-Cleaned 2,19 %. Source : Open ASR Leaderboard, Hugging Face, https://huggingface.co/spaces/hf-audio/open_asr_leaderboard (relevé du 19 octobre 2026, version du 17 octobre 2026).

## Modèles proches

- Transcription en français : [Cohere Transcribe](https://quelleia.com/voix/modeles/cohere-transcribe/), 8e (4,02 %), juste devant
- Transcription en français : [Resonant-1-flash](https://quelleia.com/voix/modeles/resonant-1-flash/), 9e (4,11 %), juste derrière
- Transcription en anglais, indice AA-WER : [Smallest AI Pulse](https://quelleia.com/voix/modeles/smallest-ai-pulse/), 17e (3,33 %), juste devant
- Transcription en anglais, indice AA-WER : [Smallest AI Pulse Pro](https://quelleia.com/voix/modeles/smallest-ai-pulse-pro/), 19e (3,41 %), juste derrière
- Transcription en anglais, Open ASR : [multilingual](https://quelleia.com/voix/modeles/modulate-multilingual/), 4e (5,06 %), juste devant
- Transcription en anglais, Open ASR : [Sophea ASR K1](https://quelleia.com/voix/modeles/sophea-asr-k1/), 6e (5,23 %), juste derrière

## Comment lire ces chiffres

- Transcription : Le taux d'erreur par mot compte les mots mal transcrits, oubliés ou ajoutés, pour cent mots prononcés : plus il est bas, mieux c'est. Chaque tableau vient d'une seule source, sur ses propres enregistrements : deux tableaux ne se comparent pas chiffre à chiffre.

## Noms dans les sources

- Hugging Face (hf-audio) : reson8/resonant-1
- Artificial Analysis : Resonant-1

## Liens

- Page de l'éditeur : https://www.reson8.dev/blog/benchmarks
- L'essayer : https://console.reson8.dev/

## Pages lues

- https://www.reson8.dev/blog/benchmarks (« April 8, 2026 3 min read Introducing Resonant-1 and Resonant-1-flash Today we're launching resonant-1 and resonant-1-flash »), 17/10/2026
- https://www.reson8.dev/blog/benchmarks (« trained on a four-phase schedule that relies heavily on reinforcement learning to push accuracy beyond state-of-the-art. »), 17/10/2026
- https://www.reson8.dev/blog/benchmarks (« Resonant-1 leads across French, Dutch, Spanish, and Polish, achieving the lowest average WER excluding Swedish. »), 17/10/2026
- https://docs.reson8.dev/llms-full.txt (« in ten languages: Dutch, English, French, Frisian, German, Italian, Polish, Portuguese, Spanish, and Swedish. »), 17/10/2026