granite-speech-5.0-2b, granite-speech-5.0-470m-turboctc, granite-speech-4.1-2b-plus

Historia zmian

21 paź 2026

IBM odświeża rodzinę Granite Speech: nowy model ASR, szybsza transkrypcja i dokładniejsze przypisywanie mówców

Parametr	Było	Jest
granite-speech-5.0-2b WER	Nie określono (następca granite-speech-4.1-2b)	5,06% średni WER dla angielskiego, #2 miejsce wśród otwartych modeli ASR
Szybkość Turbo CTC (RTFx)	~12 600 RTFx przy premierze	19 870 RTFx (ok. 1,6 razy szybciej przy tej samej dokładności)
Języki Turbo CTC	Tylko angielski	Angielski, japoński, hiszpański, niemiecki, francuski, włoski, portugalski
4.1-2B-Plus WDER/cpWER	WDER 4,40, cpWER 30,50	WDER 4,10, cpWER 28,48 (spadek po 7%)
4.1-2B-Plus WER dla długich nagrań	13,53	10,22 (spadek o 24%)
4.1-2B-Plus biasing słów kluczowych WER (20 terminów)	11,79	6,48 (spadek o 45%)
4.1-2B-Plus przesunięcie znacznika czasu (AAS, cała mowa)	210,86	98,54

Wiadomości

Voice AI· Ważne· 🧪 Warte przetestowania

IBM odświeża rodzinę Granite Speech: nowy model ASR, szybsza transkrypcja i dokładniejsze przypisywanie mówców

IBM wprowadził trzy aktualizacje rodziny Granite Speech: zupełnie nowy model mowa-język na 2B parametrów (granite-speech-5.0-2b), ulepszony model Turbo CTC na 470M parametrów nastawiony na szybkość oraz poprawiony model 4.1-2B-Plus dostosowany do nagrań z wieloma mówcami. Razem odpowiadają za wysoką dokładność transkrypcji/tłumaczenia, szybkie rozpoznawanie na urządzeniu oraz dokładne etykietowanie mówców i znaczników czasu. Wszystkie trzy pozostają na licencji Apache 2.0.

4 godz. temuHugging Face