Granite Speech 5.0: IBM aktualisiert seine Spracherkennungs-Familie

Drei Modelle, ein Update

IBM erweitert die Granite-Speech-Sammlung um drei Modelle, alle unter Apache 2.0 mit Unterstützung in Transformers, vLLM, llama.cpp und mlx-audio (Apple Silicon).

• granite-speech-5.0-2b: Nachfolger des 4.1-2B. Transkribiert Englisch, Französisch, Deutsch, Spanisch, Portugiesisch und Japanisch und übersetzt von und nach Englisch (zusätzlich Englisch→Italienisch/Mandarin). Trainiert auf 390.000 Stunden Audio. Neu: Sprach-ID im Prompt, Keyword-Listen mit bis zu 2.000 Begriffen, Satzzeichen und Großschreibung auf Wunsch. Im Open-ASR-Leaderboard Platz 2 bei englischer WER (5,06 %).
• granite-speech-5.0-470m-turboctc: Jetzt mehrsprachig (sieben Sprachen, u. a. Deutsch), mit Interpunktion und robuster bei Hall. Etwa 1,6-mal schneller: 19.870 RTFx statt ca. 12.600.
• granite-speech-4.1-2b-plus: Drop-in-Austausch mit besseren Gewichten für Meetings und Calls: Zeitstempel-Abweichung mehr als halbiert, WER bei Langaufnahmen −24 %, Keyword-Fehler −45 %.

Auswahlhilfe: Genauigkeit und Übersetzung → 5.0-2b; Tempo oder On-Device → Turbo CTC; viele Sprecher → 4.1-2b-plus.

Quelle: Hugging Face Blog