IBM Granite Speech 5.0 يوفر أداءً أسرع وأكثر دقة للتعرف على الكلام متعدد اللغات لأعباء العمل المؤسسية

أعادت IBM تحديث تشكيلة Granite Speech بثلاثة نماذج تغطي مكدس الكلام المؤسسي: نموذج رائد جديد بملياري معامل للدقة العالية، ومتغير Turbo CTC المحدث بـ 470 مليون معامل للنشر فائق السرعة على الحافة، ونموذج 2B-plus المحسن لنسخ الاجتماعات والمكالمات مع تحديد المتحدثين.

Granite Speech 5.0 2B: الدقة، المتانة، والتحكم

يخلف granite-speech-5.0-2b نموذج 4.1 2B بعدد معاملات مماثل. ينسخ الإنجليزية، الفرنسية، الألمانية، الإسبانية، البرتغالية، واليابانية، ويترجم من وإلى الإنجليزية عبر تلك اللغات بالإضافة إلى الإنجليزية إلى الإيطالية والماندرين. استفاد التدريب من 390,000 ساعة من الصوت العام معززة ببيانات اصطناعية لـ ASR اليابانية، وتحيز الكلمات المفتاحية، ومهام الترجمة.

تشمل التحسينات الرئيسية على 4.1: معدلات خطأ كلمات إنجليزية أقل في اختبارات الشكل القصير، مرونة أفضل للضوضاء، الصدى، والميكروفونات البعيدة، تحفيز معرف اللغة لتوجيه الإخراج متعدد اللغات، ترجمة محادثات طويلة أقوى، قوائم كلمات مفتاحية تصل إلى 2,000 مصطلح لتحيز خاص بالمجال، وعلامات ترقيم وأحرف كبيرة اختيارية عبر التحفيز (F1 للأحرف الكبيرة 89.7–99.5 عبر مجموعات الاختبار). يحتل النموذج المركز الثاني بين نماذج ASR مفتوحة الأوزان في متوسط WER الإنجليزي (5.06%) وفق لوحة متصدرين ASR المفتوحة في منتصف أكتوبر 2026.

تحديثات Turbo CTC و 2B-Plus

يضيف granite-speech-5.0-470m-turboctc المعدل دعمًا متعدد اللغات، وعلامات ترقيم وأحرف كبيرة أصلية، ومتانة أكبر للضوضاء/الصدى مع الحفاظ على ملف زمن الوصول دون الحقيقي للنشر على الجهاز وسيناريوهات الإنتاجية العالية. في حين يكتسب granite-speech-4.1-2b-plus تحديد متحدثين محسن، دقة طوابع زمنية، تحيز كلمات مفتاحية، واستقرار للكلام الطويل للتسجيلات متعددة المشاركين.

تُشحن جميع النماذج الثلاثة تحت ترخيص Apache 2.0 مع تكامل من الدرجة الأولى في Hugging Face Transformers، vLLM، llama.cpp، و mlx-audio لشرائح Apple Silicon، مما يمنح الفرق مسارات نشر مرنة من عناقيد GPU السحابية إلى أجهزة الحافة.