IBM AI 发布 Granite Speech 5.0 2B,支持多语言转录与翻译

王者归来已是老翁AI 前沿📡 BestBlogs·AI高分精选⭐ 852026-10-22180 阅读💛 159 收藏
IBM AI 发布 Granite Speech 5.0 2B,支持多语言转录与翻译

📌 One-Sentence Summary

IBM 发布了 Granite Speech 5.0 2B,这是一款拥有 2B 参数、用于转录与翻译的开放式语音语言模型,在 Open ASR Leaderboard 中排名第 2,英语平均 WER 为 5.68%,并支持最多 2,000 个术语的关键词偏置。

📝 Summary

Granite Speech 5.0 2B 是 IBM 推出的一款新型开源模型,可将 6 种语言的语音转换为文本。它采用 2B 参数的稠密架构,并搭载经 YaRN 扩展的 LLM 主干网络,可处理最长约 2 分钟的音频片段。该模型在 Open ASR Leaderboard 上的英语平均 WER 为 5.68%,并引入了语言识别提示、扩展关键词偏置和增强抗噪能力等改进。它可在 GPU、Apple Silicon 上运行,也能通过 GGUF 在本地 CPU 上运行;部署方式包括 Transformers、vLLM 和 mlx-audio。

💡 Main Points

高性能开源 ASR

Granite Speech 5.0 2B 在 Open ASR Leaderboard 中排名第 2,英语平均 WER 为 5.68%,在多种测试集上展现出出色的转录准确率。在干净和嘈杂的音频条件下,它的表现都优于许多其他开放权重模型。

高级关键词偏置

该模型的关键词偏置列表最多支持 2,000 个术语,可精准调整输出,使其包含特定领域术语、产品名称或缩写。这项功能能显著提升模型在专业数据集上对目标关键词的 F1 分数。

灵活的部署选项

该模型兼容多种硬件平台和软件框架,包括 NVIDIA GPU、Apple Silicon,以及通过 GGUF 在本地 CPU 上运行。它还可与 Transformers、vLLM 和 mlx-audio 等常用库集成,适用于多种使用场景。

💬 Key Quotes

Granite Speech 5.0 2B 是 IBM 推出的一款拥有 2B 参数的模型,可将 6 种语言的语音转换为文本,并采用 Apache 2.0 许可。

📊 Article Meta

AI Screening: 85

Source: MarkTechPost

Author: Asif Razzaq

Category: 人工智能

Language: 英文

Read Time: 5 min

Word Count: 1005

Tags:

AI 与智能应用 , 机器翻译 , 开源项目 , 大语言模型 (LLM) , Apple 芯片

#AI 与智能应用# 机器翻译# 开源项目# 大语言模型 (LLM)# Apple 芯片

文章评论(12)

南山客24 天前

内容翔实,正好需要,先收藏再看。

回复
墨向阳24 天前

点赞,必须点赞

回复
星寻梦24 天前

讲解得很细致,新手也能看懂。

回复
北岛渔夫24 天前

写得挺用心的,支持一下。

回复
武磊24 天前

这个观点很中肯,深有同感。

回复
一个橘子24 天前

看完了,收获满满,期待更多更新。

回复
晨沐雨24 天前

支持作者,持续关注中。

回复
三分糖去冰24 天前

作者写得真不错,学到了不少。

回复
星知秋24 天前

收藏了,以后慢慢研究。

回复
林拾贝24 天前

实测过类似工具,作者说的基本属实。

回复
杨丽华24 天前

讲解得很细致,新手也能看懂。

回复
石佳琪24 天前

这个观点很中肯,深有同感。

回复