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
内容翔实,正好需要,先收藏再看。
点赞,必须点赞
讲解得很细致,新手也能看懂。
写得挺用心的,支持一下。
这个观点很中肯,深有同感。
看完了,收获满满,期待更多更新。
支持作者,持续关注中。
作者写得真不错,学到了不少。
收藏了,以后慢慢研究。
实测过类似工具,作者说的基本属实。
讲解得很细致,新手也能看懂。
这个观点很中肯,深有同感。