モデル
Granite Speech 5.0：文字起こし、翻訳、話者帰属を高精度・高速化
原題: Granite Speech 5.0: Transcribe, Translate, and Attribute more Accurately and Faster
2Bモデルを新規公開し既存2モデルを更新
IBMは2026年10月21日、Granite Speech 5.0 2Bを新たに公開し、Turbo CTCとGranite Speech 4.1 2B Plusを更新しました。
Granite Speech 5.0 2Bは英語、フランス語、ドイツ語、スペイン語、ポルトガル語、日本語の文字起こしに対応します。
同じ6言語と英語の相互翻訳に加え、英語からイタリア語と中国語への翻訳も扱います。
言語IDのプロンプト指定、最大2,000語のキーワード優先、句読点と大文字化、長時間音声の翻訳を追加しました。
Granite Speech 5.0 Turbo CTCは従来の英語専用から7言語へ広がり、句読点と大文字化をモデル内で処理します。
Turbo CTCは4億7,000万パラメータを維持し、端末上や大量の文字起こしを対象にしています。
Granite Speech 4.1 2B Plusは、複数話者の帰属、単語時刻、長時間音声、キーワード優先を改善しました。
3モデルはいずれもApache 2.0で公開され、Transformersから利用できます。
5.0 2BはvLLM、llama.cpp、Apple Silicon向けmlx-audioにも対応します。
精度、速度、誤り率の数値はIBMの試験または公開ベンチマークに基づく説明で、利用環境ごとの独立評価ではありません。