Granite Speech 5.0: более точная и быстрая транскрибация, перевод и атрибуция

Мы рады поделиться тремя обновлениями коллекции IBM Granite Speech: новой речевой языковой моделью granite-speech-5.0-2b, а также обновлёнными версиями двух моделей, уже используемых сообществом: granite-speech-5.0-470m-turboctc и granite-speech-4.1-2b-plus. Вместе они охватывают весь спектр корпоративных задач обработки речи: высокоточную транскрибацию и перевод, чрезвычайно быструю периферийную транскрибацию, а также записи, где важно не только что было сказано, но и кто и когда это сказал.

Granite Speech 5.0 2B: выше точность, устойчивость и контроль

granite-speech-5.0-2b — преемник granite-speech-4.1-2b с тем же количеством параметров. Она транскрибирует английский, французский, немецкий, испанский, португальский и японский языки, а также переводит с этих языков на английский и обратно, кроме того, поддерживает перевод с английского на итальянский и китайский (мандарин). Модель обучалась на 390 000 часах публичных аудиозаписей, а также на синтетических данных, созданных для распознавания японской речи, смещения в пользу ключевых слов и перевода.

Что нового по сравнению с 4.1 2B Speech:

• Более точное и устойчивое распознавание английской речи: Более высокая точность на тестах английской речи короткой формы и улучшенная обработка шума, реверберации и речи, записанной удалённым микрофоном.
• Указание языка в запросе: Укажите язык входных данных в запросе, чтобы направить многоязычную транскрибацию.
• Улучшенный перевод длинных и разговорных записей: Перевод дольше сохраняет качество и звучит естественнее, а не ограничивается короткими предложениями, прочитанными по тексту.
• Списки ключевых слов до 2 000 терминов: Настройте транскрибацию и перевод с учётом названий продуктов, имён людей и аббревиатур на любом поддерживаемом языке.
• Пунктуация и капитализация по запросу: Попросите в запросе отформатированный результат; показатель F1 для капитализации составляет от 89,7 до 99,5 на наших тестовых наборах.

Модель распространяется по лицензии Apache 2.0 и поддерживается в Transformers, vLLM, llama.cpp и mlx-audio для Apple Silicon.

График 1: granite-speech-5.0-2b занимает 2-е место среди ведущих ASR-моделей с открытыми весами по среднему показателю WER для английского языка (5,06%). Чем ниже показатель, тем лучше. Результаты неофициальные, по состоянию на 15 октября 2026 года, и усреднены по общедоступным тестовым наборам английской речи короткой формы Open ASR Leaderboard.

Granite Speech 5.0 Turbo CTC: теперь многоязычная, более устойчивая и ещё более быстрая

Когда мы представили Turbo CTC в августе, это был энкодер с 470 млн параметров, предназначенный для высокой скорости и поддерживавший только английский язык. В этой версии сохранён тот же размер, но добавлены три функции, о которых чаще всего просили пользователи:

• Многоязычная транскрибация: Английский, японский, испанский, немецкий, французский, итальянский и португальский языки.
• Встроенные пунктуация и капитализация: Транскрипты сразу готовы к чтению — отдельный этап расстановки знаков препинания или восстановления регистра не требуется.
• Повышенная устойчивость в сложных акустических условиях: Обучение с особым акцентом на реверберирующий звук делает Turbo CTC более устойчивой в помещениях с эхом и при записях на большом расстоянии.

Модель также стала быстрее. Скомпилировав один блок Conformer и повторно используя его граф во всём стеке, мы сократили время прогрева и повысили производительность Turbo CTC до 19 870 RTFx в Open ASR Leaderboard против примерно 12 600 RTFx на момент запуска: это примерно в 1,6 раза быстрее при том же уровне точности.

График 2: средний показатель WER в сравнении с RTFx в Open ASR Leaderboard (английская речь короткой формы, 9 общедоступных тестовых наборов, по состоянию на октябрь 2026 года). Чем ниже WER и выше RTFx, тем лучше; RTFx представлен в логарифмическом масштабе.

Granite Speech 4.1 2B Plus: лучше определяет, кто что и когда сказал

Обновлённая granite-speech-4.1-2b-plus оптимизирована для записей, которые действительно есть у предприятий: совещаний, звонков в службу поддержки и интервью с несколькими говорящими, продолжающихся длительное время. В названии сохранено обозначение 4.1, поскольку архитектура, формат запросов и API не изменились, поэтому модель можно использовать как прямую замену текущей версии с улучшенными весами. В этой версии улучшены четыре аспекта:

• Атрибуция говорящих: Более точное определение того, кто говорит. Частота ошибок диаризации слов (WDER) снизилась на 7%, а WER с учётом говорящих (cpWER) — в целом на 7%.
• Временные метки: Среднее смещение временных меток (AAS) сокращено более чем наполовину, что обеспечивает более точное время для субтитров, поиска и проверки.
• Обработка длинных речевых записей: WER на тестовых наборах длинных записей снизился на 24%.
• Смещение в пользу ключевых слов: Количество ошибок для ключевых слов, заданных в списке, снижается на 45% при использовании списков из 20 терминов.

Таблица 1: Все метрики являются показателями ошибок, поэтому чем ниже значение, тем лучше. Более подробные результаты см. в карточке модели.

Начало работы

Не уверены, какую модель выбрать? Начните здесь:

• Нужны высокая точность транскрибации, перевод или смещение в пользу ключевых слов? Используйте granite-speech-5.0-2b.
• Нужна максимальная скорость или транскрибация на устройстве? Используйте granite-speech-5.0-470m-turboctc и попробуйте её в браузере с помощью нашей демонстрации потоковой обработки WebGPU.
• Работаете с совещаниями или звонками с несколькими говорящими? Используйте granite-speech-4.1-2b-plus.

Все эти модели выпущены по лицензии Apache 2.0 и имеют встроенную поддержку в Transformers. Полные результаты оценки, сведения об архитектуре и обучающих данных, а также примеры использования доступны в карточке каждой модели. Для производственных развёртываний, требующих дополнительного выявления рисков, мы рекомендуем использовать их вместе с Granite Guardian.

Попробуйте их и расскажите нам, что думаете!

Модели, упомянутые в этой статье 3

Коллекции, упомянутые в этой статье 1

Другие материалы этого автора

Granite Switch 4.1: чат, решения и речь из одной конечной точки

• 

69

15 октября 2026 г.

LLM Granite 4.2: как они созданы

• 

129

25 августа 2026 г.