IBM 发布 Granite Speech 5.0，并更新会议转写模型

IBM 10 月 21 日发布 Granite Speech 5.0 系列，三款模型均为 Apache 2.0 许可。新的 granite-speech-5.0-2b 支持英、法、德、西、葡、日六种语言转写及与英语互译；470M 的 turboctc 编码器扩展到 7 种语言；面向多人对话的 granite-speech-4.1-2b-plus 更新后可直接替换旧版。

要点

• granite-speech-5.0-2b 在 Open ASR 排行榜英语短音频测试中平均 WER 为 5.06%，在开放权重 ASR 模型中排第二；支持最多 2,000 个词的关键词偏置
• turboctc 的 RTFx 达到 19,870，发布时约为 12,600，并原生输出标点和大小写
• 2b-plus 更新后长音频 WER 从 13.53 降到 10.22，关键词偏置词 WER 从 11.79 降到 6.48，说话人归属转写 cpWER 从 30.5 降到 28.48
• 可用 Transformers、vLLM、llama.cpp 和 mlx-audio 运行

来源

### [IBM 发布 Granite Speech 5.0，并更新会议转写模型]({{URL}})

IBM 10 月 21 日发布 Granite Speech 5.0 系列，三款模型均为 Apache 2.0 许可。新的 granite-speech-5.0-2b 支持英、法、德、西、葡、日六种语言转写及与英语互译；470M 的 turboctc 编码器扩展到 7 种语言；面向多人对话的 granite-speech-4.1-2b-plus 更新后可直接替换旧版。

- granite-speech-5.0-2b 在 Open ASR 排行榜英语短音频测试中平均 WER 为 5.06%，在开放权重 ASR 模型中排第二；支持最多 2,000 个词的关键词偏置
- turboctc 的 RTFx 达到 19,870，发布时约为 12,600，并原生输出标点和大小写
- 2b-plus 更新后长音频 WER 从 13.53 降到 10.22，关键词偏置词 WER 从 11.79 降到 6.48，说话人归属转写 cpWER 从 30.5 降到 28.48
- 可用 Transformers、vLLM、llama.cpp 和 mlx-audio 运行

**为什么值得关注**：做会议纪要、客服录音分析的团队可以用可商用的 2B 级模型在本地完成转写、翻译和说话人区分，关键词偏置适合行业术语多的场景。

来源：[Granite Speech 5.0: Transcribe, Translate, and Attribute](https://huggingface.co/blog/ibm-granite/granite-speech-5)