IBM 开源 Granite Speech 5.0 2B 多语种语音转写与翻译模型

MarkTechPost 于 2026 年 10 月 22 日报道 IBM 发布 Granite Speech 5.0 2B 多语种语音模型，称其支持语音转写和翻译，并以 Apache 2.0 许可开放；关注价值在于较小参数规模与本地部署选项能否降低语音应用的部署门槛。

• 报道称该模型面向 6 种语言，支持语言提示、关键词偏置、标点和大小写控制，以及说话人相关转写场景。
• 报道引用的英文平均词错误率为 5.68%，但同时提到 IBM 文章曾给出 5.06% 的不同口径数字，二者不能直接混用。
• 公开仓库显示，IBM 的 Granite Speech 项目提供 Python 库、命令行调用和本地推理相关说明，但当前仓库页面主要展示 4.1 系列接口，不能单独证明 5.0 版本的全部指标。
• 语音模型在干净语音、远场录音、噪声环境和私人对话集上的差异可能较大，单一平均值不足以代表实际体验。
• 影响/看点：若 5.0 版本的模型卡、权重和评测结果可复现，Apache 2.0 许可可能促进本地语音应用采用；成立条件是版本文件、测试集和评测口径保持一致。
• 资料依据:
• MarkTechPost（2026-10-22）：IBM AI Releases Granite Speech 5.0 2B for Multilingual Transcription and Translation https://www.marktechpost.com/2026/10/22/ibm-granite-speech-5-0-2b-release/
• IBM Granite GitHub（2026-10-22）：granite-speech repository https://github.com/ibm-granite/granite-speech

本内容由 AI 生成，仅供参考，请注意甄别