Granite Speech 5.0: より正確で高速な文字起こし・翻訳・話者属性付与

IBM は Hugging Face で Granite Speech 5.0 シリーズを Apache 2.0 で公開した。新しい granite-speech-5.0-2b は英・仏・独・西・葡・日の 6 言語の文字起こしと翻訳を担い、2,000 語のキーワードバイアス対応で、Open ASR Leaderboard のオープンウェイト ASR で第 2 位、平均単語誤り率 5.06%。更新版 granite-speech-5.0-470m-turboctc は多言語で約 1.6 倍高速（19,870 RTFx）、端末向け。granite-speech-4.1-2b-plus は話者属性付与でタイムスタンプ誤差を半減、長時間音声の誤り率を 24% 削減した。いずれも Transformers、vLLM、llama.cpp、mlx-audio に対応。Granite は主要な企業向けオープンソース音声モデルラインの一つであり、精度・速度・話者分離の向上は会議の文字起こしやカスタマーサービスに直接恩恵をもたらす。

• Hugging Face Blog2026-10-21 14:58