A.I.AI
IBMがGranite Speech 5.0を発表:書き起こし、翻訳、話者識別の精度と速度を向上
Granite Speech 5.0: Transcribe, Translate, and Attribute more Accurately and Faster
HFHugging Face
AIが原文を翻訳・要約しています
IBMは音声モデルコレクション「Granite Speech」のアップデートを発表した。新モデル「granite-speech-5.0-2b」は39万時間の公開音声等で学習され、日本語を含む多言語の音声認識・翻訳、2,000語のキーワードバイアスに対応し、Open ASR Leaderboardで英語WER 5.06%(第2位)を記録した。また、オンデバイス向け「granite-speech-5.0-470m-turboctc」は多言語対応やネイティブ句読点出力を備え、処理速度を19,870 RTFxへ約1.6倍高速化させた。さらに会議向け「granite-speech-4.1-2b-plus」では話者識別誤差率(WDER)を7%低減し、長文WERを24%改善している。全モデルがApache 2.0ライセンスで公開されている。
KEY POINTS要点記事から抽出した重要情報
- IBMが音声モデルコレクション「Granite Speech」のアップデートを発表し、Open ASR Leaderboardで英語WER 5.06%を達成した「granite-speech-5.0-2b」やオンデバイス向け「granite-speech-5.0-470m-turboctc」などの新モデルをApache 2.0ライセンスで公開した。
CONTEXT文脈編集部による背景整理
IBMが商用利用しやすいApache 2.0ライセンスで高精度かつ軽量・高速な音声認識モデルを無償提供したことで、オンプレミスやエッジ環境での音声AI導入コストが大幅に低下し、プロプライエタリなASRサービスを提供する競合ベンダーへの価格圧力となる可能性があります。
原文を読むAnalyzed at 2026年10月22日 00:02