IBM anuncia actualizaciones de Granite Speech para voz, traducción y hablantes

IBM anunció tres actualizaciones para la colección Granite Speech: el nuevo granite-speech-5.0-2b, el granite-speech-5.0-470m-turboctc revisado y el granite-speech-4.1-2b-plus revisado. La empresa afirma que el modelo de 2.000 millones de parámetros transcribe inglés, francés, alemán, español, portugués y japonés, traduce esos idiomas hacia y desde el inglés, y también traduce del inglés al italiano y al mandarín. Añade indicaciones para identificar el idioma, ponderación para listas de hasta 2.000 palabras clave y mejor traducción de textos largos; se distribuye bajo Apache 2.0, con compatibilidad con Transformers, vLLM, llama.cpp y mlx-audio.

IBM afirma que Turbo CTC ahora permite transcribir en siete idiomas, incorpora puntuación y mayúsculas nativas y resiste mejor la reverberación, además de alcanzar 19.870 RTFx en el Open ASR Leaderboard, cerca de 1,6 veces su resultado de lanzamiento. El granite-speech-4.1-2b-plus recibió mejoras en la atribución de hablantes, las marcas de tiempo, la ponderación de palabras clave y el desempeño con discursos largos.