IBM anuncia atualizações do Granite Speech para fala, tradução e locutores

A IBM anunciou três atualizações na coleção Granite Speech: o novo granite-speech-5.0-2b, o granite-speech-5.0-470m-turboctc revisado e o granite-speech-4.1-2b-plus revisado. Segundo a empresa, o modelo de 2 bilhões de parâmetros transcreve inglês, francês, alemão, espanhol, português e japonês, traduz esses idiomas de e para o inglês e também traduz do inglês para italiano e mandarim. Ele inclui identificação de idioma por instrução, viés para listas de até 2.000 palavras-chave e melhor desempenho em traduções longas; é distribuído sob a licença Apache 2.0, com suporte a Transformers, vLLM, llama.cpp e mlx-audio.

A IBM diz que o Turbo CTC agora oferece transcrição em sete idiomas, pontuação e capitalização nativas e maior resistência a reverberação, além de atingir 19.870 RTFx no Open ASR Leaderboard, cerca de 1,6 vez mais que no lançamento. O granite-speech-4.1-2b-plus recebeu melhorias na atribuição de locutores, marcação de tempo, palavras-chave e desempenho em falas longas.