Beschreibung
Granite Speech 5.0 2B ist ein kompaktes und effizientes Sprachmodell, das für die mehrsprachige automatische Spracherkennung (ASR) und bidirektionale automatische Sprachübersetzung (AST) entwickelt wurde. Es unterstützt Sprachen wie Englisch, Französisch, Deutsch, Spanisch, Portugiesisch und Japanisch. Das Modell wurde mit 390.000 Stunden Audio aus öffentlichen Korpora und synthetischen Datensätzen trainiert, was seine Fähigkeiten in der japanischen ASR, der keyword-biased ASR und der Sprachübersetzung verbessert.
Weiterlesen
Im Vergleich zu seinem Vorgänger, Granite Speech 4.1 2B, behält dieses Modell die gleiche Parameteranzahl bei, bietet jedoch eine verbesserte Transkriptionsgenauigkeit für die englische Kurzform-ASR und eine erhöhte Robustheit gegenüber Geräuschen und Nachhall. Es unterstützt auch die Eingabesprache-ID-Aufforderung für mehrsprachige ASR und hat verbesserte Fähigkeiten in der Langform- und Gesprächsübersetzung.
Granite Speech 5.0 2B wurde an verschiedenen Benchmarks evaluiert und zeigte eine verbesserte Leistung unter lauten und nachhallenden Sprachbedingungen. Die Fähigkeit des Modells zur Keyword-Listen-Biasierung wurde ebenfalls getestet, was seine Effektivität bei der Transkription von Schlüsselwörtern während ASR-Aufgaben demonstriert.
Die Modellarchitektur umfasst einen Sprachencoder mit 16 Conformer-Blöcken, einen Sprachprojektor und ein großes Sprachmodell. Es wurde mit IBMs Supercomputing-Cluster Blue Vela trainiert, das mit NVIDIA H100 GPUs ausgestattet ist. Der Trainingsprozess dauerte 40 Tage auf 8 H100 GPUs.
Granite Speech 5.0 2B ist für Unternehmensanwendungen gedacht, die die Verarbeitung von Spracheingaben betreffen, insbesondere in den Bereichen Sprach-zu-Text und Sprachübersetzung. Es wird nativ in Transformers-Version 4.52.1 und höher unterstützt und kann mit verschiedenen Plattformen für optimale Leistung integriert werden.
- KategorieKI-Modelle & LLMs
- BereitstellungCloud
- PlattformenWeb
Granite Speech 5.0 2B im Überblick
Mehrsprachige ASR- und AST-Unterstützung
Verbesserte Transkriptionsgenauigkeit
Robustheit gegenüber Geräuschen und Nachhall
Eingabesprache-ID-Aufforderung
Keyword-biased ASR und AST
Fähigkeiten zur Zeichensetzung und Großschreibung
Trainiert mit 390.000 Stunden Audio
Unterstützte Sprachen: Englisch, Französisch, Deutsch, Spanisch, Portugiesisch, Japanisch
Erste Schritte mit Granite Speech 5.0 2B
Modellzugang: Besuchen Sie Hugging Face
Authentifizierung: Konto einrichten
Umgebung einrichten: Transformers installieren
Integration über API: Transformers-Bibliothek verwenden
Optimierung: Empfohlene Einstellungen für beste Ergebnisse verwenden
Granite Speech 5.0 2B's Anwendungsfälle
- Mehrsprachige ASR
- Sprachübersetzung
- Geräuschrobustheit
- Keyword-Biasierung
- Unternehmensanwendungen














