Descripción
Granite Speech 5.0 2B es un modelo de lenguaje de voz compacto y eficiente desarrollado para el reconocimiento automático de voz (ASR) multilingüe y la traducción automática de voz bidireccional (AST). Soporta idiomas como inglés, francés, alemán, español, portugués y japonés. El modelo fue entrenado con 390,000 horas de audio de corpora públicos y conjuntos de datos sintéticos, mejorando sus capacidades en ASR japonés, ASR sesgado por palabras clave y traducción de voz.
Leer más
En comparación con su predecesor, Granite Speech 4.1 2B, este modelo mantiene la misma cantidad de parámetros pero ofrece una mayor precisión en la transcripción para ASR en inglés de formato corto y una mayor robustez ante el ruido y la reverberación. También soporta la identificación del idioma de entrada para ASR multilingüe y ha mejorado sus capacidades de traducción de voz en formato largo y conversacional.
Granite Speech 5.0 2B fue evaluado en varios benchmarks, mostrando un rendimiento mejorado en condiciones de habla ruidosa y reverberante. La capacidad de sesgo de la lista de palabras clave del modelo también fue probada, demostrando su efectividad en la transcripción de palabras clave durante tareas de ASR.
La arquitectura del modelo incluye un codificador de voz con 16 bloques conformadores, un proyector de voz y un modelo de lenguaje grande. Fue entrenado utilizando el clúster de supercomputación Blue Vela de IBM, equipado con GPUs NVIDIA H100. El proceso de entrenamiento tomó 40 días en 8 GPUs H100.
Granite Speech 5.0 2B está destinado a aplicaciones empresariales que implican el procesamiento de entrada de voz, particularmente en tareas de conversión de voz a texto y traducción de voz. Es compatible de forma nativa en transformers versión 4.52.1 y superior, y puede integrarse con varias plataformas para un rendimiento óptimo.
- CategoríaModelos de IA y LLM
- ImplementaciónNube
- PlataformasWeb
Aspectos destacados de Granite Speech 5.0 2B
Soporte para ASR y AST multilingüe
Mayor precisión en la transcripción
Robustez ante ruido y reverberación
Identificación del idioma de entrada
ASR y AST sesgados por palabras clave
Capacidades de puntuación y capitalización
Entrenado con 390,000 horas de audio
Idiomas soportados: inglés, francés, alemán, español, portugués, japonés
Primeros pasos con Granite Speech 5.0 2B
Acceder al modelo: Visitar Hugging Face
Autenticarse: Configurar cuenta
Configurar el entorno: Instalar transformers
Integrar a través de API: Usar la biblioteca transformers
Optimizar: Usar configuraciones recomendadas para mejores resultados
Casos de uso de Granite Speech 5.0 2B
- ASR multilingüe
- Traducción de voz
- Robustez ante ruido
- Sesgo por palabras clave
- Aplicaciones empresariales














