説明
Granite Speech 5.0 2Bは、多言語自動音声認識(ASR)および双方向自動音声翻訳(AST)のために開発されたコンパクトで効率的な音声言語モデルです。英語、フランス語、ドイツ語、スペイン語、ポルトガル語、日本語を含む言語をサポートしています。このモデルは、公共コーパスおよび合成データセットからの390,000時間の音声で訓練されており、日本語のASR、キーワードバイアスASR、音声翻訳の能力を強化しています。
続きを読む
前モデルであるGranite Speech 4.1 2Bと比較して、このモデルは同じパラメータ数を維持しながら、英語の短文ASRにおける転写精度が向上し、ノイズや残響に対する耐性が増しています。また、多言語ASRのための入力言語IDプロンプトをサポートし、長文および会話の音声翻訳能力も向上しています。
Granite Speech 5.0 2Bは、さまざまなベンチマークで評価され、ノイズや残響のある音声条件でのパフォーマンスが向上していることが示されました。モデルのキーワードリストバイアス機能もテストされ、ASRタスク中のキーワードの転写における効果が実証されました。
モデルアーキテクチャには、16のコンフォーマーブロックを持つ音声エンコーダー、音声プロジェクター、大規模言語モデルが含まれています。IBMのスーパーコンピュータクラスターBlue Velaを使用して、NVIDIA H100 GPUで訓練されました。訓練プロセスは8つのH100 GPUで40日間かかりました。
Granite Speech 5.0 2Bは、特に音声からテキストへの処理や音声翻訳タスクに関わる企業向けアプリケーションを目的としています。transformersバージョン4.52.1以上でネイティブにサポートされており、最適なパフォーマンスのためにさまざまなプラットフォームと統合できます。
- カテゴリーAIモデルとLLM
- デプロイクラウド
- プラットフォームWeb
Granite Speech 5.0 2Bのハイライト
多言語ASRおよびASTのサポート
転写精度の向上
ノイズおよび残響に対する耐性
入力言語IDプロンプトのサポート
キーワードバイアスASRおよびAST
句読点および大文字化機能
390,000時間の音声で訓練
サポートされる言語:英語、フランス語、ドイツ語、スペイン語、ポルトガル語、日本語
Granite Speech 5.0 2Bをはじめる
モデルにアクセス:Hugging Faceを訪問
認証:アカウントを設定
環境を設定:transformersをインストール
API経由で統合:transformersライブラリを使用
最適化:最良の結果のために推奨設定を使用
Granite Speech 5.0 2Bの使用例
- 多言語ASR
- 音声翻訳
- ノイズ耐性
- キーワードバイアス
- 企業向けアプリケーション














