跳转到主要内容
ToolPotion
AI 顾问
提交(免费)

Granite Speech 5.0 2B

Granite Speech 5.0 2B 是一个多语言语音语言模型,旨在实现自动语音识别和翻译。它支持英语、法语、德语、西班牙语、葡萄牙语和日语,提供更高的转录准确性和抗噪声能力。

查看模型
分享
查看模型
分享

Granite Speech 5.0 2B 是一个紧凑且高效的语音语言模型,专为多语言自动语音识别(ASR)和双向自动语音翻译(AST)而开发。它支持包括英语、法语、德语、西班牙语、葡萄牙语和日语在内的多种语言。该模型在来自公共语料库和合成数据集的390,000小时音频上进行了训练,增强了其在日语ASR、关键词偏向ASR和语音翻译方面的能力。

阅读更多

与其前身Granite Speech 4.1 2B相比,该模型保持相同的参数数量,但在英语短语ASR的转录准确性上有所提高,并且对噪声和混响的鲁棒性增强。它还支持多语言ASR的输入语言ID提示,并改善了长语音和对话语音翻译的能力。

Granite Speech 5.0 2B 在各种基准测试中进行了评估,显示出在嘈杂和混响语音条件下的性能增强。该模型的关键词列表偏向能力也经过测试,证明其在ASR任务中转录关键词的有效性。

该模型架构包括一个具有16个变换器块的语音编码器、一个语音投影器和一个大型语言模型。它使用IBM的超级计算集群Blue Vela进行训练,配备NVIDIA H100 GPU。训练过程在8个H100 GPU上进行了40天。

Granite Speech 5.0 2B 旨在用于涉及语音输入处理的企业应用,特别是在语音转文本和语音翻译任务中。它在transformers版本4.52.1及以上版本中原生支持,并可以与各种平台集成以实现最佳性能。

  • 类别AI 模型与大语言模型
  • 部署云端
  • 平台网页版

  • 多语言ASR和AST支持

  • 提高的转录准确性

  • 抗噪声和混响能力

  • 输入语言ID提示

  • 关键词偏向ASR和AST

  • 标点和大写能力

  • 在390,000小时音频上训练

  • 支持的语言:英语、法语、德语、西班牙语、葡萄牙语、日语

  1. 访问模型:访问Hugging Face

  2. 身份验证:设置账户

  3. 设置环境:安装transformers

  4. 通过API集成:使用transformers库

  5. 优化:使用推荐设置以获得最佳结果

  • 多语言ASR
  • 语音翻译
  • 抗噪声能力
  • 关键词偏向
  • 企业应用

IBM 旗下产品

Granite Speech 5.0 2B 评价

加载中...

与 Granite Speech 5.0 2B 类似的热门AI工具

Qwen3-ASR-1.7B-hf 是一个先进的开源自动语音识别(ASR)模型,支持 52 种语言和方言的语言识别和语音识别。它在复杂的声学环境中提供高质量、稳健的识别,并支持流式和离线推理。

AI 模型与大语言模型
查看工具

先进的开源自动语音识别(ASR)模型,支持 52 种语言和方言的语言识别和语音识别。它在复杂的声学环境中提供高质量、稳健的识别,并支持流式和离线推理。Qwen3-ASR-1.7B-hf 是一个先进的开源自动语音识别(ASR)模型,支持 52 种语言和方言的语言识别和语音识别。它在复杂的声学环境中提供高质量、稳健的识别,并支持流式和离线推理。

AI 模型与大语言模型
查看 AI 模型 Top 5

Whisper-large-v3 是一个先进的自动语音识别和语音翻译模型,训练于超过 500 万小时的数据。它在多种语言中提供了更好的性能,旨在为 AI 领域的开发者和研究人员服务。

AI 模型与大语言模型
查看工具

先进的自动语音识别和语音翻译模型,训练于超过 500 万小时的数据。它在多种语言中提供了更好的性能,旨在为 AI 领域的开发者和研究人员服务。Whisper-large-v3 是一个先进的自动语音识别和语音翻译模型,训练于超过 500 万小时的数据。它在多种语言中提供了更好的性能,旨在为 AI 领域的开发者和研究人员服务。

精选AI 模型与大语言模型
查看 AI 模型 Top 5

Wav2vec 2.0

AI 模型

Wav2vec 2.0 是一种用于自动语音识别的自监督学习算法。它从原始音频中学习,仅需极少量转录数据即可达到高精度。这使得更多语言、方言和领域能够实现语音识别,减少对海量标注数据集的依赖。

AI 模型与大语言模型
查看工具

AI 模型

用于自动语音识别的自监督学习算法。它从原始音频中学习,仅需极少量转录数据即可达到高精度。这使得更多语言、方言和领域能够实现语音识别,减少对海量标注数据集的依赖。Wav2vec 2.0 是一种用于自动语音识别的自监督学习算法。它从原始音频中学习,仅需极少量转录数据即可达到高精度。这使得更多语言、方言和领域能够实现语音识别,减少对海量标注数据集的依赖。

AI 模型与大语言模型
查看 AI 模型 Top 5

OpenAI Whisper 是一个用于自动语音识别和翻译的预训练模型。它支持多种语言,并设计为在不同数据集上进行泛化,无需微调,使其在各种 ASR 任务中具有多功能性。

AI 模型与大语言模型
查看工具

用于自动语音识别和翻译的预训练模型。它支持多种语言,并设计为在不同数据集上进行泛化,无需微调,使其在各种 ASR 任务中具有多功能性。OpenAI Whisper 是一个用于自动语音识别和翻译的预训练模型。它支持多种语言,并设计为在不同数据集上进行泛化,无需微调,使其在各种 ASR 任务中具有多功能性。

AI 模型与大语言模型
查看 AI 模型 Top 5

Wav2Vec2 Large XLSR-53 是一个预训练的语音模型,旨在实现跨语言语音识别。它需要针对特定任务进行微调,如自动语音识别,在多种语言中提供更好的错误率。

AI 模型与大语言模型
查看工具

预训练的语音模型,旨在实现跨语言语音识别。它需要针对特定任务进行微调,如自动语音识别,在多种语言中提供更好的错误率。Wav2Vec2 Large XLSR-53 是一个预训练的语音模型,旨在实现跨语言语音识别。它需要针对特定任务进行微调,如自动语音识别,在多种语言中提供更好的错误率。

AI 模型与大语言模型
查看 AI 模型 Top 5

SeamlessM4T v2 大型模型是一个支持近100种语言的多语言和多模态机器翻译模型,能够进行语音和文本翻译。与其前身相比,它提供了更高的质量和速度。

AI翻译工具
查看工具

支持近100种语言的多语言和多模态机器翻译模型,能够进行语音和文本翻译。与其前身相比,它提供了更高的质量和速度。SeamlessM4T v2 大型模型是一个支持近100种语言的多语言和多模态机器翻译模型,能够进行语音和文本翻译。与其前身相比,它提供了更高的质量和速度。

AI翻译工具
查看 AI 模型 Top 5

Whisper Large V3 Turbo 是一款先进的自动语音识别和翻译模型,经过优化以提高速度,并减少了解码层。它支持多种语言,并提供强大的转录能力。

AI 模型与大语言模型
查看工具

先进的自动语音识别和翻译模型,经过优化以提高速度,并减少了解码层。它支持多种语言,并提供强大的转录能力。Whisper Large V3 Turbo 是一款先进的自动语音识别和翻译模型,经过优化以提高速度,并减少了解码层。它支持多种语言,并提供强大的转录能力。

AI 模型与大语言模型
查看 AI 模型 Top 5

Whistle 是一个紧凑的语音转文本模型,设计用于各种设备,提供转录、单词时间戳和多语言语音嵌入。它高效运行,无需依赖或 GPU 要求。

AI 模型与大语言模型
查看工具

紧凑的语音转文本模型,设计用于各种设备,提供转录、单词时间戳和多语言语音嵌入。它高效运行,无需依赖或 GPU 要求。Whistle 是一个紧凑的语音转文本模型,设计用于各种设备,提供转录、单词时间戳和多语言语音嵌入。它高效运行,无需依赖或 GPU 要求。

AI 模型与大语言模型
查看 AI 模型 Top 5
1/8