IBM выпустила Granite Speech 5.0 для распознавания речи на разных языках
Изображение: OpenAI
IBM выпустила модель Granite Speech 5.0 2B для распознавания речи на разных языках и обновила ещё две речевые модели. В своём блоге на Hugging Face компания сообщила, что все три доступны по лицензии Apache 2.0.
По данным компании, 5.0 2B точнее предыдущей версии распознаёт короткие записи на английском и лучше справляется с шумом и эхом; по средней доле ошибок в публичных тестах Open ASR Leaderboard на коротких англоязычных записях (5,06%) IBM ставит её на второе место среди ведущих моделей распознавания речи с открытыми весами. Модель поддерживает шесть языков: английский, французский, немецкий, испанский, португальский и японский.
Модель передаёт содержание речи с английского на остальные поддерживаемые языки и обратно, а также с английского на итальянский и мандаринский китайский. Ей можно задать до 2000 терминов, которые нужно учитывать при распознавании речи и передаче её содержания на другом языке, например названия продуктов и имена людей.
Granite Speech 5.0 Turbo CTC с 470 млн параметров теперь распознаёт речь на тех же шести языках, а также на итальянском. Она стала примерно в 1,6 раза быстрее при прежней точности. Результат получен на коротких англоязычных записях в тестах Open ASR Leaderboard. Модель предназначена в том числе для распознавания речи непосредственно на устройстве.
В обновлённой Granite Speech 4.1 2B Plus для записей с несколькими участниками IBM улучшила определение говорящего. В тестах компании показатель ошибок определения говорящего на уровне слов (WDER) снизился на 7%, а частота ошибок распознавания длинных записей — на 24%. Среднее смещение временных меток сократилось более чем вдвое. Обновление сохраняет прежние API и формат запросов.
