📖 AI 总结

IBM 发布开源语音语言模型 Granite Speech 5.0 2B，采用 Apache 2.0 许可，可将语音转写为 6 种语言的文本，并支持翻译。模型为 2B 参数稠密架构，由 CTC 训练的 Conformer 语音编码器、q-former 下采样模块和基于 granite-4.0-1b-base 的大语言模型组成，训练使用 39 万小时公开音频及合成数据，在 8 块 H100 上耗时 40 天。性能上，其在 Open ASR 排行榜开放权重模型中排名第二，英语平均词错误率 5.68%，LibriSpeech Clean 集低至 0.99%，但私有对话集升至 13.79%。相较 4.1 版本，新增语言 ID 提示、最多 2000 词的关键词偏置、按需标点与大小写，并提升了对噪声和混响的鲁棒性。该发布为开发者提供了高精度转写、端侧快速推理和说话人分离等能力。