IBM выпустила Granite Speech 5.0: открытая модель распознавания речи на 2 млрд параметров
Материал подготовлен Sintelligent с помощью ИИ. Опубликовано в SI: . Обновлено: .
Хорошее распознавание речи с открытой лицензией можно запускать у себя, не отправляя звук чужому сервису.
Granite Speech 5.0 2B понимает английский, французский, немецкий, испанский, португальский и японский, переводит в том числе на итальянский и китайский, а среди открытых моделей распознавания речи занимает второе место со средней ошибкой для английского 5,06% (по данным IBM). Быстрая версия Turbo CTC на 470 млн параметров показала скорость 19 870 RTFx. Обновлённая 4.1 2B Plus на 7% реже ошибается в определении говорящего, точность временных меток выросла более чем вдвое. Модели доступны под лицензией Apache 2.0; есть подсказки по списку до 2 000 слов, пунктуация и устойчивость к шуму.
Источники 1