IBM представила семейство моделей Granite Speech 5.0

Компания IBM выпустила новую серию моделей Granite Speech 5.0, предназначенных для высокоточной обработки аудиоданных. Линейка включает инструменты для транскрибации, перевода речи и автоматической атрибуции спикеров, обеспечивая улучшенную производительность по сравнению с предыдущими версиями.

Разработчики сфокусировались на повышении качества распознавания в сложных акустических условиях. Модели Granite Speech 5.0 демонстрируют снижение уровня ошибок распознавания слов (WER) на 15-20% на специализированных наборах данных. Архитектура оптимизирована для работы с длинными аудиозаписями, что позволяет эффективно обрабатывать многочасовые совещания и интервью без потери контекста.

Ключевой особенностью релиза стала улучшенная система диаризации, которая точнее определяет смену говорящих даже при перекрывающихся голосах. Модели поддерживают работу с десятками языков и адаптированы для интеграции в корпоративные системы обработки данных. Использование новых алгоритмов позволило сократить время инференса на 30% на стандартном серверном оборудовании.

Новые модели доступны для исследователей и разработчиков через платформу Hugging Face. IBM предоставляет документацию и примеры реализации, которые позволяют внедрить функционал в существующие пайплайны обработки аудио. Обновление направлено на автоматизацию рутинных задач по протоколированию встреч и созданию субтитров в реальном времени.