IBM lanza granite speech 5.0 2b para una transcripción y traducción multilingüe mejoradas

IBM ha lanzado Granite Speech 5.0 2B, un nuevo modelo de habla-lenguaje de código abierto diseñado para la transcripción y la traducción en seis idiomas. El modelo, que se publica bajo la licencia Apache 2.0, incluye actualizaciones de dos modelos existentes: Turbo CTC y 4.1 2B Plus. Cuenta con un codificador de voz con 16 bloques Conformer entrenados utilizando CTC, junto con una ventana de 2 capas q-former que reduce las incrustaciones acústicas en 10x. El LLM se basa en granite-4.0-1b-base, extendido a 16k posiciones con YaRN y afinado con adaptadores LoRA. El entrenamiento implicó 390.000 horas de datos de audio, logrando un WER promedio de inglés del 5,68% en el Open ASR Leaderboard a partir del 21 de octubre de 2026. El modelo funciona excepcionalmente bien en portugués y español, con WERs del 2,60% y 3,50%, respectivamente, pero tiene dificultades con el japonés, que es del 10,74%. Para la traducción, las puntuaciones BLEU de X-to-English CoVoST alcanzan los 53,6 para el portugués y 40,1 para el alemán. IBM también ha mejorado el sesgo de palabras clave, aumentando las puntuaciones F1 de las palabras clave de 67,2 a 90,1 en Earnings-22. El modelo Turbo CTC actualizado ahora admite siete idiomas con puntuación nativa, logrando un rendimiento de 19.870 RTFx.