IBM lança o modelo de fala granite 5.0 2b para transcrição e tradução multilinguística aprimoradas

A IBM lançou o Granite Speech 5.0 2B, um novo modelo de fala-linguagem de código aberto, projetado para transcrição e tradução em seis idiomas. O modelo, lançado sob a licença Apache 2.0, inclui atualizações para dois modelos existentes: Turbo CTC e 4.1 2B Plus. Ele apresenta um codificador de fala com 16 blocos Conformer treinados usando CTC, juntamente com uma janela q-former de 2 camadas que reduz a resolução das representações acústicas em 10x. O LLM é baseado no granite-4.0-1b-base, estendido para 16k posições com YaRN e afinado com adaptadores LoRA. O treinamento envolveu 390.000 horas de dados de áudio, alcançando uma taxa de erro média de palavras (WER) de 5,68% em inglês na Open ASR Leaderboard, em 21 de outubro de 2026. O modelo apresenta um desempenho excepcional em português e espanhol, com taxas de erro de 2,60% e 3,50%, respectivamente, mas tem dificuldades com japonês, com uma taxa de 10,74%. Para tradução, as pontuações BLEU de X-to-English CoVoST atingem 53,6 para português e 40,1 para alemão. A IBM também melhorou o viés de palavras-chave, aumentando as pontuações F1 de palavras-chave de 67,2 para 90,1 no Earnings-22. O modelo Turbo CTC atualizado agora suporta sete idiomas com pontuação nativa, alcançando um throughput de 19.870 RTFx.