IBM bracht Granite Speech 5.0 2B uit voor spraakherkenning

IBM dateert de release van Granite Speech 5.0 2B op 20 oktober 2026. Het model met 2 miljard parameters is bedoeld voor automatische spraakherkenning en spraakvertaling en heeft een Apache 2.0-licentie. IBM noemt zes talen voor transcriptie en beschrijft daarnaast de precieze vertaalrichtingen.

Welke talen en vertaalrichtingen ondersteunt het?

IBM noemt Engels, Frans, Duits, Spaans, Portugees en Japans voor automatische spraakherkenning (ASR). Voor vertaling vermeldt IBM vertaling van en naar het Engels voor Frans, Duits, Spaans, Portugees en Japans. Daarnaast noemt IBM vertaling van Engels naar Italiaans en Mandarijn.

De lijst geeft dus geen grond om ook vertaling van Italiaans of Mandarijn naar het Engels aan te nemen.

Hoe het model werkt en welk audioformaat IBM adviseert

Granite Speech 5.0 2B bestaat uit een spraakencoder met 16 Conformer-blokken, gevolgd door een projector die de audio-invoer verkleint voordat die naar het taalmodel gaat. Door die tijdscompressie gaan de akoestische representaties met 10 Hz naar het taalmodel. De encoder is getraind met CTC, een methode die spraak en tekst op elkaar afstemt zonder voor elke invoer een aparte uitlijning te vereisen.

IBM adviseert audio voor de beste resultaten op te delen in segmenten van ongeveer twee minuten of korter. Voor GGUF raadt IBM de Q8_0-kwantisatie aan. IBM meldt afzonderlijk dat kwantisaties met minder bits aan nauwkeurigheid verliezen bij audio langer dan ongeveer één minuut.

Wat zeggen de gerapporteerde WER-cijfers?

WER, of word error rate, is het percentage woorden dat bij transcriptie verkeerd wordt herkend. MarkTechPost rapporteerde voor Granite Speech 5.0 2B een gemiddelde Engelse WER van 5,68% op de Open ASR Leaderboard, gemeten op 21 oktober 2026 over negen openbare en twee private testsets.

MarkTechPost rapporteerde ook een afzonderlijk cijfer van 5,06% voor openbare korte-audiosets, gedateerd 15 oktober 2026 en toegeschreven aan een IBM-blogcijfer. De meetdatum en testsetomvang verschillen van die van het leaderboardgemiddelde.

Zo kun je het model proberen

IBM documenteert een gehoste Hugging Face Inference Endpoint met een OpenAI-compatibele API. Daarmee kunnen ontwikkelaars een verzoek testen zonder de modelgewichten eerst lokaal te installeren. De endpoint schaalt naar nul wanneer die niet wordt gebruikt, waardoor het eerste verzoek enkele minuten kan duren om op te starten.

Voor lokaal gebruik noemt IBM Transformers, vLLM, llama.cpp met GGUF en mlx-audio voor Apple Silicon. De voorbeeldcode van IBM verwacht mono-audio met een samplefrequentie van 16 kHz.

Ray Codes laat in een Engelstalige screencast een lokale Python-workflow zien, met transcriptie van een townhall-toespraak en vertaling van Frans naar Engels.

Wat gebeurt er bij ongewone prompts?

IBM zegt dat het model bij een ongeldige of onbekende prompt terugvalt op transcriptie. IBM raadt Granite Guardian aan om risico’s in prompts en antwoorden te detecteren. Het bedrijf waarschuwt ook dat de uitvoer onjuist, bevooroordeeld, beledigend of anderszins ongewenst kan zijn.