IBM công bố ba cập nhật quan trọng trong bộ sưu tập Granite Speech: mô hình mới granite‑speech‑5.0‑2b, phiên bản cải tiến granite‑speech‑5.0‑470m‑turboctc và bản nâng cấp granite‑speech‑4.1‑2b‑plus. Các mô hình này bao phủ toàn bộ chuỗi công việc doanh nghiệp: chuyển đổi giọng nói sang văn bản, dịch thuật nhanh ở biên và nhận dạng người nói trong các bản ghi đa người.
Model granite‑speech‑5.0‑2b giữ nguyên số tham số 2 tỷ nhưng mở rộng ngôn ngữ sang tiếng Anh, Pháp, Đức, Tây Ban Nha, Bồ Đào Nha và Nhật, đồng thời hỗ trợ dịch sang/đi từ tiếng Anh sang tiếng Ý và tiếng Quan Thoại. Được huấn luyện trên 390 000 giờ audio công cộng và dữ liệu tổng hợp, mô hình đạt WER trung bình 5.06 % cho tiếng Anh, xếp hạng #2 trên Open ASR Leaderboard (tính đến 15 /10/2026).
Phiên bản Turbo CTC 470 M vẫn giữ kích thước, nhưng nhờ biên dịch một khối Conformer duy nhất và tái sử dụng đồ thị, tốc độ tăng lên 19 870 RTFx – nhanh hơn 1.6× so với 12 600 RTFx lúc ra mắt, mà không mất độ chính xác.
Granite‑speech‑4.1‑2b‑plus được tối ưu cho các cuộc họp, cuộc gọi hỗ trợ và phỏng vấn dài, giữ nguyên kiến trúc và API, cho phép người dùng thay thế ngay mà không cần thay đổi mã.
Tất cả các mô hình được phát hành dưới giấy phép Apache 2.0 và tích hợp sẵn trong thư viện Transformers, vLLM, llama.cpp và mlx‑audio cho Apple Silicon. Đối với các doanh nghiệp và nhà phát triển Việt Nam, đây là cơ hội để triển khai giải pháp ASR mạnh mẽ, nhanh chóng và mở rộng, đồng thời giảm phụ thuộc vào dịch vụ đám mây bên ngoài.
Nguồn: Hugging Face — Biên dịch & tổng hợp: danhbaai.com