IBM의 Granite Speech 컬렉션에 대한 세 가지 업데이트를 공유하게 되어 기쁩니다: 새로운 음성-언어 모델인 granite-speech-5.0-2b과(와) 커뮤니티가 이미 사용 중인 두 모델의 개정 버전인 granite-speech-5.0-470m-turboctc 및 granite-speech-4.1-2b-plus입니다. 이들 모델은 함께 기업 음성 작업의 전 범위를 다룹니다: 높은 정확도의 전사 및 번역, 엣지에서의 초고속 전사, 그리고 누가 언제 말했는지가 무엇이 말해졌는지만큼 중요한 녹음물 처리입니다.
| 모델 | 상태 | 새로운 점 | 적합한 용도 |
|---|---|---|---|
granite-speech-5.0-2b |
신규 | 더 정확하고 소음 및 잔향에 강한 자동 음성 인식(ASR), 언어 식별(language-ID) 프롬프팅, 2,000개 단어 키워드 바이어싱, 향상된 장문 번역 | 고정확도 다국어 전사 및 번역 |
granite-speech-5.0-470m-turboctc |
업데이트 | 다국어 지원, 네이티브 문장부호 및 대소문자 처리, 소음과 잔향에 대한 향상된 강건성 | 고처리량 및 온디바이스 전사 |
granite-speech-4.1-2b-plus |
업데이트 | 향상된 화자 귀속, 타임스탬프, 키워드 바이어싱 및 장시간 음성 성능 | 회의, 통화 및 기타 다중 화자 녹음물 |
Granite Speech 5.0 2B: 더 정확하게, 더 강건하게, 더 많은 제어력으로
granite-speech-5.0-2b 은(는) 동일한 파라미터 수를 가진 granite-speech-4.1-2b 의 후속 모델입니다. 이 모델은 영어, 프랑스어, 독일어, 스페인어, 포르투갈어, 일본어를 전사하고, 해당 언어들과 영어 간 번역을 지원하며, 추가로 영어에서 이탈리아어와 만다린(중국어)으로의 번역도 가능합니다. 390,000시간의 공개 오디오와 일본어 ASR, 키워드 바이어싱, 번역을 위해 구축된 합성 데이터로 학습되었습니다.
4.1 2B Speech와 비교한 새로운 점:
- 더 정확하고 더 강건한 영어 ASR: 영어 단문(short-form) 벤치마크에서 더 높은 정확도, 그리고 소음, 잔향 및 원거리 마이크 음성 처리 성능 향상.
- 언어 식별(Language ID) 프롬프팅: 프롬프트에 입력 언어를 지정하여 다국어 전사를 유도할 수 있습니다.
- 향상된 장문 및 대화체 번역: 짧게 읽은 문장뿐 아니라 더 자연스러운 음성에서 더 길게 번역 품질이 유지됩니다.
- 최대 2,000개 용어까지의 키워드 목록: 지원되는 모든 언어에서 제품명, 인명, 약어 위주로 전사 및 번역을 수행합니다.
- 요청 시 문장 부호 및 대소문자 처리: 프롬프트에서 형식화된 출력을 요청하세요. 대소문자 F1은 테스트 세트 전반에서 89.7에서 99.5 범위입니다.
이 모델은 Apache 2.0 라이선스로 제공되며, Transformers, vLLM, llama.cpp, 그리고 Apple Silicon용 mlx-audio를 지원합니다.
차트 1: granite-speech-5.0-2b는 평균 영어 WER(5.06%) 기준 상위 오픈 웨이트 ASR 모델 중 #2를 기록했습니다. 낮을수록 좋습니다. 결과는 비공식 것이며, 2026년 10월 15일 기준으로 Open ASR Leaderboard의 공개 영어 short-form 테스트 세트에 대한 평균값입니다.
Granite Speech 5.0 Turbo CTC: 이제 다국어를 지원하며, 더 강력하고 더욱 빨라졌습니다
우리가 8월에 Turbo CTC를 소개했을 때, 그것은 속도를 위해 설계된 영어 전용 470M 파라미터 인코더였습니다. 이번 개정판은 그 규모를 유지하면서 사용자들이 가장 많이 요청한 세 가지를 추가했습니다:
- 다국어 전사: 영어, 일본어, 스페인어, 독일어, 프랑스어, 이탈리아어, 포르투갈어.
- 고유 문장부호 및 대소문자 규칙 적용: 전사 결과는 별도의 문장부호 처리나 truecasing 단계 없이 바로 읽을 수 있는 형태로 출력됩니다.
- 어려운 음향 환경에서 더 견고: 잔향이 있는 오디오를 명시적으로 목표로 하는 학습을 통해 Turbo CTC는 메아리가 있는 공간과 원거리 녹음에서 더욱 견고해졌습니다.
또한 더 빨라졌습니다. 단일 Conformer 블록을 컴파일하고 그 그래프를 스택 전체에서 재사용함으로써 워밍업 시간을 단축했고, Open ASR Leaderboard에서 Turbo CTC를 출시 당시의 약 12,600 RTFx에서 19,870 RTFx로 끌어올렸습니다: 동일한 정확도 수준에서 약 1.6배 빠른 속도입니다.
차트 2: Open ASR Leaderboard에서의 평균 WER 대 RTFx (영어 short-form, 공개 테스트 세트 9개, 2026년 10월 기준). WER이 낮고 RTFx가 높을수록 좋으며, RTFx는 로그 스케일입니다.
Granite Speech 4.1 2B Plus: 누가, 언제 말했는지 더 정확하게
업데이트된 granite-speech-4.1-2b-plus 모델은 기업이 실제로 보유한 녹음물, 즉 여러 화자가 오랫동안 대화를 이어가는 회의, 고객 지원 통화, 인터뷰에 맞춰 튜닝되었습니다. 아키텍처, 프롬프트 형식, API가 변경되지 않았기 때문에 4.1이라는 이름을 유지하며, 따라서 향상된 가중치를 갖춘 현재 모델의 드롭인 대체재입니다. 이번 리비전은 네 가지 영역을 개선합니다:
- 화자 귀속: 누가 말하고 있는지에 대한 레이블링이 더 정확해졌습니다. 단어 단위 diarization 오류율(WDER)이 7% 감소하고, 화자 귀속 WER(cpWER)은 전체적으로 7% 감소했습니다.
- 타임스탬프: 평균 타임스탬프 오차(AAS)가 절반 이상 줄어들어 자막, 검색, 검토 작업에서 더 정밀한 타이밍을 제공합니다.
- 장시간 음성 성능: 장문(long-form) 테스트 세트에서의 WER이 24% 감소했습니다.
- 키워드 바이어싱: 20개 키워드 목록 사용 시 바이어싱된 키워드에 대한 오류가 45% 감소했습니다.
| 기능 | 지표 | 이전 릴리스 | 업데이트된 모델 |
|---|---|---|---|
| 타임스탬프, 전체 음성 | AAS (평균 타임스탬프 오차) | 210.86 | 98.54 |
| 타임스탬프, 짧은 음성 | AAS (평균 타임스탬프 오차) | 29.27 | 26.20 |
| 키워드 바이어싱 | 바이어싱된 단어 WER, 20개 단어 목록 | 11.79 | 6.48 |
| 장시간 음성 | WER, 장문 테스트 세트 | 13.53 | 10.22 |
| 화자 귀속 | WDER | 4.40 | 4.10 |
| 화자 귀속 전사본 | cpWER | 30.50 | 28.48 |
표 1: 모든 지표는 오류율이므로 낮을수록 좋습니다. 더 자세한 결과는 다음을 참조하십시오. 모델 카드.
시작하기
어떤 모델을 선택해야 할지 잘 모르시나요? 여기서 시작하세요:
- 높은 전사 정확도, 번역 또는 키워드 바이어싱이 필요하신가요? 사용 granite-speech-5.0-2b.
- 빠른 속도나 온디바이스 전사(음성 인식)가 필요하신가요? 사용법 granite-speech-5.0-470m-turboctc, 그리고 브라우저에서 다음을 통해 사용해 보세요: WebGPU 스트리밍 데모.
- 회의나 다자간 통화를 다루고 계신가요? 사용법 granite-speech-4.1-2b-plus.
이 모델들은 모두 Apache 2.0 라이선스로 공개되었으며 Transformers에서 기본적으로 지원됩니다. 전체 평가 결과, 아키텍처 세부 사항, 학습 데이터 및 사용 예시는 각 모델 카드에서 확인할 수 있습니다. 함께 사용할 것을 권장합니다 Granite Guardian 은(는) 추가적인 위험 탐지가 필요한 프로덕션 배포에 사용할 수 있습니다.
직접 사용해 보시고 여러분의 생각을 알려주세요!