IBM lança atualizações para modelos de fala da Granite Speech

A IBM acaba de lançar três atualizações importantes para a coleção de modelos de fala da Granite Speech, que visam melhorar a precisão e a velocidade na transcrição, tradução e atribuição de falas. Essas atualizações incluem um novo modelo de linguagem, o granite-speech-5.0-2b, e revisões de dois modelos já utilizados pela comunidade, o granite-speech-5.0-470m-turboctc e o granite-speech-4.1-2b-plus.

O modelo granite-speech-5.0-2b é o sucessor do granite-speech-4.1-2b e oferece transcrição e tradução em várias línguas, incluindo inglês, francês, alemão, espanhol, português e japonês. Além disso, ele também traduz do inglês para o italiano e o mandarim. Esse modelo foi treinado com 390.000 horas de áudio público e dados sintéticos, o que garante uma alta precisão na transcrição e tradução.

Uma das principais vantagens do modelo granite-speech-5.0-2b é sua capacidade de transcrição rápida e precisa. De acordo com os resultados oficiais do Open ASR Leaderboard, esse modelo ocupa a segunda posição entre os modelos de transcrição de fala de peso aberto, com uma taxa de erro média de 5,06% para o inglês. Isso significa que as empresas podem contar com uma transcrição precisa e rápida de áudios, o que é fundamental para muitas aplicações, como a transcrição de reuniões, chamadas de suporte e entrevistas.

Além disso, a IBM também lançou uma revisão do modelo granite-speech-5.0-470m-turboctc, que é um modelo de transcrição rápido e preciso para o inglês. Essa revisão inclui melhorias na velocidade de transcrição, com uma redução no tempo de aquecimento e um aumento na taxa de transcrição, chegando a 19.870 RTFx no Open ASR Leaderboard. Isso significa que as empresas podem contar com uma transcrição rápida e precisa de áudios em inglês, o que é fundamental para muitas aplicações.

Outra atualização importante é a revisão do modelo granite-speech-4.1-2b-plus, que é um modelo de transcrição de fala projetado para gravações de reuniões, chamadas de suporte e entrevistas com vários falantes. Esse modelo foi melhorado em quatro áreas, incluindo a precisão da transcrição, a capacidade de atribuir falas a diferentes falantes e a capacidade de lidar com ruídos e interferências. Isso significa que as empresas podem contar com uma transcrição precisa e confiável de gravações de reuniões e outras aplicações.

Todas essas atualizações são lançadas sob a licença Apache 2.0 e têm suporte nativo em Transformers, o que significa que as empresas podem facilmente integrá-las em suas aplicações. Além disso, a IBM também recomenda o uso do Granite Guardian para implantações de produção que necessitam de detecção adicional de riscos.

Em resumo, as atualizações da IBM para a coleção de modelos de fala da Granite Speech oferecem melhorias significativas na precisão e velocidade da transcrição, tradução e atribuição de falas. Isso pode ter um impacto positivo em muitas aplicações, como a transcrição de reuniões, chamadas de suporte e entrevistas, e pode ajudar as empresas a melhorar a eficiência e a produtividade em muitas áreas.