Nueva versión del modelo de voz de IBM: un modelo compacto de 2.000 millones de parámetros que transcribe audio y lo traduce entre idiomas.
¿Por qué importa? Es un modelo de reconocimiento de voz de pesos abiertos que funciona en español y, según IBM, es más preciso y resistente al ruido y la reverberación que Granite Speech 4.1, con listas de hasta 2.000 palabras clave para reconocer nombres y términos técnicos.
Pesos abiertos en Hugging Face (licencia Apache 2.0), con soporte en Transformers, vLLM, llama.cpp y mlx-audio. IBM actualizó a la vez granite-speech-5.0-470m-turboctc, una versión ligera para dispositivos, y granite-speech-4.1-2b-plus, orientada a reuniones con varios interlocutores.
Datos clave: transcripción en inglés, francés, alemán, español, portugués y japonés; traducción desde y hacia el inglés en esos idiomas, y del inglés al italiano y al chino mandarín.
