# Granite Speech 5.0: три обновления для локальной работы с записью

Источник: https://modelium.tech/zhurnal/granite-speech-5-local-transcription-translation/

21 октября IBM представила Granite Speech 5.0 2B для перевода и расшифровки речи, обновила быструю TurboCTC 470M для семи языков и Granite Speech 4.1 Plus для записи с несколькими говорящими. Веса доступны для локального запуска; русский язык в списках поддерживаемых не указан. Модели редакция не запускала.

Если нужно расшифровать запись или перевести произнесённое, IBM 21 октября представила три варианта Granite Speech. Новая **5.0 2B** подходит для распознавания и перевода речи; обновлённая **5.0 TurboCTC 470M** — для быстрой расшифровки; обновлённая **4.1 2B Plus** — когда важно различать говорящих и видеть время слов. Это отдельные модели с разными задачами, а не три размера одной модели. [s1](#src-s1)

## Что нового и какой вариант выбрать

**Для перевода и сложной записи — Granite Speech 5.0 2B.** IBM указывает шесть языков распознавания: английский, французский, немецкий, испанский, португальский и японский. Модель переводит речь между английским и этими языками, а также с английского на итальянский и китайский. Можно задать исходный язык и список специальных слов, например имён или названий; поддержка списка до 2000 терминов — заявление разработчика. Для длинной записи IBM рекомендует сначала делить аудио на фрагменты примерно до двух минут. Новые веса и карточка доступны на Hugging Face. [s1](#src-s1) [s2](#src-s2)

**Для быстрой расшифровки — Granite Speech 5.0 TurboCTC 470M.** Это не новая модель с нуля: вариант, ранее работавший только с английским, 21 октября получил обновлённые веса для семи языков — английского, французского, немецкого, испанского, португальского, итальянского и японского. Выход теперь содержит пунктуацию и заглавные буквы. По оценке IBM на английском наборе коротких записей, доля ошибок в словах составила 5,51% против 5,78% у прежней версии. Это авторская оценка, не наш тест; карточка отдельно отмечает, что результат нового варианта ещё не является официальной записью в рейтинге. [s1](#src-s1) [s3](#src-s3)

**Для встреч — Granite Speech 4.1 2B Plus.** Обновление сохраняет имя и формат запросов, но меняет веса. Модель может помечать, кто говорит, и ставить временные метки словам. Это полезно при разборе интервью и встреч, однако карточка предупреждает: в отличие от базовой 4.1 она не расставляет пунктуацию и заглавные буквы. Не стоит считать обновление безусловным улучшением всех режимов: в сравнении IBM средняя доля ошибок обычной расшифровки на новом наборе тестов выросла с 6,01% до 6,10%, тогда как некоторые специализированные замеры улучшились. [s1](#src-s1) [s4](#src-s4)

## Что доступно для локального запуска

У всех трёх вариантов опубликованы файлы весов и карточки с примерами для Transformers; доступ к этим репозиториям не закрыт. Карточка 5.0 2B также описывает llama.cpp, vLLM и mlx-audio на Mac, а TurboCTC — Transformers и mlx-audio. В репозитории IBM есть отдельный пакет кода `granite-speech`, но его текущая инструкция по умолчанию загружает 4.1 2B: **не путайте её с подтверждением запуска 5.0 через этот пакет**. Лицензия весов в карточках — Apache 2.0, лицензия упомянутого репозитория кода также Apache 2.0; условия конкретных сторонних программ проверяйте отдельно. [s2](#src-s2) [s3](#src-s3) [s4](#src-s4) [s5](#src-s5)

Например, для французской записи с названием фирмы в 5.0 2B можно указать язык и название в подсказке, затем сравнить готовый текст со звуком: не пропущено ли имя и не изменён ли смысл перевода. Это **пример задачи, не результат прогона Modelium**. Размер весов не равен требованию к оперативной памяти; универсальный минимум для домашнего компьютера IBM в этих карточках не приводит. Русский язык не назван среди поддерживаемых — для русской записи эти модели пока не следует выбирать по одному лишь анонсу. Начните с карточки варианта под вашу задачу и проверьте короткий собственный фрагмент, прежде чем обрабатывать большой архив. [s2](#src-s2) [s3](#src-s3) [s4](#src-s4)

Источники проверены 21 октября 2026 года; поддержка и оценки выше относятся к указанным ревизиям карточек, а не к самостоятельно воспроизведённому запуску.

## Источники

1. [IBM Granite: Granite Speech 5.0 announcement, 21 October 2026](https://huggingface.co/blog/ibm-granite/granite-speech-5) — получено 2026-10-21
2. [IBM Granite Speech 5.0 2B model card, revision c19933a6](https://huggingface.co/ibm-granite/granite-speech-5.0-2b/blob/c19933a6bde8a85e49c802f79585f7e2ed683088/README.md) — получено 2026-10-21
3. [IBM Granite Speech 5.0 470M TurboCTC model card, revision c85a3307](https://huggingface.co/ibm-granite/granite-speech-5.0-470m-turboctc/blob/c85a3307b6abec4a169daaf11e8dfa80ac27ad81/README.md) — получено 2026-10-21
4. [IBM Granite Speech 4.1 2B Plus model card, revision e69efe37](https://huggingface.co/ibm-granite/granite-speech-4.1-2b-plus/blob/e69efe37f97b6283c61f5a8dadda2b3eb67765d6/README.md) — получено 2026-10-21
5. [IBM Granite Speech code repository README and Apache-2.0 LICENSE](https://github.com/ibm-granite/granite-speech) — получено 2026-10-21