# Granite Speech 5.0: локальная расшифровка аудио прямо в браузере

Источник: https://modelium.tech/zhurnal/granite-speech-5-webgpu-browser/

IBM выпустила ONNX-версию Granite Speech 5.0 2B для распознавания речи в браузере с поддержкой WebGPU. Можно загрузить запись или воспользоваться микрофоном: обработка выполняется на устройстве, но приложение и модель сначала скачиваются из сети. Русский язык не входит в заявленный список поддерживаемых языков; редакция не проводила собственный тест качества.

Granite Speech 5.0: локальная расшифровка аудио прямо в браузере

Если нужно превратить короткую голосовую заметку в текст, теперь можно попробовать Granite Speech 5.0 без установки Python и сервера. 28 октября 2026 года в официальном репозитории IBM появились отдельные ONNX-веса — формат файлов модели для запуска в разных программах — и браузерная демонстрация. Загрузите запись или говорите в микрофон: само распознавание устроено как обработка в вашем браузере, а не отправка аудио на сервер распознавания. При первом открытии понадобятся интернет для загрузки приложения, библиотек и весов, а также совместимый графический адаптер. [s1](#src-s1) [s2](#src-s2)

## Что доступно сейчас

IBM опубликовала три части преобразованной 4-битной модели Granite Speech 5.0 2B и приложение на Transformers.js 4.3.2. WebGPU — способ дать браузеру выполнять вычисления на видеокарте. Интерфейс демонстрации предлагает запись с микрофона, загрузку аудиофайла, получение текста и перевод речи. Его собственная подсказка ориентирована на настольные Chrome 113+ и Edge 113+ с доступным WebGPU; универсальную совместимость со всеми браузерами обещать нельзя. [s1](#src-s1) [s2](#src-s2) [s5](#src-s5)

Заявленные разработчиком языки распознавания: английский, французский, немецкий, испанский, португальский и японский. Русский в этом перечне отсутствует — не выбирайте эту модель как подтверждённое решение для русскоязычной записи. Перевод в интерфейсе также не означает, что модель понимает речь на любом исходном языке. [s3](#src-s3) [s2](#src-s2)

## Как попробовать и проверить результат

Откройте [официальную демонстрацию IBM](https://huggingface.co/spaces/ibm-granite/granite-speech-webgpu) на настольном компьютере с Chrome или Edge. Дождитесь загрузки модели, выберите расшифровку и загрузите короткий файл на одном из заявленных языков либо разрешите доступ к микрофону. После обработки появится текст; сверьте в нём имена, числа и время с исходным аудио. Например, для собственной английской заметки о встрече проверьте, верно ли распознаны день недели и время, а не только общий смысл. Это путь по опубликованному интерфейсу, не испытание редакции Modelium на конкретном компьютере. [s2](#src-s2)

Первоначальная загрузка требует сети. Код демонстрации загружает JavaScript-библиотеки через CDN и веса с Hugging Face; приложение выполняет распознавание в браузере, но это само по себе не доказывает гарантированный офлайн-режим после отключения сети. Проект не даёт в этих источниках проверенного минимального объёма оперативной или видеопамяти: размер файлов модели нельзя принимать за такое требование. [s2](#src-s2) [s1](#src-s1)

## Какие ограничения важно знать

Это новая браузерная конверсия уже вышедшей Granite Speech 5.0, а не новая базовая модель. Официальный код демонстрации содержит временную поправку для несовпадения числа аудиопризнаков и служебных токенов: при расхождении он обрезает признаки либо дополняет их. Поэтому точность и устойчивость для ваших длинных или сложных записей нельзя выводить из факта доступности веб-страницы. Автор ONNX-конверсии приводит оценку на небольшом англоязычном наборе из 73 высказываний; Modelium этот результат не воспроизводил. [s1](#src-s1) [s2](#src-s2)

Карточки базовой модели и ONNX-варианта помечены Apache 2.0; в репозитории кода IBM лежит Apache-2.0 LICENSE. Эти отметки относятся к соответствующим весам и коду, а не автоматически ко всем зависимостям браузерного приложения. Для других условий использования изучайте лицензии отдельных компонентов. [s1](#src-s1) [s3](#src-s3) [s4](#src-s4)

Если нужен подробный обзор возможностей самой модели, а не нового способа открыть её в браузере, перейдите к [материалу о Granite Speech 5.0](/zhurnal/granite-speech-5-local-transcription-translation/). Перед использованием для важной записи всегда сверяйте текст с аудио. [s3](#src-s3)

## Источники

1. [IBM Granite Speech 5.0 2B ONNX: закреплённая карточка и модельные файлы](https://huggingface.co/ibm-granite/granite-speech-5.0-2b-ONNX/tree/a9cf1d13d045d65813b4bc80bde8fdd62db4c35c) — получено 2026-10-29
2. [IBM Granite Speech WebGPU: исходный код и интерфейс Space](https://huggingface.co/spaces/ibm-granite/granite-speech-webgpu/tree/176db1aa20b80d8615b438fe3b090dae3be775cd) — получено 2026-10-29
3. [IBM Granite Speech 5.0 2B: карточка базовой модели](https://huggingface.co/ibm-granite/granite-speech-5.0-2b/blob/c684620bb54fc89d14ba27256b23bbc9e09ba764/README.md) — получено 2026-10-29
4. [IBM granite-speech: лицензия кода](https://github.com/ibm-granite/granite-speech/blob/main/LICENSE) — получено 2026-10-29
5. [Hugging Face Transformers.js 4.3.2: релиз](https://github.com/huggingface/transformers.js/releases/tag/4.3.2) — получено 2026-10-29