※本記事は一次情報をもとにAI支援によって構成・作成し、事実関係の照合を行っています。
発表内容（事実）
Hugging Faceのブログにて2026年10月22日に発表された情報によると、IBMは音声AIコレクション「Granite Speech」のアップデートとして、新モデル「granite-speech-5.0-2b」の追加および「granite-speech-5.0-470m-turboctc」「granite-speech-4.1-2b-plus」の改訂版リリースを発表しました。
新モデルの「granite-speech-5.0-2b」は、英語、フランス語、ドイツ語、スペイン語、ポルトガル語、日本語の文字起こしに対応し、それらの言語と英語間の翻訳、さらに英語からイタリア語および中国語への翻訳をサポートします。39万時間の公開音声データ等で訓練されており、ノイズ耐性の向上や最大2,000語のキーワードバイアス機能などを備えています。ライセンスはApache 2.0で提供され、Transformers、vLLM、llama.cpp、Apple Silicon向けのmlx-audioでサポートされます。
「granite-speech-5.0-470m-turboctc」は多言語対応（英語、日本語、スペイン語、ドイツ語、フランス語、イタリア語、ポルトガル語）となり、ネイティブの句読点と大文字化の追加、音響的ノイズへの堅牢性が強化されました。処理速度も向上しています。
「granite-speech-4.1-2b-plus」は、会議やサポートコールなどの複数話者による長時間の録音に向けたチューニングが行われており、話者帰属精度の向上、タイムスタンプのずれ削減、長文音声パフォーマンスの改善、キーワードバイアスのエラー削減が図られています。
この記事のポイント
- 新モデル「granite-speech-5.0-2b」が追加され、高精度な多言語の文字起こしや翻訳、最大2,000語のキーワードバイアス等に対応しました。
- 470Mパラメータの「granite-speech-5.0-470m-turboctc」が多言語対応となり、処理速度も向上しました。
- 「granite-speech-4.1-2b-plus」は話者帰属やタイムスタンプ、長文音声のパフォーマンスが改善されました。
- すべてのモデルがApache 2.0ライセンスでリリースされ、Transformersなどでネイティブサポートされています。
考察（筆者の見解）
事実として、IBMのGranite Speechコレクションは今回のアップデートで高精度な汎用音声モデル、超高速・オンデバイス向けの軽量モデル、そしてマルチ話者・会議向けのモデルという明確な役割分担を持つラインナップとなりました。推測として、企業における議事録作成やコールセンターの音声解析、エッジデバイスでのリアルタイム文字起こしなど、多様なユースケースへの適用が進むと考えられます。筆者は、オープンウェイトかつApache 2.0ライセンスで提供されるこれらのモデルが、エンタープライズ領域における音声AIの導入障壁をさらに下げる重要な選択肢になると評価します。
コメント