معرفی نسخه ۵.۰ مدل‌های گفتاری Granite؛ دقت و سرعت بالاتر در تشخیص و ترجمه

شرکت IBM از انتشار سه به‌روزرسانی جدید برای مجموعه مدل‌های گفتاری Granite خبر داده است که شامل مدل جدید granite-speech-5.0-2b و نسخه‌های بازبینی‌شده مدل‌های turboctc و 4.1-2b-plus می‌شود. این مدل‌ها برای پاسخگویی به نیازهای متنوع سازمانی از جمله رونویسی دقیق، ترجمه و شناسایی گویندگان در جلسات طراحی شده‌اند.

مدل granite-speech-5.0-2b به عنوان جانشین نسخه قبلی، از زبان‌های متعددی پشتیبانی می‌کند و روی هزاران ساعت داده صوتی آموزش دیده است. این مدل بهبودهایی در زمینه مقاومت در برابر سر و صدا، پشتیبانی از لیست کلمات کلیدی تا دو هزار ترم و قابلیت دریافت دستورات قالب‌بندی متن ارائه می‌دهد. همچنین نسخه Turbo CTC با تمرکز بر سرعت و پشتیبانی چندزبانه، زمان گرم کردن را کاهش داده و کارایی بالاتری در پردازش لبه‌ای فراهم کرده است.

نسخه به‌روزرسانی‌شده granite-speech-4.1-2b-plus نیز به طور ویژه برای محیط‌های واقعی سازمانی مانند جلسات و تماس‌های پشتیبانی بهینه‌سازی شده است. این نسخه خطاهای مربوط به تشخیص گویندگان و برچسب‌گذاری زمانی را به طور چشمگیری کاهش داده و عملکرد بهتری در پردازش فایل‌های صوتی طولانی ارائه می‌دهد. این مدل‌ها تحت مجوز متن‌باز منتشر شده‌اند.