A IBM lançou o Granite 4.0 1B Speech, um modelo de linguagem de fala compacto projetado para reconhecimento automático de fala (ASR) multilíngue e tradução automática de fala (AST) bidirecional. O lançamento visa implantações de fala empresariais e de estilo 'edge' onde o consumo de memória, a latência e a eficiência computacional importam tanto quanto a qualidade bruta do benchmark. O que mudou no Granite 4.0 1B Speech No centro do lançamento está um objetivo de design direto: reduzir o tamanho do modelo sem perder as capacidades essenciais esperadas de um sistema de fala multilíngue moderno. O Granite 4.0 1B Speech tem metade do número de parâmetros do granite-speech-3.3-2b, enquanto adiciona ASR japonês, polarização de lista de palavras-chave e melhora a precisão da transcrição em inglês. O modelo oferece inferência mais rápida através de um melhor treinamento do codificador e decodificação especulativa. Isso faz com que o lançamento seja menos sobre aumentar a escala do modelo e mais sobre aprimorar o equilíbrio entre eficiência e qualidade para implantação prática. Abordagem de Treinamento e Alinhamento de Modalidades O Granite-4.0-1b-speech é um modelo de linguagem de fala compacto e eficiente treinado para ASR multilíngue e AST bidirecional. A mistura de treinamento inclui corpora ASR e AST públicos, juntamente com dados sintéticos usados para suportar ASR japonês, ASR com polarização de palavras-chave e tradução de fala. Este é um detalhe importante para desenvolvedores porque mostra que a equipe da IBM não construiu uma pilha de fala fechada separada do zero; ela adaptou um modelo de linguagem base do Granite 4.0 para um modelo com capacidade de fala através de alinhamento e treinamento multimodal. Cobertura de Idiomas e Uso Pretendido O conjunto de idiomas suportados inclui inglês, francês, alemão, espanhol, português e japonês. A IBM posiciona o modelo para conversão de fala em texto e tradução de fala de e para o inglês para esses idiomas. Ele também suporta cenários de tradução de inglês para italiano e de inglês para mandarim. O modelo é lançado sob a licença Apache 2.0, o que o torna mais direto para equipes que avaliam opções de implantação aberta em comparação com sistemas de fala que possuem restrições comerciais ou padrões de acesso apenas via API. Design de Duas Passagens e Estrutura de Pipeline A Equipe IBM Granite Speech descreve a família Granite Speech como usando um design de duas passagens. Nessa configuração, uma chamada inicial transcreve o áudio em texto, e qualquer raciocínio de modelo de linguagem posterior sobre a transcrição requer uma segunda chamada explícita ao modelo de linguagem Granite. Isso difere de arquiteturas integradas que combinam fala e geração de linguagem i
Fonte: MarkTechPost
Publicado em 2026-03-16