IBM تطلق Granite Speech 5.0 بقدرات محسّنة للنسخ والترجمة

كشفت IBM عن ثلاثة تحديثات لمجموعة Granite Speech، تضم نموذجاً جديداً هو granite-speech-5.0-2b، إلى جانب نسخ منقحة من نموذجين حاليين هما granite-speech-5.0-470m-turboctc وgranite-speech-4.1-2b-plus. وتهدف هذه النماذج إلى تحسين مهام الكلام في المؤسسات، بما فيها النسخ والترجمة، بدقة وسرعة أعلى.

ويقدم نموذج granite-speech-5.0-2b الجديد ميزات متقدمة مثل التعرف التلقائي على الكلام (ASR) المقاوم للضوضاء والصدى، وتوجيه التعرف على اللغة، والتحيز بالكلمات المفتاحية لما يصل إلى 2000 مصطلح. ويدعم النسخ والترجمة بعدة لغات، منها الإنجليزية والفرنسية والألمانية والإسبانية والبرتغالية واليابانية، ويترجم بين هذه اللغات والإنجليزية.

تحسينات Granite Speech 5.0 2B

مقارنة بسابقه granite-speech-4.1-2b، يتميز النموذج الجديد بما يلي:

• دقة أعلى في التعرف التلقائي على الكلام: أداء محسّن على معايير اللغة الإنجليزية، مع تعامل أفضل مع الضوضاء الخلفية والكلام البعيد.
• توجيه التعرف على اللغة: يمكن للمستخدمين تحديد لغة الإدخال لتوجيه النسخ متعدد اللغات.
• ترجمة النصوص الطويلة: جودة ترجمة محسّنة للكلام الأطول والأكثر طبيعية.
• قوائم الكلمات المفتاحية: دعم توجيه النسخ نحو مصطلحات محددة، ما يعزز الدقة لأسماء المنتجات والاختصارات.
• علامات الترقيم والكتابة بالأحرف الكبيرة: يمكن للمستخدمين طلب مخرجات منسقة مباشرة في الموجه (prompt).

النموذج متاح بموجب ترخيص Apache 2.0 ومتوافق مع أطر عمل متعددة، منها Transformers وvLLM.

تحديثات Granite Speech 5.0 Turbo CTC

نموذج granite-speech-5.0-470m-turboctc، الذي أُطلق في البداية كنموذج للإنجليزية فقط، حُدّث ليشمل دعماً متعدد اللغات وميزات محسّنة:

• النسخ متعدد اللغات: يدعم الآن لغات متعددة، منها اليابانية والإسبانية والألمانية والفرنسية والإيطالية والبرتغالية.
• علامات ترقيم وكتابة بالأحرف الكبيرة أصلية: تُنشأ النصوص المنسوخة بعلامات ترقيم وحالة أحرف مناسبة.
• متانة محسّنة: أداء أفضل في البيئات الصوتية الصعبة.

وسجل هذا النموذج زيادة كبيرة في السرعة أيضاً، إذ حقق 19,870 RTFx على Open ASR Leaderboard، ما يجعله أسرع بنحو 1.6 مرة من إطلاقه الأولي.

تحسينات Granite Speech 4.1 2B Plus

يركز نموذج granite-speech-4.1-2b-plus المحدث على تحسين دقة نسبة المتحدثين وأداء الكلام الطويل. وتشمل التحسينات الرئيسية:

• نسبة المتحدثين: تحديد أدق للمتحدثين، مع انخفاض بنسبة 7% في معدل خطأ تمييز الكلمات.
• الطوابع الزمنية: دقة توقيت محسّنة للتعليقات والمراجعات، مع انخفاض كبير في متوسط إزاحة الطابع الزمني.
• أداء الكلام الطويل: انخفاض معدل خطأ الكلمات في اختبارات النصوص الطويلة بنسبة 24%.
• التحيز بالكلمات المفتاحية: دقة محسّنة للكلمات المفتاحية المتحيزة، مع انخفاض الأخطاء بنسبة 45%.

صُممت هذه النماذج لتلبية احتياجات المؤسسات التي تتعامل مع الاجتماعات ومكالمات الدعم والتسجيلات متعددة المتحدثين.

وللمستخدمين غير المتأكدين من النموذج الذي يختارونه، توصي IBM بما يلي:

• لدقة نسخ عالية وترجمة، استخدم granite-speech-5.0-2b.
• للسرعة أو النسخ على الجهاز، اختر granite-speech-5.0-470m-turboctc.
• للتسجيلات متعددة المتحدثين، اختر granite-speech-4.1-2b-plus.

جميع النماذج متاحة بموجب ترخيص Apache 2.0، مع نتائج التقييم الكاملة وأمثلة الاستخدام المتوفرة على بطاقات النماذج الخاصة بكل منها.

المصدر: Hugging Face Blog