IBMは2026年10月21日、公式Hugging FaceブログでGranite Speechの更新を発表した。新しいgranite-speech-5.0-2bのモデルカードに記された公開日は10月20日で、発表日とは異なる。音声を生成するTTSではなく、音声認識と音声からテキストへの翻訳を担う。470M TurboCTCの多言語化と、既存4.1 2B Plusの話者識別・時刻情報の改善も発表に含まれる。
精度重視と速度重視を使い分ける
2Bは入力言語の指定と最大2,000語のキーワードによる認識補助に対応し、IBMは雑音・残響や長い会話の翻訳の改善を報告した。明示された音声認識言語は英語・フランス語・ドイツ語・スペイン語・ポルトガル語・日本語。高速なTurboCTCにはイタリア語も含まれるが、どちらにも韓国語は明記されていない。順位や処理速度は特定の評価条件でのIBM報告値であり、全言語・全機器での優位を保証しない。
重みの公開と運用の無料化は別問題
Apache 2.0の重みで自己運用が可能だ。2BカードにはTransformers、vLLM、llama.cpp、Apple Silicon向けmlx-audioの手順がある。ただし、ローカル構成だけでプライバシー保護や無償運用が成立するわけではなく、録音への同意、アクセス制御、機器・電力・保守費用は別途必要になる。IBMは2Bの音声を約2分以下に分割することを推奨する。導入前に実際のマイク、雑音、固有名詞で欠落や誤認識を点検し、話者や時刻が重要ならPlusも個別に比較したい。