Granite Speech 5.0 支援哪些語音工作？3 個模型分工與驗收重點

IBM 在 2026 年 10 月公布 Granite Speech 系列更新，推出 Granite Speech 5.0 2B，並更新 470M TurboCTC 與 4.1 2B Plus。逐字稿能否更快、更準，得先問清楚要處理的是語音轉文字、跨語翻譯，還是多人錄音中的說話者歸屬，這三項工作並非全由同一模型負責。

團隊還要核對語言範圍、音檔條件與資料流向，判斷公開測試是否適用。

一、Granite Speech 5.0 更新了哪些模型？

這次包含新推出的 5.0 2B、更新版 470M TurboCTC，以及更新權重的 4.1 2B Plus。它們分別偏向多語辨識與翻譯、高吞吐快速轉錄，以及多人音訊的說話者標記和時間資訊。

5.0 2B 著重多語辨識與翻譯

Granite Speech 5.0 2B 是語音語言模型，可做自動語音辨識（ASR，將語音轉成文字）與自動語音翻譯（AST，將語音內容翻成另一種語言）。IBM 表示它是前代 4.1 2B 的後繼版本，參數規模相同，並改善英文短音訊辨識、噪音與混響下的穩健性、長段對話翻譯，也加入輸入語言提示及關鍵詞偏置功能。

「關鍵詞偏置」是將產品名、人名或縮寫列入提示。5.0 2B 清單上限為 2,000 詞，但不能保證詞彙正確輸出；藥名、姓名、型號、地名與數字仍須抽樣覆核。

TurboCTC 與 4.1 2B Plus 處理不同工作

TurboCTC 是 470M 參數的聲學模型，採用 CTC（連結時序分類，一種把音訊時間序列對應為文字的訓練方法）架構，設計方向是快速、高吞吐的語音辨識。IBM 這次將其更新為多語版本，並主打標點與大小寫輸出，以及對噪音、混響和遠距收音的改善。若工作主要是大量音檔轉錄或邊緣裝置上的辨識，可把它納入比較；它不等於具備 5.0 2B 的語音翻譯和提示控制能力。

4.1 2B Plus 則保留既有模型名稱與介面，更新重點在多人錄音中的說話者歸屬、時間戳、長語音辨識與關鍵詞偏置。說話者歸屬（speaker attribution）是把片段標成「哪位說話者發言」，不能據此識別現實身分。會議、訪談或客服錄音若需要整理輪替發言，應確認採用 Plus 的對應提示模式與輸出欄位，不能把這項更新算到 5.0 2B 身上。

模型	主要工作	先確認的限制
Granite Speech 5.0 2B	多語辨識、翻譯、提示語言與關鍵詞偏置	支援語言與翻譯方向各有範圍，長音訊須按使用方式切段
Granite Speech 5.0 470M TurboCTC	快速、多語語音辨識	定位在轉錄，不能假設涵蓋翻譯或說話者標記
Granite Speech 4.1 2B Plus	多人語音中的說話者歸屬、時間戳與轉錄	標記可能錯置；時間細度及格式需以實際輸出驗收

二、語言支援與任務方向要分開查

IBM 的模型卡列出 5.0 2B 可辨識英、法、德、西、葡、日語，翻譯則以這些語言與英文互譯為主，另列英文翻成義大利文與中文。模型卡中的 Mandarin 指中文，不等於已明確驗證台灣華語、台語或中英夾雜音訊。

辨識語言清單和翻譯方向不同，能辨識某語言不代表可翻成任意語言。上線前按用途確認來源、目標語言與提示格式，例如日語轉錄、日語翻英或英語翻中。

模型卡的「Mandarin」未證明台灣華語、台語、客語或混語都經同等測試。方言詞、專業術語與英文縮寫可能影響結果；語言提示不能取代實際語料測試。

採用前將實際語言、任務、提示與預期輸出列成測試案例。翻譯由熟悉目標語言者核對漏譯、專名、數字及否定語意；轉錄比對原音，抽查方言詞與語碼切換。

三、速度與辨識數據如何看？

不能直接推算。IBM 公布的數字來自特定公開基準與廠商測試設定，描述的是指定資料集、硬體和指標下的結果，不是每個團隊的錯字率、處理時間或節省工時保證。

IBM 發表資料稱，5.0 2B 在 Open ASR Leaderboard 的英文短音訊平均字錯率（WER）為 5.06%，名列當時開放權重模型的第二；該結果是多個公開英文測試集的平均，且資料註明為非官方彙整排名。

TurboCTC 更新版則報告 Open ASR Leaderboard 上 19,870 RTFx，約為初版的 1.6 倍。RTFx 是處理音訊速度相對於音訊長度的倍率，速度指標仍受硬體、推論框架、批次大小、預熱狀態和測試音訊影響。

4.1 2B Plus 的更新數據也有指定測試條件。IBM 報告長音訊測試集的 WER 下降 24%；說話者歸屬相關的 WDER 由 4.40 降至 4.10，cpWER 由 30.50 降至 28.48，兩項指標相對下降約 7%。平均時間戳偏移縮小超過一半。這些指標分別衡量辨識錯誤、說話者標記錯誤或時間差，不可混為「整份逐字稿準確率提升 24%」。

公開基準的語言、錄音條件與計分方法固定，團隊錄音卻可能有多人插話、遠距收音、混響、口音和專有名詞等差異，排行榜未必呈現實際返工原因。

IBM 發表文章將這次更新定位為提升轉錄、翻譯與說話者歸屬的準確度和速度；實際表現仍須按目標語言、收音方式與工作流程測量。

四、說話者標記與時間戳能接進逐字稿流程嗎？

這次公布的說話者歸屬更新屬於 4.1 2B Plus，而非 5.0 2B。它可提供發言者標籤和時間資訊，但標籤只代表模型對錄音中聲音區段的分組，不代表已確認發言者真實身分。

接入前確認模型、提示模式與輸出結構，例如純文字、時間戳、說話者欄位或字幕格式。下游若只收 SRT、上游卻輸出含說話者欄位的 JSON，就需額外轉換；部署時也要記錄框架與版本。

多人重疊、快速輪替、遠場收音或切段邊界都可能造成標籤錯置與時間偏差。人工核對代表性音檔時，應分別記錄文字、說話者、時間戳及下游解析錯誤。

IBM 模型卡建議 5.0 2B 以約兩分鐘內片段解碼。固定視窗可能切斷發言，VAD（語音活動偵測）依音訊活動切段，但不理解語意；需測試跨段人名、接續句與時間戳能否對回原始錄音。

IBM 發表資料指出，多人錄音整理涉及發言內容及發言時間；模型標記仍需由流程中的覆核者確認。

五、台灣團隊試接前，先驗收資料和流程

先建立含真實使用條件且已獲授權的代表性音檔集，再分開評估辨識、翻譯、說話者歸屬、時間戳、處理速度和人工校對成本。完成模型、授權、部署與資料治理檢查後，才決定是否接入正式流程。

建立能反映工作現場的測試音檔

測試集按近遠場、噪音、單人或多人、單語或混語及音檔長度分類，並納入專有名詞。每段音檔需有人工核對的逐字稿；測翻譯時另備目標語句，並涵蓋人名、金額、否定詞和講者歸屬等高代價錯誤。

除 WER 外，也記錄關鍵詞召回、翻譯語意、說話者標籤、時間戳、處理速度與人工修訂時間。以同一批音檔和硬體比較，才能判斷速度提升是否減少整體校對成本。

核對授權、部署框架和個資資料流

IBM 列出的模型採 Apache 2.0 授權，部署仍須核對權重、函式庫及依賴套件版本。也要確認推論框架、硬體、音訊格式、切段及離線執行需求；開放權重不代表資料必然留在組織內。

託管推論須確認資料傳輸位置、保留期限、存取者、跨境傳輸及刪除機制；本地部署也要限制音檔和逐字稿權限、設定保存期限並留存存取紀錄。涉及病患或兒童錄音時，應確認告知、授權及資料最小化措施。

1. 先列出要做的任務：轉錄、翻譯、說話者歸屬或時間戳，逐項指定候選模型。
2. 準備已取得使用授權的代表性音檔與人工核對基準，涵蓋語言、噪音、口音、多人重疊和長度差異。
3. 在相同環境測試模型與格式，分開記錄辨識錯誤、翻譯品質、講者標記、延遲和人工修訂時間。
4. 檢查權重與套件授權、推論框架、硬體需求、資料傳輸、存取權限及保存期限，再決定正式流程。

常見問題

先確認任務、語言和資料處理方式，再以已獲授權且具代表性的音檔，衡量模型輸出與人工覆核成本。

Q1：Granite Speech 5.0 支援繁體中文語音辨識嗎？

5.0 2B 模型卡列有 Mandarin 作為英文翻譯目標之一，但其列出的語音辨識語言包括英、法、德、西、葡、日，沒有明列中文語音辨識。不能僅從「Mandarin」推論已支援繁體中文辨識、台灣華語或台語；應按自己的音訊測試，並查閱模型卡後續更新。

Q2：說話者標記是 5.0 2B 的功能嗎？

本次發表將更新說話者歸屬和時間戳的版本指向 4.1 2B Plus。選擇工作流程時應核對模型名稱與輸出欄位，且把說話者標籤視為待覆核結果，不可用來確認錄音者身分。

Q3：官方效能數據能預估團隊會省下多少時間嗎？

不能。WER、RTFx 和說話者錯誤指標來自特定測試資料與設定，未包含團隊自己的錄音品質、人工校對流程或整合成本。用代表性音檔比較模型前後的人工修訂時間，才可估算工作流程的實際差異。

試接時以授權音檔分別比對轉錄、翻譯、說話者標記與校對成本，按測試結果限定適用任務，並保留人工覆核及錯誤回報流程。

• 5.0 2B 偏向多語辨識與翻譯；TurboCTC 偏向快速轉錄；4.1 2B Plus 更新說話者歸屬與時間戳。
• 模型卡語言清單、翻譯方向與公開基準都有限定，台灣華語、台語和混語音訊需自行驗收。
• 正式接入前，同時檢查音訊品質、輸出欄位、授權、部署框架與錄音個資處理。