IBM 이 2026 년 10 월 21 일에 음성 인식 AI 의 최신 버전인 'Granite Speech 5.0'을 공개했습니다. 잡음이나 반향 있는 환경에서의 자막 생성 정확도가 향상되었으며, 음성 번역과 전문 용어 인식에도 대응하고 있습니다. 또한, 동시에 빠른 자막 생성에 특화된 모델과 여러 사람의 발언을 식별하는 모델도 업데이트되었습니다. Granite Speech 5.0: 더 정확하게 그리고 빠르게 Transcribe, Translate, Attribute https://huggingface.co/blog/ibm-granite/granite-speech-5IBM 은 과거부터 음성 인식 AI 'Granite Speech' 시리즈를 개발해 왔으며, 2026 년 4 월에는 일본어 포함 6 개 언어에 대응한 'Granite Speech 4.1'을 'Granite 4.1' 시리즈의 하나로 공개했습니다. IBM 이 AI 모델 'Granite 4.1' 시리즈를 공개, 프롬프트 추종 및 도구 호출에 능한 오픈 모델 - GIGAZINE
새로 발표된 Granite Speech 5.0 는 기존 모델을 개량한 'Granite Speech 5.0 2B'가 등장했습니다. 파라미터 수는 기존과 동일하게 20 억으로, 일본어, 영어, 프랑스어, 독일어, 스페인어, 포르투갈어의 텍스트 인식에 대응합니다. 음성 인식의 정확도를 높이기 위해 공개된 음성 데이터 39 만 시간 등을 사용하여 학습했다고 합니다. 특히 소음과 반향에 대한 대응이 강화되어 Granite Speech 5.0 2B 는 잡음이 섞인 음성이나 마이크에서 멀리 녹음된 음성을 기존 모델보다 더 정확하게 인식할 수 있습니다. IBM 이 공개한 영어 음성 인식 테스트에서 텍스트 인식 단어 오류율은 평균 5.06% 로 기록되었으며, 평가 대상 공개 모델 중 2 위를 차지했습니다.
또한, 음성 인식 AI 가 인명, 상품명, 약어 등을 잘못 인식하는 문제 해결을 위해 최대 2,000 개의 키워드를 지정할 수 있게 되었습니다. 텍스트 인식이나 번역 시 인식하고 싶은 단어를 사전에 등록함으로써 전문 용어가 많은 회의에서도 정확한 기록을 작성하기 쉬워집니다. 번역 기능도 강화되어 영어와 일본어 등 서로 다른 언어 간 음성을 번역하면서 동시에 텍스트 인식이 가능해졌습니다. 기존 모델과 비교하여 긴 음성이나 자연스러운 대화의 번역 정확도가 향상되었으며, 입력 음성 언어를 지정하여 인식 정확도를 높이는 기능도 추가되었습니다.
대량의 오디오를 빠르게 처리해야 하는 경우를 위해 경량 모델인 'Granite Speech 5.0 470M Turbo CTC'도 업데이트되었습니다. 경량 모델의 파라미터 수는 4 억 7 천 만 개이며, 기존 영어 전용 모델에서 일본어 포함 7 개 언어 지원으로 확장되었습니다. 문장의 구두점과 영어 대문자도 자동으로 보충되도록 개선되었으며, 처리 속도는 기존 대비 약 1.6 배 향상되었습니다. 아래 이미지는 음성 인식의 정확도와 처리 속도를 비교한 그래프입니다. Granite Speech 5.0 470M Turbo CTC 는 고속 처리에 중점을 두어, 기기 내 텍스트 인식 등이 예상됩니다.
또한, 여러 사람의 대화를 텍스트로 변환하기 위한 기존 모델인 'Granite Speech 4.1 2B Plus'도 개선되었습니다. 화자 식별은 '누가 어떤 발언을 했는지'를 판별하는 기능으로, 회의나 인터뷰 기록에 유용합니다. 개선된 버전에서는 화자 식별 관련 오류율이 약 7% 감소했으며, 장시간 음성에서의 텍스트 변환 오류율도 24% 감소했습니다. 발언 타이밍 기록의 정확성도 향상되어 자막 생성 및 녹음 내용 검색이 더 쉬워졌습니다. Granite Speech 5.0 2B, Granite Speech 5.0 470M Turbo CTC, 개선된 Granite Speech 4.1 2B Plus 모두 Apache 2.0 라이선스로 공개되어 상업적 이용 및 커스터마이징이 가능합니다. IBM 은 고정확도 텍스트 변환 및 번역에는 Granite Speech 5.0 2B, 고속 처리에는 Turbo CTC, 여러 사람의 대화 기록에는 Granite Speech 4.1 2B Plus 를 권장하고 있습니다. 각 모델의 학습 데이터, 평가 결과, 사용 방법도 공개되어 있으며, 용도에 따라 모델을 선택할 수 있다고 합니다. Granite Speech - a ibm-granite Collectionhttps://huggingface.co/collections/ibm-granite/granite-speech
원문 보기 | 출처: Gigazine