Granite Speech 5.0: Transcribe, Translate, and Attribute more Accurately and Faster

Transcribe Meetings, Create Voiceovers And Track Your AI Spending With OpenAI

Maybe you have a stack of meeting recordings nobody will ever listen to, product copy that needs a voiceover, or a growing AI bill nobody can explain. Typing...

Granite Switch 4.1: Chat, Decisions, and Speech from One Endpoint

IBM đã phát hành Granite Switch 4.1, một endpoint API kết hợp các khả năng chat, decision making và speech processing thành một hệ thống duy nhất. Công nghệ này sử dụng transformer architecture với mô hình 34 tỷ parameter, được tối ưu hóa để xử lý đa tác vụ mà không cần chuyển đổi ngữ cảnh. Hệ quả là giảm 60% độ trễ so với phương pháp gọi API tuần tự truyền thống, và giảm 40% chi phí vận hành cho các ứng dụng sử dụng nhiều mô hình. Đáng học hỏi cách IBM thiết kế routing mechanism để tự động phân luồng yêu cầu đến các specialized sub-model phù hợp, qua đó tối ưu hiệu suất mà không cần tốn tài nguyên cho một mô hình khổng lồ duy nhất.

Bài viết này giúp lập trình viên khám phá khả năng đa năng của Granite Switch 4.1 trong tích hợp chat, ra quyết định và giọng nói từ một điểm cuối duy nhất.

Introducing Falcon ASR

Falcon ASR là một công nghệ speech recognition được phát triển bởi Technology Innovation Institute, trình bày trên nền tảng Hugging Face. Mô hình này sử dụng kiến trúc transformer với 7 tỷ tham số, đạt độ chính xác cao hơn nhiều so với các mô hình trước đó trong các bài benchmark ASR. Kết quả cho thấy Falcon ASR giảm tỷ lệ lỗi từ xuống còn 5.8% trên bộ dữ liệu LibriSpeech, một cải tiến đáng kể so với các công nghệ hiện có. Với khả năng nhận diện giọng nói 13 ngôn ngữ và độ trễ thấp, Falcon ASR là bước tiến quan trọng trong lĩnh vực speech-to-text. Công nghệ này mở ra tiềm năng ứng dụng trong các hệ thống trợ lý ảo, subtitle tự động và ghi chú cuộc họp thời gian thực.

Bài giới thiệu Falcon ASR giúp lập trình viên nắm bắt mô hình nhận diện giọng nói tiên tiến với hiệu suất vượt trội.

Deepgram Marketplace: Voice AI’s open ecosystem

Deepgram Marketplace is now live: compare vetted voice AI partners across categories in one catalog and build your stack without the vendor overhead.

Running Whisper large-v3-turbo in a Browser Tab: Urdu Speech to Text With No Server

Running Whisper large-v3-turbo in a Browser Tab: Urdu Speech to Text With No Server How I got OpenAI’s Whisper to transcribe on the user’s own device with onnxruntime-web, int8 weights and one …

The best speech recognition you can run at home is absolutely tiny, and it runs on a ten-year-old laptop

Parakeet is a tiny speech recognition model that transcribes on a ten-year-old laptop with no subscription

Introducing AnySpeechRecognizer and AnyDecisionModel: Open Models for Speech and Decisions on Apple Platforms

We’re on a journey to advance and democratize artificial intelligence through open source and open science.

Granite Switch 4.1.1 — Update models like you update software

A Blog post by IBM Granite on Hugging Face