/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
granite-speech-4.1-2b
Библиотека
openasr
Опубликована
2 авг 2026

granite-speech-4.1-2b

Распознавание речиАудио → текст9 профессий

OpenASR/granite-speech-4.1-2b — модель автоматического распознавания речи, созданная IBM Granite и адаптированная проектом OpenASR для локального запуска.

2 308скачиваний за 30 дней0лайковвеса обновлены2 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Она преобразует аудиозаписи в текст и предназначена для сценариев speech-to-text на CPU и GPU без использования Python во время инференса.

Модель имеет около 2 млрд параметров и сочетает 16-слойный аудиоэнкодер Conformer, Q-Former projector и декодер Granite на 2B параметров. Поддерживаются английский, французский, немецкий, испанский, португальский и японский языки; исходный язык определяется автоматически, без специального языкового токена. Доступны варианты квантования fp16, q8_0 и q4_k в формате .oasr. По данным README, для английского достигнут WER 0,54% на фиксированном наборе оценки, а q8_0 рекомендован как компромисс между качеством и размером.

Сильные стороны модели — высокая заявленная точность английского распознавания, мультиязычность, локальная работа на CPU и GPU и сниженное потребление памяти благодаря квантованию. Ограничения включают поддержку только шести заявленных языков и отсутствие данных о контекстном окне, устойчивости к шуму, качестве на других языках и сценариях, а также об абсолютной точности квантованных вариантов за пределами указанной оценки. Пакеты распространяются по лицензии Apache-2.0 и наследуют лицензию исходной модели; OpenASR выполняет конвертацию формата, квантование и адаптацию для локального инференса.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Granite Speech 4.1 2B · OpenASR

IBM Granite Speech 4.1 — a 2B multilingual ASR model with strong English accuracy

License Format Runtime Base model

Native speech-to-text in the OpenASR runtime — engineered for peak performance on CPU & GPU, no Python at inference time.


✨ Highlights

  • 📊 Verified English WER: 0.54% — identical across fp16 / q8_0 / q4_k on OpenASR's frozen evaluation set
  • 🌐 Six trained languages — English, French, German, Spanish, Portuguese, Japanese (auto-detected; no language token)
  • 📦 Three quantization tiers: fp16 / q8_0 / q4_k — delivered in OpenASR's native .oasr format for local inference
  • 🦀 Native in OpenASR — .oasr packs run with no Python at inference, engineered for peak performance on CPU & GPU

🚀 Quickstart

# 1. Install the OpenASR CLI  ·  https://openasr.org
# 2. Pull a build (pick a quant — see the table below)
openasr pull granite-speech-4.1-2b:q8

# 3. Transcribe
openasr transcribe audio.wav --model granite-speech-4.1-2b

All builds for this model:

openasr pull granite-speech-4.1-2b:fp16
openasr pull granite-speech-4.1-2b:q8
openasr pull granite-speech-4.1-2b:q4

📦 Available builds

QuantFile (.oasr)SizeRAM peakRTF · M1 CPURTF · M1 GPUJFK ΔWER vs fp16
fp16granite-speech-4.1-2b-fp16.oasr4.63 GB5.91 GB0.40×0.23×0.0%
q8_0granite-speech-4.1-2b-q8_0.oasr2.47 GB3.65 GB0.35×0.17×0.0%
q4_kgranite-speech-4.1-2b-q4_k.oasr1.55 GB2.63 GB0.29×0.15×0.0%

RTF = real-time factor on the fixed 11s JFK clip (lower is faster); RAM peak measured per pack in an isolated subprocess. JFK ΔWER compares each quantized build's JFK transcript to this model's fp16 JFK transcript, so it measures quantization drift rather than absolute recognition accuracy. q8_0 is the recommended default — near-reference quality at a fraction of the footprint.

🧠 About Granite Speech 4.1 2B

Granite Speech 4.1 2B is a speech-recognition model from IBM Granite. Its architecture pairs a 16-layer Conformer audio encoder with a Q-Former projector feeding a 2B Granite decoder. The model auto-detects the source language through free-text instruction-following and ships trained coverage for English, French, German, Spanish, Portuguese, and Japanese. OpenASR distributes this model in three quantization tiers -- fp16, q8_0, and q4_k -- packaged in the native .oasr runtime format for local inference.

⚙️ How these packs were made

Converted from ibm-granite/granite-speech-4.1-2b with the OpenASR importer:

openasr model-pack core: convert_local_granite_speech_source_to_runtime_pack <src> <out>.oasr \
  --package-id granite-speech-4.1-2b --quantization {fp16,q8-0,q4-k}

The .oasr container is GGUF-backed; packs use zero-copy mmap weight binding and graph buffer reuse to keep peak memory low.

⚖️ License

These packs inherit the upstream model's license: Apache-2.0 (source). OpenASR packaging retains the upstream copyright and NOTICE; the only modifications are format conversion and quantization.

🙏 Acknowledgements

This pack is a redistribution of granite-speech-4.1-2b, created and released by IBM Granite (ibm-granite/granite-speech-4.1-2b) under the Apache License 2.0. OpenASR performs format conversion, quantization, runtime validation, and local-inference adaptation only; all model weights and training are the work of the original authors.

🔗 Links

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · openasr

Нельзя запустить

Библиотека «openasr» рантаймом не поддерживается.

Ревизия весов
8f6743e

0 моделей