/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
granite_speech5_ctc · dense
Базовая модель
granite-speech-5.0-470m-turboctc
Библиотека
mlx
Опубликована
26 авг 2026

granite-speech-5.0-470m-turboctc-mlx-q8

Распознавание речиАудио → текст9 профессий

Квантизованная до 8 бит версия Granite Speech 5.0 470M TurboCTC для транскрибации английской речи на устройствах Apple Silicon.

115скачиваний за 30 дней1лайквеса обновлены26 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

iky1e подготовил квантизованную версию Granite Speech 5.0 470M TurboCTC для инференса на устройствах Apple Silicon с использованием Granite-MLX и Swift. Это модель распознавания речи на базе архитектуры GraniteSpeech5ForCTC, преобразованная из чекпойнта IBM в формат MLX: веса квантизованы до 8 бит, часть тензоров сохранена в FP16. Размер файла весов составляет около 466 МиБ — примерно 52% от исходного; в описанном сравнении согласие транскриптов с исходной моделью составило 99,8825% по метрике пословного совпадения, которая не измеряет точность относительно человеческой расшифровки.

Модель предназначена для преобразования английской речи в текст, в том числе из длинных аудиозаписей; инструмент Granite-MLX также принимает видеофайлы и может сохранять результат в TXT, SRT, WebVTT или JSON. Для обработки длинных записей используются блоки с контекстом, жадное CTC-декодирование и ограничение памяти. Репозиторий распространяется по лицензии Apache-2.0. Для запуска описан нативный Swift runtime Granite-MLX на Apple Silicon.

Сценарии применения

  • транскрибация длинных лекций на английском языке
  • создание субтитров SRT или WebVTT из аудио
  • преобразование речи в текст на Apple Silicon
  • экспорт расшифровки аудио в TXT или JSON

Ограничения

Модель рассчитана на английскую речь. Приведённое в README согласие транскриптов сравнивает её с исходным чекпойнтом, а не с эталонной человеческой расшифровкой.

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 5.0 470M TurboCTC MLX — Q8

This repository contains 8-bit affine weight quantization, group size 128 with group size 64 for encoder.input_linear for native Apple-silicon inference with the Granite-MLX Swift runtime.

It is converted from IBM's ibm-granite/granite-speech-5.0-470m-turboctc at revision 7e74c6438b7cfb5090cb6a131538f5e8515a7de3. The source model.safetensors SHA-256 is 8b98a8c34fd5fcb081caef719638eded31bb6d197d62053eefc5c1703aaf1ad4.

The conversion transposes PyTorch depthwise Conv1d kernels into MLX layout, removes training-only batch counters, converts retained floating-point tensors to FP16, and applies weight-only affine quantization where applicable. Activations remain floating point at runtime.

Family comparison

VariantRepositoryWeight fileSize vs sourceAgreement with source
IBM sourceibm-granite/granite-speech-5.0-470m-turboctc902.35 MiB100.00%100.0000%
FP16iky1e/granite-speech-5.0-470m-turboctc-mlx-fp16902.22 MiB99.99%99.9706%
Q8 (this repository)iky1e/granite-speech-5.0-470m-turboctc-mlx-q8466.03 MiB51.65%99.8825%
Q6iky1e/granite-speech-5.0-470m-turboctc-mlx-q6367.51 MiB40.73%99.6989%
Q5iky1e/granite-speech-5.0-470m-turboctc-mlx-q5311.22 MiB34.49%99.4712%
Q4iky1e/granite-speech-5.0-470m-turboctc-mlx-q4254.93 MiB28.25%98.4135%

“Agreement with source” is word-level transcript agreement, calculated as 100 − Levenshtein word edits / source words. It is not WER and does not measure correctness against a human transcript. The reference is the matching original IBM checkpoint loaded by the same native Swift runtime.

The test recording is a 6,118.72-second (101m58.72s) single-speaker Stanford CME295 lecture. All checkpoints used Granite-MLX's bounded-memory defaults: 122.88-second chunks, 20.48-second context, FP16 activations, greedy CTC decoding, and a 64 MiB MLX cache. The source transcript contained 13,615 words. Raw benchmark JSON and transcripts are preserved with the Granite-MLX project and will be published with its source repository.

Usage

granite-mlx /path/to/audio-or-video --model iky1e/granite-speech-5.0-470m-turboctc-mlx-q8

Granite-MLX accepts common audio and video files, downloading this repository automatically on first use. It can export TXT, SRT, WebVTT, JSON, or all formats.

Reproducing the conversion

uv run python Scripts/convert_granite.py \
  /path/to/source-checkpoint \
  /path/to/output-q8 \
  --precision fp16 \
  --quantization-bits 8 \
  --group-size 128 \
  --source-model-id ibm-granite/granite-speech-5.0-470m-turboctc \
  --source-revision 7e74c6438b7cfb5090cb6a131538f5e8515a7de3

The publication converter (Scripts/convert_granite.py) has SHA-256 83141299b6e680fbdc020aed6674683b5cac03685dec839a30767f55de0942fb. Validation used Granite-MLX's native Swift release build with Apple Swift 6.2.3, MLX Swift 0.31.4 (dc43e62d7055353c7f99fa071a4e71d29dfddc44), swift-transformers 1.3.3 (2fa33e1f5e7131a7fc64c28e6d161dcec0d24820), macOS 26.5.2, and Xcode 26.2.

License

These converted model weights retain the source model's Apache 2.0 terms. The Granite-MLX Swift software is separate from the weights; this model repository does not set the software's license.

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
GraniteSpeech5ForCTC
Ревизия весов
f8911a5

0 моделей