/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
granite-speech-4.1-2b-plus
Библиотека
zeromodels
Опубликована
30 июл 2026

granite_speech_4_1_2b_plus

Распознавание речиАудио → текст5 профессий

Речевая модель IBM Granite Speech 4.1 2B Plus в конверсии Keras 3 для распознавания речи и ответов по аудиозаписям.

1 450скачиваний за 30 дней0лайковвеса обновлены29 сен 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

zeromodels/granite_speech_4_1_2b_plus — конверсия IBM Granite Speech 4.1 2B Plus в Keras 3, подготовленная zeromodels. Это речевая языковая модель на базе Granite 4.0 2B: аудиообработчик с энкодером Conformer CTC и проектором Q-Former передаёт аудиоэмбеддинги декодеру Granite. Модель принимает аудио и текстовую инструкцию, позволяя запрашивать расшифровку, краткое содержание или ответы по содержанию записи.

В первую очередь модель предназначена для распознавания речи; карточка также описывает сценарии суммаризации и вопросов по аудио. Реализация Keras 3 работает с TensorFlow, Torch и JAX. LoRA уже объединена с весами, отдельное переключение адаптера не требуется. Лицензия — Apache 2.0.

Сценарии применения

  • транскрибация аудиозаписей
  • распознавание речи по аудио
  • суммаризация аудиозаписей по текстовой инструкции
  • ответы на вопросы по содержанию аудиозаписи

Ограничения

Карточка не приводит сведения о поддерживаемых языках и длине контекста. Рекомендуется загружать модель с типом данных bfloat16.

Для каких профессий подходит5

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

See our collection for all versions of Granite Speech Plus.

Run Granite Speech Plus with Keras 3: JAX, PyTorch, or TensorFlow

GitHub Docs Collection

zeromodels/granite_speech_4_1_2b_plus

Paper: Granite-speech: open-source speech-aware LLMs with strong English ASR capabilities (arXiv:2505.08699) · HF Papers

Granite Speech Plus is the Granite 4.0-based speech-aware LLM successor to Granite Speech: a conformer CTC encoder and Q-Former projector feed audio embeddings into <|audio|> slots of a Granite decoder. You ask for what you want in words (transcribe, summarize, answer). LoRA is fully merged; no adapter toggle.

For more details on the model, please go to the upstream model card.

Pure-Keras 3 conversion of ibm-granite/granite-speech-4.1-2b-plus for zeromodels. One implementation runs unmodified on TensorFlow / Torch / JAX.

This is a speech LLM checkpoint (GraniteSpeechPlusConditionalGenerate) on Granite 4.0 2B. Prefer load_dtype="bfloat16".

✨ Quick start

import os
os.environ["KERAS_BACKEND"] = "torch"  # or "jax" / "tensorflow"

import keras
import numpy as np
import soundfile as sf
from zeromodels.models.granite_speech_plus import (
    GraniteSpeechPlusConditionalGenerate,
    GraniteSpeechPlusProcessor,
)

model = GraniteSpeechPlusConditionalGenerate.from_weights(
    "zeromodels/granite_speech_4_1_2b_plus", load_dtype="bfloat16"
)
processor = GraniteSpeechPlusProcessor.from_weights("zeromodels/granite_speech_4_1_2b_plus")

audio, sr = sf.read("your_audio.wav", dtype="float32")  # 16 kHz mono

# Instruction in words: this is a speech LLM, not fixed-task ASR.
conversation = [
    {
        "role": "user",
        "content": [
            {"type": "audio"},
            {
                "type": "text",
                "text": "can you transcribe the speech into a written format?",
            },
        ],
    }
]

inputs = processor(conversation=conversation, audio=audio, sampling_rate=sr)
out = model.generate(**inputs, max_new_tokens=64)
ids = np.asarray(keras.ops.convert_to_numpy(out))[0].tolist()
print(repr(processor.tokenizer.decode(ids)))

Load any Granite Speech Plus variant the same way with from_weights("zeromodels/<variant>"):

VariantHubBase LLM
granite_speech_4_1_2b_pluszeromodels/granite_speech_4_1_2b_plusGranite 4.0 2B

Tips

  • Set KERAS_BACKEND before importing Keras / zeromodels.
  • Pass audio via audio= + sampling_rate=; put only an {"type": "audio"} marker in the conversation (do not embed the waveform).
  • Change the text instruction to get a different answer over the same clip.
  • See Granite Speech Plus docs and Loading Weights.
  • Community / upstream safetensors still work via the hf: prefix, e.g. GraniteSpeechPlusConditionalGenerate.from_weights("hf:ibm-granite/granite-speech-4.1-2b-plus").

Special Thanks

A huge thank you to the IBM Granite authors for creating and releasing these models.

License: Apache 2.0.

Как запустить

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

GPU в ailist

Универсальный рантайм · zeromodels

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Ревизия весов
3821b9c

0 моделей