심층 해설 · 약 4분 읽기
Granite Speech 5, 정확도·처리량·화자 귀속을 나눠 선택하기
IBM의 세 음성 모델 업데이트는 지원 언어, 처리량, 화자 관련 오류를 서로 다른 기준으로 읽어야 한다.
- 사이트 게시일
- 원문 게시일
- 출처 확인일
IBM은 10월 21일 Granite Speech 5.0 2B를 새로 소개하고 Turbo CTC와 4.1 2B Plus를 수정했다. 다국어 전사·번역, 빠른 음성 처리, 화자와 타임스탬프가 연결된 텍스트 중 필요한 출력을 먼저 정해야 한다. 아래 결과는 IBM 기사에 속하며 AISubHub가 모델을 실행해 측정한 결과가 아니다.
뉴스 듣기
이 기사를 읽어 드리거나 뉴스를 계속 재생합니다.
읽기를 준비하는 중…
기기 음성
읽기는 브라우저나 기기에서 처리합니다. AISubHub는 내용을 오디오 API로 보내지 않습니다. 사용 가능한 음성과 잠금 화면 재생은 기기에 따라 다릅니다.
계속 재생할 때 짧은 구절이 반복될 수 있습니다.
핵심 요약
- 새 2B의 ASR 목록은 6개 언어, Turbo는 7개다. 표준중국어로 번역한다는 사실이 표준중국어 ASR 지원을 뜻하지 않는다.
- Turbo의 19,870 RTFx는 벤치마크 처리량이며, Plus는 시각·단어·화자 귀속 오류를 따로 보고한다.
버전 번호보다 필요한 출력부터 정한다
세 이름은 서로 다른 작업을 가리킨다. granite-speech-5.0-2b는 정확한 전사와 번역을 겨냥한 새 음성·언어 모델이다. 업데이트된 granite-speech-5.0-470m-turboctc는 4억 7천만 파라미터 인코더를 유지하며 높은 처리량과 기기 내 전사에 초점을 맞춘다. 음성을 빠르게 처리하는 것과 번역문을 생성하는 것은 다른 요구이므로 같은 5.0 표기가 두 모델의 상호 대체를 보장하지 않는다.
수정된 granite-speech-4.1-2b-plus는 회의, 지원 통화 등 여러 화자가 등장하는 긴 녹음을 대상으로 한다. IBM은 구조, 프롬프트 형식, API가 그대로여서 4.1 이름을 유지하며 새 가중치를 직접 교체할 수 있다고 설명한다. 본 사이트의 분석으로는 회의 검색에서 특정 인물의 발언 위치를 찾는 일이 짧은 음성의 평균 전사 성적보다 중요할 수 있다. 세 제품을 하나의 품질 순위로 압축하면 이런 차이가 사라진다.
언어 방향과 어휘 제어에는 경계가 있다
2B는 영어, 프랑스어, 독일어, 스페인어, 포르투갈어, 일본어를 전사한다. 번역은 영어와 나머지 다섯 언어의 양방향, 그리고 영어에서 이탈리아어·표준중국어로의 출력이 명시됐다. 후자는 번역 출력 능력이며 표준중국어를 ASR 목록에 추가하거나 반대 번역 방향까지 입증하지 않는다. Turbo의 7개 언어 ASR은 위 여섯 언어에 이탈리아어를 더한 구성이다.
IBM은 공개 음성 390,000시간에 일본어 ASR, 키워드 편향, 번역용 합성 데이터를 추가해 학습했다고 보고한다. 언어 ID를 프롬프트로 지정하고, 요청 시 문장부호·대문자를 출력하며, 최대 2,000개 용어 목록으로 전사와 번역을 유도하는 기능도 설명한다. 편향은 이름과 약어를 우선하도록 돕지만 목록의 단어가 실제 발화됐음을 보장하지 않는다. 뒤의 Plus 비교는 최대 2,000개가 아니라 20개 용어 목록을 사용한다.
Conformer 변경은 처리량에 관한 주장이다
IBM 설명에 따르면 하나의 Conformer 블록을 컴파일한 뒤 그 그래프를 스택 전체에서 재사용해 준비 시간을 줄였다. 보고상 같은 정확도 수준에서 Turbo CTC가 약 12,600에서 19,870 RTFx로 늘어 약 1.6배가 됐다. RTFx는 역실시간 계수로, 벤치마크 설정에서 음성 길이에 대비한 처리 능력을 나타낸다. 개별 요청이 응답하기까지 걸리는 지연을 측정한 값은 아니다.
지속 처리량이 높아도 버퍼링, 시작, 배치 구성, 네트워크 때문에 이용자가 기다릴 수 있다. 이 비교는 그런 종단 간 지연이나 특정 기기에서의 속도를 보장하지 않는다. 본 사이트는 그래프 재사용을 검증할 최적화 기제로 해석하며, 대화 응답이 반드시 1.6배 빨라진다는 약속으로 바꾸지 않는다.
Plus 표의 서로 다른 오류를 구분한다
4.1 2B Plus의 전체 음성 평균 타임스탬프 이동 AAS는 210.86에서 98.54로, 짧은 음성 행은 29.27에서 26.20으로 변한다. 보이는 표에 AAS 단위가 없으므로 밀리초를 임의로 붙일 수 없다. 긴 음성 WER는 13.53→10.22, 단어의 화자 귀속 오류 WDER는 4.40→4.10, 화자 귀속을 포함한 전사 오류 cpWER는 30.50→28.48이다.
20개 용어 목록에서 편향된 단어의 WER는 11.79→6.48이다. IBM은 긴 음성과 편향 단어의 개선을 각각 약 24%와 45%, 화자 관련 개선을 약 7%로 요약한다. 이는 상대 감소율이지 같은 수치의 퍼센트포인트 하락이 아니다. 예컨대 13.53−10.22는 해당 WER 척도에서 3.31포인트다. 시각 정렬 개선으로 단어 내용이나 화자 배정의 정확성을 확인하는 절차를 대신할 수 없다.
차트의 충돌과 배포 조건을 함께 남긴다
IBM의 정적 영어 단문 차트는 2B에 평균 WER 5.06%를 부여한다. 설명문은 10월 21일 기준 공식 결과라고 하지만, 같은 페이지의 내장 비교 푸터는 10월 15일 기준 비공식 결과이며 공개 영어 단문 테스트와 공개 가중치 모델만 다룬다고 명시한다. iframe은 9개 테스트 세트를 설명한다. 이 글은 날짜와 공식 여부의 충돌을 그대로 남기며, 차트를 읽은 사실을 현재 공식 순위나 다국어·긴 녹음 품질에 대한 독립 검증으로 취급하지 않는다.
IBM은 세 모델 모두 Apache 2.0 라이선스와 Transformers 기본 지원을 명시하고,2B에는 vLLM, llama.cpp, Apple Silicon의 mlx-audio도 열거한다. 본 사이트의 분석은 출력을 먼저 고른 뒤 목표 구성에서 대표적인 억양, 잡음, 어휘, 타임스탬프와 화자를 시험하자는 것이다. 라이선스가 호스팅 비용, 운영 데이터 권한, 개인정보 보호, 서비스 이용 가능성을 보장하지 않는다. 우리는 모델을 실행하거나 연결된 모델 카드·브라우저 데모를 검증하지 않았으며, 발표도 일반적인 운영 가격이나 지역별 접근을 보장하지 않는다.
중요한 이유
AISubHub 분석: 전사 품질, 처리 용량, 화자 기반 검색이라는 선택지를 구분한 것이 유용하다. 현지 평가는 이 결과들을 하나의 대표 점수로 대체하지 말고 각각 확인해야 한다.
제한 및 이용 가능성
IBM 저자의 발표와 자체 보고 수치를 설명하며, 차트 표기의 내부 불일치도 포함한다. 독립 벤치마크, 현재 순위, 운영 가격표 또는 표준중국어 ASR 입증이 아니다.
출처와 근거
원문 게시일: · 출처 확인일:
AI 보조 편집 기사를 명시한 일차 출처와 대조합니다. 업체 주장은 출처를 밝히며 게재는 추천을 뜻하지 않습니다.