IBM تطلق Granite Speech 5.0 بدقة 5.06% WER وسرعة 19,870 RTFx
بقلم علي المنتصر — محلل ومحرر تقني أول
أعلنت IBM عبر Hugging Face عن ثلاثة تحديثات لمجموعة Granite Speech: نموذج granite-speech-5.0-2b الجديد بدقة 5.06% WER ومتوسط خطأ في المرتبة الثانية بين النماذج المفتوحة، وتحديث turboctc بسرعة 19,870 RTFx أي أسرع 1.6 مرة، وتحسين 4.1-2b-plus بخفض 24% في أخطاء النصوص الطويلة و7% في تحديد المتحدثين. جميع النماذج متاحة برخصة Apache 2.0 مع دعم Transformers وvLLM وllama.cpp وmlx-audio، وتغطي 7 لغات للنسخ دون دعم مؤكد للعربية.
الموجز الإحصائي السريع
أعلنت IBM عبر مدونة Hugging Face الرسمية عن إطلاق ثلاثة تحديثات لمجموعة Granite Speech: النموذج الجديد granite-speech-5.0-2b بدقة 5.06% WER، والتحديث granite-speech-5.0-470m-turboctc بسرعة 19,870 RTFx، والتحديث granite-speech-4.1-2b-plus بخفض 24% في أخطاء النصوص الطويلة. جميع النماذج متاحة فوراً برخصة Apache 2.0 على Hugging Face مع دعم Transformers وvLLM وllama.cpp وmlx-audio.
📊 بطاقة البيانات والمواصفات التقنية الرسمية
| المحور التقني | البيانات الرسمية المؤكدة |
|---|---|
| 💰 الأسعار وتكلفة الاستخدام | مجاني بالكامل — رخصة Apache 2.0 مفتوحة المصدر، لا توجد أسعار توكنز أو خطط اشتراك؛ التكلفة تقتصر على استضافة النموذج (2B أو 470M معامل) أو استدعاء Hugging Face Inference. |
| 🌐 المنصات والتوفر الفوري | Hugging Face (النماذج الثلاثة)، Transformers، vLLM، llama.cpp، mlx-audio لمعالجات Apple Silicon، وعرض WebGPU تجريبي في المتصفح لنموذج turboctc. |
| ⚡ الأداء ومؤشرات السرعة | granite-speech-5.0-2b: متوسط WER 5.06% (المرتبة #2 بين النماذج المفتوحة). turboctc: 19,870 RTFx (أسرع 1.6x من 12,600 RTFx). 4.1-2b-plus: خفض 24% في WER للنصوص الطويلة، 7% في WDER، 7% في cpWER، 45% في أخطاء الكلمات المفتاحية، AAS من 210.86 إلى 98.54. |
| 🛡️ الأمان ومقاومة الاختراق | توصي IBM بربط النماذج بـ Granite Guardian في بيئات الإنتاج للكشف الإضافي عن المخاطر. لا توجد معايير أمان صريحة أو تقييمات Prompt Injection منشورة في البيان. |
| 🧠 سياق الذاكرة (Context Window) | غير محدد برقم توكنز في البيان؛ النموذج مصمم لمعالجة النصوص الطويلة والمحادثات الممتدة، مع تحسين WER للنصوص الطويلة بنسبة 24% في 4.1-2b-plus. |
| 🌍 دعم اللغة العربية والمنطقة | غير مدعومة رسمياً — اللغات المعلنة: الإنجليزية، الفرنسية، الألمانية، الإسبانية، البرتغالية، اليابانية، الإيطالية، والماندرين. لا توجد إشارة إلى العربية أو إتاحة إقليمية في الشرق الأوسط. |
تفاصيل الإعلان والميزات التقنية الجديدة
يأتي granite-speech-5.0-2b خلفاً لـ granite-speech-4.1-2b بنفس عدد المعاملات (2B)، وقد دُرّب على 390,000 ساعة من الصوت العام إضافة إلى بيانات تركيبية مخصصة للتعرف على الكلام الياباني وتحيز الكلمات المفتاحية والترجمة. أبرز ترقياته: دقة أعلى في ASR الإنجليزي القصير، ومقاومة محسّنة للضوضاء والصدى والمسافات البعيدة عن الميكروفون، وتوجيه لغة الإدخال عبر Prompt، وقوائم كلمات مفتاحية تصل إلى 2,000 مصطلح في كل لغة مدعومة، وتنسيق تلقائي بعلامات ترقيم وحروف كبيرة عند الطلب بدرجة F1 تتراوح بين 89.7 و99.5.
أما granite-speech-5.0-470m-turboctc فيحافظ على بصمة 470M معامل ويضيف دعماً متعدد اللغات لسبع لغات، وعلامات ترقيم وحروف كبيرة أصلية دون خطوة معالجة منفصلة، ومقاومة أعلى للصدى والبيئات الصوتية الصعبة. السرعة قفزت إلى 19,870 RTFx بفضل تجميع كتلة Conformer واحدة وإعادة استخدام رسمها البياني عبر الطبقات، ما خفض وقت الإحماء ورفع الإنتاجية 1.6 مرة عند نفس الدقة.
ويستهدف granite-speech-4.1-2b-plus اجتماعات المؤسسات والمكالمات والمقابلات متعددة المتحدثين، مع الحفاظ على نفس المعمارية وصيغة الـ Prompt والـ API كبديل مباشر (drop-in) للنموذج السابق. سجل تحسناً بنسبة 7% في WDER و7% في cpWER، وخفض AAS من 210.86 إلى 98.54 (أكثر من النصف)، وخفض WER للنصوص الطويلة 24% من 13.53 إلى 10.22، وخفض أخطاء الكلمات المفتاحية 45% من 11.79 إلى 6.48.
المقارنة المعيارية والأداء التنافسي
على Open ASR Leaderboard (9 مجموعات اختبار إنجليزية قصيرة عامة، بيانات أكتوبر 2026)، احتل granite-speech-5.0-2b المرتبة الثانية بين أفضل نماذج ASR المفتوحة الأوزان بمتوسط WER 5.06%، متجاوزاً سلفه 4.1-2b. وفي محور السرعة، تفوق turboctc بـ 19,870 RTFx مقابل نحو 12,600 RTFx عند إطلاقه في أغسطس، أي تحسن 1.6x. أما 4.1-2b-plus فيتفوق على إصداره السابق في ستة مقاييس خطأ دفعة واحدة، أبرزها خفض AAS بنسبة تتجاوز 53% وتحسين WER للنصوص الطويلة بنسبة 24%.
ماذا يعني هذا للمطور والمستخدم العربي؟ (The Localization Edge)
لا تدرج IBM اللغة العربية ضمن اللغات المدعومة رسمياً في Granite Speech 5.0، ما يعني أن المشاريع العربية ستحتاج إلى طبقة معالجة إضافية أو نموذج ASR عربي متخصص قبل الاعتماد على هذه النماذج في الإنتاج. في المقابل، تتيح رخصة Apache 2.0 الكاملة للمطورين في المنطقة ضبط النماذج (fine-tuning) على بيانات عربية محلية دون تكاليف ترخيص، مع الاستفادة من دعم mlx-audio لتشغيل turboctc على أجهزة Apple Silicon بكفاءة عالية. كما أن تحيز الكلمات المفتاحية حتى 2,000 مصطلح مفيد لتخصيص أسماء المنتجات والأعلام والاختصارات العربية بعد الضبط. وتظل التكلفة التشغيلية منخفضة نسبياً بفضل حجم 470M معامل للنسخ عالي الإنتاجية و2B للترجمة الدقيقة.
الخلاصة والتطلعات القادمة
يمثل Granite Speech 5.0 خطوة مزدوجة: تعميق الدقة في النموذج الأساسي 2B، وتسريع النسخ الطرفي عبر turboctc، وتحسين إسناد المتحدثين في 4.1-2b-plus. التحدي التالي أمام IBM هو توسيع تغطية اللغات لتشمل العربية، وتوثيق حدود السياق Tokens بشكل صريح، وإصدار معايير أمان قابلة للقياس عند الاقتران بـ Granite Guardian.
المصدر الإعلامي: Hugging Face | البيان الرسمي للشركة: المصدر الأصلي | تدقيق وتحليل البيانات: AI Tools Oasis
أسئلة شائعة
فريق AI Tools Oasis
نقدم لك أحدث الأخبار والتحليلات في عالم الذكاء الاصطناعي بدقة ومصداقية. تابعنا للحصول على كل جديد.
