IBM 以 Apache 2.0 发布 Granite Speech 5.0 2B：英文平均 WER 5.06%，关键词偏置最多 2,000 个词
一次更新覆盖高精度转写、端侧快速转写和多人会议三种场景。这一条讲各自适合什么，以及中文支持到哪一步。
// 要点
- granite-speech-5.0-2b 可转写英、法、德、西、葡、日六种语言，并在这些语言与英文之间互译，另支持英译意大利语和中文；用 39 万小时公开音频训练，在 Open ASR 排行榜英文短音频上平均 WER 5.06%，开源模型中排第 2。
- 支持最多 2,000 个词的关键词偏置、在提示里指定输入语言，以及按需输出标点和大小写；Transformers、vLLM、llama.cpp 和 mlx-audio 均已支持。
- 470M 的 Turbo CTC 改为支持 7 种语言并原生带标点，RTFx 从约 12,600 提升到 19,870，约快 1.6 倍。
- 面向会议与通话的 granite-speech-4.1-2b-plus 可直接替换旧版：长音频 WER 从 13.53 降到 10.22，20 词列表下关键词 WER 从 11.79 降到 6.48，平均时间戳偏移从 210.86 降到 98.54。
开发者视角注意它不转写中文，中文只是英译的目标语言，所以中文面试还得另找方案。英文模拟面试可以试：把岗位的技术名词塞进关键词列表，对付「Kubernetes」「gRPC」这类最容易转错的词；要按说话人拆分录音的，用 4.1-2b-plus。和 10 月 20 日 Mistral 的 Voxtral 3 一起，用自己的录音各跑一遍再选。