Per 2026-09-01, IBM merilis Granite Speech 5.0 Turbo CTC pada 2026-08-25: dua model ASR Inggris kompak 470M. IBM melaporkan lebih dari 12.600 RTFx di satu NVIDIA H200 — lebih dari 3,5 jam speech dalam satu detik dengan batched inference. BibiGPT mengubah tautan video atau podcast jadi transkrip berstempel waktu dan ringkasan, tanpa perlu merangkai GPU.
Drop an MP3, WAV, or M4A — BibiGPT returns timestamped text you can copy, without wiring a CTC decoder.
Per 2026-09-01, IBM merilis Granite Speech 5.0 Turbo CTC pada 2026-08-25: dua model ASR Inggris 470M (Apache 2.0 dan CC-BY-NC-SA-4.0). IBM melaporkan lebih dari 12.600 RTFx di satu NVIDIA H200 — lebih dari 3,5 jam speech dalam satu detik dengan batched inference. Terakhir diperbarui 2026-09-01.
IBM Research dan org ibm-granite di Hugging Face merilis dua model ASR Inggris encoder-only pada 2026-08-25. Mereka melepas model bahasa backbone yang dipakai Granite Speech sebelumnya supaya stack tetap di 470 juta parameter.
granite-speech-5.0-470m-turboctc berlisensi Apache 2.0. Varian -nc dilatih dengan data ekstra (GigaSpeech, SPGI Speech) dan berlisensi CC-BY-NC-SA-4.0. Pilih kebebasan komersial atau WER sedikit lebih rendah — bukan keduanya dalam satu checkpoint.
IBM melaporkan throughput lebih dari 12.600× real-time di satu NVIDIA H200 dengan batched inference — cukup untuk mentranskripsi lebih dari 3,5 jam speech dalam satu detik. Itu angka resmi IBM, bukan bake-off independen.
Di set tes Inggris publik OpenASR Leaderboard per 2026-08-25, IBM melaporkan WER agregat 5,00% untuk model Apache dan 4,85% untuk model NC. Word error rate menghitung substitusi, penghapusan, dan penyisipan — angkanya skor, bukan janji soal nama di rekamanmu.
Checkpoint ASR open yang cepat berguna buat yang mau self-host. Kebanyakan orang yang harus mengejar kuliah butuh kata-katanya jadi catatan, bukan stack Conformer. Pekerjaan kedua itu yang jadi fokus BibiGPT.
Model-model ini dibangun untuk laptop, ponsel, dan kotak transkripsi high-throughput. Mereka melepas speech translation dan keyword biasing yang ada di Granite Speech sebelumnya. Kamu tetap harus membungkus weight, decoder, dan storage.
Teks mentah dari model ASR mana pun masih harus dibaca. BibiGPT mengambil tautan dan mengembalikan transkrip berstempel waktu plus ringkasan AI dan catatan yang bisa dicari — jadi rekaman dua jam jadi sesuatu yang bisa kamu skim.
Kedua model Turbo CTC adalah ASR Inggris. Podcast berdialek China, Jepang, atau campuran bahasa butuh jalur lain. BibiGPT mentranskripsi dan merangkum rekaman itu dari tautan yang ditempel tanpa kamu memilih checkpoint.
Fakta utama dari rilis Granite Speech 5.0 Turbo CTC IBM pada 2026-08-25.
IBM merilis granite-speech-5.0-470m-turboctc (Apache 2.0) dan granite-speech-5.0-470m-turboctc-nc (CC-BY-NC-SA-4.0) di Hugging Face pada hari yang sama dengan model bahasa Granite 4.2.
Berbeda dari Granite Speech 4.1, Turbo CTC adalah CTC encoder-only. IBM melepas speech translation dan keyword biasing agar footprint cukup kecil untuk laptop dan ponsel.
IBM melaporkan throughput lebih dari 12.600× real-time dengan batched inference di satu NVIDIA H200 — lebih dari 3,5 jam speech dalam satu detik. Itu pengukuran vendor di set OpenASR publik.
Per 2026-08-25 IBM melaporkan WER agregat 5,00% untuk model Apache dan 4,85% untuk model NC di tes Inggris publik OpenASR. Di FFASR, IBM bilang pasangan ini adalah dua model tercatat tercepat hari itu.
IBM memublikasikan demo streaming WebGPU di Chrome/Edge. Kedua model adalah ASR Inggris. Video multibahasa atau berdialek masih butuh alur transkripsi yang lebih luas.
Di mana rilis ASR open yang cepat penting — dan di mana produk tautan-jadi-catatan adalah pekerjaan sebenarnya.
Tim yang mentranskripsi arsip panggilan di GPU sendiri bisa mengevaluasi checkpoint Apache 2.0. Lalu tetap dump file jadi ke BibiGPT supaya manusia mendapat bab, bukan stream unit mentah.
Rekaman kelas 90 menit tidak butuh stack Conformer. Tempel URL ke BibiGPT, ekspor transkrip berstempel waktu, dan terus ajukan pertanyaan. Itulah jalur produknya.
Granite Speech 5.0 Turbo CTC berbahasa Inggris dan mengutamakan throughput. Qwen3-ASR mencakup 52 bahasa dan dialek. Pertahankan satu URL per keluarga model; jangan gabungkan jadi satu halaman «open ASR».
Alur transkripsi dan catatan yang cocok dengan rilis ini.
Drop MP3, WAV, atau M4A dan dapatkan teks berstempel waktu.
Ubah tautan atau file video jadi transkrip yang bisa dicari.
Mitra open ASR multibahasa dari tim Qwen Alibaba.
Halaman peristiwa open ASR 2026 lainnya — 2B, 14 bahasa.
Ambil transkrip lengkap dari URL YouTube.
Fakta di halaman ini berasal dari postingan IBM sendiri pada 2026-08-25. Throughput dan WER dilaporkan oleh IBM.
IBM Granite mengumumkan dua model ASR Inggris 470M pada 2026-08-25, melaporkan lebih dari 12.600 RTFx di satu H200 dan OpenASR WER set publik 5,00% (Apache 2.0) serta 4,85% (NC).
Hugging Face — Extremely Fast and Accurate Transcription with Granite Speech 5.0 Turbo CTC ↗Model card untuk ibm-granite/granite-speech-5.0-470m-turboctc: Apache 2.0, Inggris, 470M, Conformer CTC, tanggal rilis 25 Agustus 2026.
Hugging Face model card — granite-speech-5.0-470m-turboctc ↗Postingan Granite 4.2 IBM Research pada 2026-08-25 menyebut Granite Speech 5.0 Turbo CTC dan Turbo CTC NC sebagai model speech hari itu (slug URL-nya Granite 4.2, bukan Speech 5.0).
IBM Research — Granite 4.2 ↗Word error rate adalah fraksi kata yang disubstitusi, dihapus, atau disisipkan dibanding transkrip referensi. WER 5,00% berarti lima kesalahan per 100 kata referensi di set tes itu. Angka ini tidak memberi tahu apakah kesalahannya nama, angka, atau filler — yang justru paling diperhatikan pendengar.
RTFx adalah berapa detik audio yang ditranskripsi sistem per detik waktu wall-clock. RTFx 12.600 berarti setup yang dilaporkan memproses audio 12.600 kali lebih cepat dari real time. Itu angka hardware-dan-batching, bukan janji soal mikrofon laptop.
Mengapa banyak orang memakai BibiGPT setiap hari untuk mengubah video menjadi teks.
Dipercaya 50.000+ pengguna di seluruh dunia
“Saya tempel tautan dan dalam hitungan detik mendapat teks subtitle yang rapi — menghemat berjam-jam mengetik ulang setiap minggu.”
Maya R.
Kreator konten · Mendaur ulang video pendek
“Dengan mengekspor transkrip, saya bisa mengulang kosakata baru sesuai kecepatan sendiri tanpa terus menjeda video.”
Daniel K.
Pembelajar bahasa · Belajar dengan video asli
“Teks akurat dengan stempel waktu yang bisa langsung saya kutip. Diam-diam sudah jadi bagian dari rutinitas harian saya.”
Priya S.
Peneliti · Mengutip ceramah publik
FAQ
Tanyakan apa pun.
1 Tool ringkasan video AI Bilibili terbaik 2026? BibiGPT mendukung 30+ platform dengan 1 juta+ pengguna. Tempel link Bilibili untuk ringkasan terstruktur instan. Bandingkan top 5 tool plus otomasi AI agent.
2 Install a video-summary skill into DeepSeek Harness in one copy-paste — SKILL.md matches Claude Code. Or skip dsh: paste a Bilibili or YouTube link in the browser and get a timestamped summary.
3 Reverse any video free with no app and no download, right in your browser. Step-by-step for iPhone, Android, and PC, plus how to reverse audio (2026).
Tempel tautan YouTube, Bilibili, atau podcast — atau upload file. BibiGPT mengembalikan transkrip berstempel waktu, ringkasan AI, dan catatan yang bisa dicari. Terakhir diperbarui 2026-09-01.
