WER（単語誤り率）とは？
Word error rate は、参照文字起こしと比べて置換・削除・挿入された単語の割合です。WER 5.00% は、そのテストセットで参照 100 語あたり 5 箇所の誤りを意味します。誤りが固有名詞か数字かフィラーかは分かりません——聞き手が実際に気にするのはそこです。
Granite Speech 5.0 Turbo CTC 解説
2026-09-01 時点で、IBM は 2026-08-25 に Granite Speech 5.0 Turbo CTC を公開しました——コンパクトな 470M 英語 ASR モデル 2 本です。IBM 発表では NVIDIA H200 1 枚で 12,600 RTFx 超——バッチ推論なら 1 秒で 3.5 時間超の音声を処理できる水準。BibiGPT は動画やポッドキャストのリンクを、GPU 配線なしでタイムスタンプ付き文字起こしと要約に変えます。
公開 · 2026-08-25 470M 英語 ASR 下で体験
Transcribe a file right here
Drop an MP3, WAV, or M4A — BibiGPT returns timestamped text you can copy, without wiring a CTC decoder.
BibiGPT を Google の優先ソースに追加 トップニュースと AI による回答に BibiGPT がもっと表示されます。 
1 
2 
3
核心事実（90 秒で読む）
2026-09-01 時点で、IBM は 2026-08-25 に Granite Speech 5.0 Turbo CTC を公開——470M 英語 ASR モデル 2 本（Apache 2.0 と CC-BY-NC-SA-4.0）。IBM 発表では NVIDIA H200 1 枚で 12,600 RTFx 超——バッチ推論なら 1 秒で 3.5 時間超の音声。最終更新 2026-09-01。
Features
Granite Speech 5.0 Turbo CTC の実態
IBM Research と Hugging Face 上の ibm-granite org は、2026-08-25 にエンコーダー専用の英語 ASR モデルを 2 本公開しました。先行の Granite Speech にあった 言語モデル バックボーンを外し、スタックを 4 億 7000 万パラメータに抑えています。
2 つのライセンス、2 つの学習セット
granite-speech-5.0-470m-turboctc は Apache 2.0。-nc バリアントは追加データ（GigaSpeech、SPGI Speech）で学習し、CC-BY-NC-SA-4.0 です。商用の自由度か、わずかに低い WER か——1 つのチェックポイントでは両立しません。
公表値 12,600+ RTFx（H200 1 枚）
IBM は単一の NVIDIA H200 でのバッチ推論で 12,600 倍超のリアルタイムスループットを報告——1 秒で 3.5 時間超の音声を文字起こしできる水準です。これは IBM の公表値であり、第三者の横断比較ではありません。
OpenASR WER：5.00% と 4.85%
2026-08-25 時点の OpenASR Leaderboard 公開英語テストセットで、IBM は Apache モデルの集計 WER を 5.00%、NC モデルを 4.85% と報告しています。WER は置換・削除・挿入を数えるスコアであり、録音内の固有名詞を保証するものではありません。
動画・ポッドキャストを扱う場合の意味
高速なオープン ASR チェックポイントは、自前ホスティングする人には有用です。講義に追いつきたいだけの大半の人に必要なのは、Conformer スタックではなくノートとしての言葉です。その後半の仕事こそ BibiGPT の領域です。
エッジ ASR は製品ではない
これらのモデルはノート PC、スマホ、高スループットの文字起こし箱向けです。先行の Granite Speech にあった音声翻訳やキーワードバイアスを捨てています。それでも重み、デコーダー、ストレージは自分で包む必要があります。
文字起こしは第一歩にすぎない
どの ASR が出す生テキストも、結局は読む必要があります。BibiGPT はリンク 1 本でタイムスタンプ付き文字起こしに加え、AI 要約と検索できるノートを返します——2 時間の録音がざっと目を通せるものになります。
英語専用は現実の制約
Turbo CTC モデルはどちらも英語 ASR です。方言の強い中国語・日本語、混在言語のポッドキャストには別の道が必要です。BibiGPT はチェックポイントを選ばせず、貼ったリンクからそれらの録音も文字起こし・要約します。
5 つの重要変化（90 秒で読む）
IBM の 2026-08-25 Granite Speech 5.0 Turbo CTC リリースからの見出し事実。
- 1
2026-08-25 公開、チェックポイント 2 本
IBM は granite-speech-5.0-470m-turboctc（Apache 2.0）と granite-speech-5.0-470m-turboctc-nc（CC-BY-NC-SA-4.0）を、Granite 4.2 言語モデルと同日に Hugging Face へ公開しました。
- 2
言語モデル バックボーンなし、470M パラメータ
Granite Speech 4.1 と違い、Turbo CTC はエンコーダー専用 CTC です。IBM は音声翻訳とキーワードバイアスを外し、ノート PC やスマホに収まるフットプリントを保っています。
- 3
公表値 12,600+ RTFx（H200 1 枚）
IBM は単一の NVIDIA H200 でのバッチ推論で 12,600 倍超のリアルタイムスループットを報告——1 秒で 3.5 時間超の音声。公開 OpenASR セット上のベンダー測定です。
- 4
OpenASR WER 5.00% / 4.85%
2026-08-25 時点で IBM は、OpenASR 公開英語テストで Apache モデルの集計 WER を 5.00%、NC モデルを 4.85% と報告。FFASR では、その日に掲載された中で最速の 2 モデルだったと述べています。
- 5
WebGPU ストリーミングデモ、英語専用
IBM は Chrome/Edge 向け WebGPU ストリーミングデモを公開。両モデルとも英語 ASR です。混在言語や方言の強い動画には、より広い文字起こしワークフローが必要です。
BibiGPT ユーザーの典型 3 シーン
高速なオープン ASR リリースが効く場所——そしてリンクからノートへ変える製品が本業になる場所。
英語 ASR を自前で大量に回す
自社 GPU で通話アーカイブを文字起こしするチームは、Apache 2.0 チェックポイントを評価できます。そのうえで完成ファイルは BibiGPT に渡し、人が生単位ではなく章立てを受け取れるようにします。
講義ノートだけが欲しい
90 分の授業録音に Conformer スタックは不要です。URL を BibiGPT に貼り、タイムスタンプ付き文字起こしを書き出し、質問を続けます。それが製品の道です。
2026 のオープン ASR リリースを比較している
Granite Speech 5.0 Turbo CTC は英語・スループット優先。Qwen3-ASR は 52 言語・方言をカバーします。モデルファミリーごとに URL を分け、「オープン ASR」1 ページにまとめないでください。
関連する BibiGPT ツール
このリリースと組み合わせる文字起こし・ノートのワークフロー。
出典
本ページの事実は IBM 自身の 2026-08-25 投稿に基づきます。スループットと WER は IBM 報告値です。
-
IBM Granite は 2026-08-25 に 470M 英語 ASR モデル 2 本を発表し、H200 1 枚で 12,600 RTFx 超、OpenASR 公開セット WER は 5.00%（Apache 2.0）と 4.85%（NC）と報告しました。
Hugging Face — Extremely Fast and Accurate Transcription with Granite Speech 5.0 Turbo CTC ↗ -
ibm-granite/granite-speech-5.0-470m-turboctc のモデルカード：Apache 2.0、英語、470M、Conformer CTC、公開日 2026 年 8 月 25 日。
Hugging Face model card — granite-speech-5.0-470m-turboctc ↗ -
IBM Research の 2026-08-25 Granite 4.2 投稿は、当日の音声モデルとして Granite Speech 5.0 Turbo CTC と Turbo CTC NC を挙げています（URL スラッグは Granite 4.2 であり Speech 5.0 ではありません）。
IBM Research — Granite 4.2 ↗
このページで使う用語
音声認識における RTFx とは？
RTFx は、壁時計 1 秒あたり何秒分の音声を文字起こしできるかを示します。RTFx 12,600 は、報告された構成がリアルタイムの 12,600 倍で音声を処理したことを意味します。ハードとバッチの数字であり、ノート PC のマイク性能を約束するものではありません。
クリエイター・学生・研究者に愛用されています
動画をテキスト化するために、毎日 BibiGPT が選ばれている理由。
全世界 50,000 人以上のユーザーが利用中
★★★★★
“リンクを貼るだけで数秒でクリーンな字幕テキストが手に入り、毎週何時間もの書き起こし作業が不要になりました。”
Maya R.
コンテンツクリエイター · ショート動画を再編集
★★★★★
“文字起こしをエクスポートできるので、動画を何度も止めずに自分のペースで新しい単語を復習できます。”
Daniel K.
語学学習者 · 生の動画で学習
★★★★★
“タイムスタンプ付きの正確なテキストをそのまま引用できます。いつの間にか毎日のワークフローの一部になりました。”
Priya S.
研究者 · 公開講演を引用
よくある質問
よくある質問
ご質問はありますか？お気軽にどうぞ！
人気の記事
1 Bilibili AI動画要約ツール：BibiGPTが30以上のプラットフォームを即座に要約（2026）
2026年に最適なBilibili AI動画要約ツールは？リンクを貼るだけで、30以上のプラットフォームに対応した構造化要約・マインドマップ・要点を即座に取得。上位5ツールを比較します。
2 DeepSeek Harnessでskillを導入する方法：dshに動画を理解させる実践ガイド
DeepSeek Harnessに動画要約skillを入れるのはディレクトリをコピーするだけ——SKILL.mdはClaude Codeと同じ。dshを入れなくても、ブラウザにBilibiliやYouTubeのリンクを貼ればタイムスタンプ付きの要約が出ます。
3 アプリなしで動画を逆再生する方法｜無料・ダウンロード不要でブラウザで逆再生（2026年版）
アプリのインストールもダウンロードも不要。ブラウザだけで動画を無料で逆再生する方法を、iPhone・Android・PC別に解説。音声の逆再生、長尺動画のコツ、よくあるトラブルの直し方まで2026年最新版でまとめました。
デコーダー構成は飛ばして、文字起こしを取る。
YouTube・Bilibili・ポッドキャストのリンクを貼るか、ファイルをアップロード。BibiGPT がタイムスタンプ付き文字起こし、AI 要約、検索できるノートを返します。最終更新 2026-09-01。