ณ 2026-09-01 IBM เปิดตัว Granite Speech 5.0 Turbo CTC เมื่อ 2026-08-25: โมเดล ASR อังกฤษกะทัดรัด 470M สองตัว IBM รายงาน RTFx กว่า 12,600 บน NVIDIA H200 หนึ่งใบ — ถอดเสียงได้กว่า 3.5 ชั่วโมงในหนึ่งวินาทีด้วย batched inference BibiGPT เปลี่ยนลิงก์วิดีโอหรือพอดแคสต์เป็นทรานสคริปต์พร้อมตราเวลาและสรุป โดยไม่ต้องต่อ GPU เอง
Drop an MP3, WAV, or M4A — BibiGPT returns timestamped text you can copy, without wiring a CTC decoder.
ณ 2026-09-01 IBM เปิดตัว Granite Speech 5.0 Turbo CTC เมื่อ 2026-08-25: โมเดล ASR อังกฤษ 470M สองตัว (Apache 2.0 และ CC-BY-NC-SA-4.0) IBM รายงาน RTFx กว่า 12,600 บน NVIDIA H200 หนึ่งใบ — ถอดเสียงได้กว่า 3.5 ชั่วโมงในหนึ่งวินาทีด้วย batched inference อัปเดตล่าสุด 2026-09-01
IBM Research และองค์กร ibm-granite บน Hugging Face เปิดตัวโมเดล ASR อังกฤษแบบ encoder-only สองตัวเมื่อ 2026-08-25 พวกมันตัด โมเดลภาษา backbone ที่ใช้ใน Granite Speech รุ่นก่อน เหลือพารามิเตอร์ 470 ล้าน
granite-speech-5.0-470m-turboctc เป็น Apache 2.0 ตัวแปร -nc เทรนด้วยข้อมูลเพิ่ม (GigaSpeech, SPGI Speech) และเป็น CC-BY-NC-SA-4.0 เลือกเสรีภาพเชิงพาณิชย์ หรือ WER ที่ต่ำกว่าเล็กน้อย — ไม่ได้ทั้งสองใน checkpoint เดียว
IBM รายงาน throughput แบบเรียลไทม์กว่า 12,600× บน NVIDIA H200 หนึ่งใบด้วย batched inference — ถอดเสียงได้กว่า 3.5 ชั่วโมงในหนึ่งวินาที นี่คือตัวเลขที่ IBM เผยแพร่ ไม่ใช่การแข่งอิสระ
บนชุดทดสอบอังกฤษสาธารณะของ OpenASR Leaderboard ณ 2026-08-25 IBM รายงาน aggregate WER 5.00% สำหรับโมเดล Apache และ 4.85% สำหรับโมเดล NC Word error rate นับการแทนที่ ลบ และแทรก — ตัวเลขคือคะแนน ไม่ใช่คำสัญญาเรื่องชื่อในไฟล์ของคุณ
checkpoint ASR โอเพนที่เร็วมีประโยชน์กับคนที่จะโฮสต์เอง คนส่วนใหญ่ที่ต้องตามบทเรียนต้องการคำเป็นโน้ต ไม่ใช่สแต็ก Conformer งานอย่างหลังคือสิ่งที่ BibiGPT ทำให้
โมเดลเหล่านี้สร้างมาสำหรับแล็ปท็อป โทรศัพท์ และกล่องถอดเสียงปริมาณสูง พวกมันสละ speech translation และ keyword biasing ที่ Granite Speech รุ่นก่อนมี คุณยังต้องห่อ weights, decoder และที่เก็บเอง
ข้อความดิบจากโมเดล ASR ใด ๆ ยังต้องอ่าน BibiGPT รับลิงก์แล้วคืนทรานสคริปต์พร้อมตราเวลา พร้อมสรุป AI และโน้ตที่ค้นหาได้ — ทำให้ไฟล์สองชั่วโมงกลายเป็นสิ่งที่เลื่อนดูได้
โมเดล Turbo CTC ทั้งคู่เป็น ASR อังกฤษ พอดแคสต์จีน/ญี่ปุ่นที่มีสำเนียงหนัก หรือหลายภาษา ต้องใช้เส้นทางอื่น BibiGPT ถอดเสียงและสรุปไฟล์เหล่านั้นจากลิงก์ที่วาง โดยคุณไม่ต้องเลือก checkpoint
ข้อเท็จจริงหัวข้อจากรีลีส Granite Speech 5.0 Turbo CTC ของ IBM เมื่อ 2026-08-25
IBM ส่ง granite-speech-5.0-470m-turboctc (Apache 2.0) และ granite-speech-5.0-470m-turboctc-nc (CC-BY-NC-SA-4.0) บน Hugging Face ในวันเดียวกับโมเดลภาษา Granite 4.2
ต่างจาก Granite Speech 4.1 Turbo CTC เป็น CTC แบบ encoder-only IBM ตัด speech translation และ keyword biasing เพื่อให้ขนาดเล็กพอสำหรับแล็ปท็อปและโทรศัพท์
IBM รายงาน throughput แบบเรียลไทม์กว่า 12,600× ด้วย batched inference บน NVIDIA H200 หนึ่งใบ — เสียงกว่า 3.5 ชั่วโมงในหนึ่งวินาที นี่คือการวัดของผู้ขายบนชุด OpenASR สาธารณะ
ณ 2026-08-25 IBM รายงาน aggregate WER 5.00% สำหรับโมเดล Apache และ 4.85% สำหรับโมเดล NC บนชุดทดสอบอังกฤษสาธารณะของ OpenASR บน FFASR IBM บอกว่าคู่นี้เป็นสองโมเดลที่เร็วที่สุดในรายการวันนั้น
IBM เผยแพร่เดโมสตรีม WebGPU สำหรับ Chrome/Edge โมเดลทั้งคู่เป็น ASR อังกฤษ วิดีโอหลายภาษาหรือสำเนียงหนักยังต้องการเวิร์กโฟลว์ถอดเสียงที่กว้างกว่า
ที่ที่รีลีส ASR โอเพนที่เร็วสำคัญ — และที่ที่ผลิตภัณฑ์ลิงก์-เป็น-โน้ตคืองานจริง
ทีมที่ถอดคลังสายบน GPU ของตัวเองประเมิน checkpoint Apache 2.0 ได้ แล้วยังโยนไฟล์สำเร็จเข้า BibiGPT เพื่อให้คนได้บทแทนสตรีมโทเคนดิบ
ไฟล์เรียน 90 นาทีไม่ต้องการสแต็ก Conformer วาง URL ใน BibiGPT ส่งออกทรานสคริปต์พร้อมตราเวลา และถามติดตามได้ นั่นคือเส้นทางผลิตภัณฑ์
Granite Speech 5.0 Turbo CTC เป็นอังกฤษและเน้น throughput เป็นหลัก Qwen3-ASR ครอบคลุม 52 ภาษาและสำเนียง คง URL หนึ่งต่อตระกูลโมเดล; อย่ารวมเป็นหน้า «open ASR» เดียว
เวิร์กโฟลว์ถอดเสียงและโน้ตที่คู่กับรีลีสนี้
วาง MP3, WAV หรือ M4A แล้วได้ข้อความพร้อมตราเวลา
เปลี่ยนลิงก์หรือไฟล์วิดีโอเป็นทรานสคริปต์ที่ค้นหาได้
คู่แข่ง ASR โอเพนหลายภาษาจากทีม Qwen ของ Alibaba
หน้าอีเวนต์ ASR โอเพนปี 2026 อีกหน้า — 2B, 14 ภาษา
ดึงทรานสคริปต์เต็มจาก URL YouTube
ข้อเท็จจริงในหน้านี้มาจากโพสต์ของ IBM เองเมื่อ 2026-08-25 Throughput และ WER เป็นตัวเลขที่ IBM รายงาน
IBM Granite ประกาศโมเดล ASR อังกฤษ 470M สองตัวเมื่อ 2026-08-25 รายงาน RTFx กว่า 12,600 บน H200 หนึ่งใบ และ OpenASR WER ชุดสาธารณะ 5.00% (Apache 2.0) และ 4.85% (NC)
Hugging Face — Extremely Fast and Accurate Transcription with Granite Speech 5.0 Turbo CTC ↗การ์ดโมเดล ibm-granite/granite-speech-5.0-470m-turboctc: Apache 2.0, อังกฤษ, 470M, Conformer CTC, วันเปิดตัว 25 สิงหาคม 2026
Hugging Face model card — granite-speech-5.0-470m-turboctc ↗โพสต์ Granite 4.2 ของ IBM Research เมื่อ 2026-08-25 ระบุชื่อ Granite Speech 5.0 Turbo CTC และ Turbo CTC NC เป็นโมเดล speech ของวันนั้น (slug ของ URL คือ Granite 4.2 ไม่ใช่ Speech 5.0)
IBM Research — Granite 4.2 ↗Word error rate คือสัดส่วนคำที่ถูกแทนที่ ลบ หรือแทรกเทียบกับทรานสคริปต์อ้างอิง WER 5.00% หมายถึงห้าความผิดพลาดต่อ 100 คำอ้างอิงบนชุดทดสอบนั้น มันไม่บอกว่าความผิดพลาดเป็นชื่อ ตัวเลข หรือคำเติม — ซึ่งคือสิ่งที่ผู้ฟังสังเกตจริง
RTFx คือจำนวนวินาทีของเสียงที่ระบบถอดได้ต่อวินาทีของเวลาจริง RTFx 12,600 หมายความว่าชุดที่รายงานประมวลผลเสียงเร็วกว่าเรียลไทม์ 12,600 เท่า เป็นตัวเลขฮาร์ดแวร์และการแบตช์ ไม่ใช่คำสัญญาเรื่องไมค์แล็ปท็อป
เหตุผลที่ผู้คนใช้ BibiGPT แปลงวิดีโอเป็นข้อความทุกวัน
ผู้ใช้กว่า 50,000 คนทั่วโลกไว้วางใจ
“แค่วางลิงก์ก็ได้ข้อความซับไตเติลที่เรียบร้อยในไม่กี่วินาที ช่วยประหยัดเวลาพิมพ์ซ้ำหลายชั่วโมงทุกสัปดาห์”
Maya R.
ครีเอเตอร์ · นำวิดีโอสั้นมาใช้ใหม่
“การส่งออกทรานสคริปต์ทำให้ฉันทบทวนคำศัพท์ใหม่ตามจังหวะของตัวเอง โดยไม่ต้องกดหยุดวิดีโอตลอดเวลา”
Daniel K.
ผู้เรียนภาษา · เรียนรู้จากวิดีโอจริง
“ข้อความแม่นยำพร้อมไทม์สแตมป์ที่นำไปอ้างอิงได้ทันที กลายเป็นส่วนหนึ่งของงานประจำวันของฉันไปแล้ว”
Priya S.
นักวิจัย · อ้างอิงงานบรรยายสาธารณะ
FAQ
ถามอะไรก็ได้
1 เครื่องมือสรุปวิดีโอ AI Bilibili ที่ดีที่สุดในปี 2026? BibiGPT รองรับ 30+ แพลตฟอร์มด้วยผู้ใช้ 1M+ วางลิงก์ Bilibili ใดๆ เพื่อสรุปแบบมีโครงสร้างทันที เปรียบเทียบ 5 อันดับเครื่องมือพร้อมระบบอัตโนมัติ 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).
วางลิงก์ YouTube, Bilibili หรือพอดแคสต์ — หรืออัปโหลดไฟล์ BibiGPT คืนทรานสคริปต์พร้อมตราเวลา สรุป AI และโน้ตที่ค้นหาได้ อัปเดตล่าสุด 2026-09-01
