WER (word error rate) là gì?
Word error rate là tỉ lệ từ bị thay, xóa hoặc chèn so với bản chép tham chiếu. WER 5,00% nghĩa là năm lỗi trên 100 từ tham chiếu ở tập test đó. Nó không cho biết lỗi là tên, số hay filler — thứ người nghe thực sự để ý.
Granite Speech 5.0 Turbo CTC giải thích
Tính đến 2026-09-01, IBM phát hành Granite Speech 5.0 Turbo CTC ngày 2026-08-25: hai mô hình ASR tiếng Anh nhỏ gọn 470M. IBM báo cáo hơn 12.600 RTFx trên một NVIDIA H200 — hơn 3,5 giờ giọng nói trong một giây với batched inference. BibiGPT biến link video hoặc podcast thành bản chép có timestamp và tóm tắt, không cần gắn GPU.
Phát hành · 2026-08-25 ASR tiếng Anh 470M Demo bên dưới
Transcribe a file right here
Drop an MP3, WAV, or M4A — BibiGPT returns timestamped text you can copy, without wiring a CTC decoder.
Thêm BibiGPT làm nguồn ưu tiên trên Google Xem thêm nội dung BibiGPT trong Tin bài hàng đầu và câu trả lời AI. 
1 
2 
3
Sự thật chính (đọc 90 giây)
Tính đến 2026-09-01, IBM phát hành Granite Speech 5.0 Turbo CTC ngày 2026-08-25: hai mô hình ASR tiếng Anh 470M (Apache 2.0 và CC-BY-NC-SA-4.0). IBM báo cáo hơn 12.600 RTFx trên một NVIDIA H200 — hơn 3,5 giờ giọng nói trong một giây với batched inference. Cập nhật lần cuối 2026-09-01.
Features
Granite Speech 5.0 Turbo CTC thực sự là gì
IBM Research và org ibm-granite trên Hugging Face phát hành hai mô hình ASR tiếng Anh encoder-only ngày 2026-08-25. Chúng bỏ mô hình ngôn ngữ backbone dùng ở các đời Granite Speech trước để stack còn 470 triệu tham số.
Hai giấy phép, hai tập huấn luyện
granite-speech-5.0-470m-turboctc là Apache 2.0. Biến thể -nc huấn luyện thêm dữ liệu (GigaSpeech, SPGI Speech) và mang CC-BY-NC-SA-4.0. Chọn tự do thương mại hoặc WER thấp hơn một chút — không cả hai trong một checkpoint.
Công bố 12.600+ RTFx trên một H200
IBM báo cáo throughput hơn 12.600× real-time trên một NVIDIA H200 với batched inference — đủ để phiên âm hơn 3,5 giờ giọng nói trong một giây. Đây là số IBM công bố, không phải bake-off độc lập.
OpenASR WER: 5,00% và 4,85%
Trên các tập test tiếng Anh công khai của OpenASR Leaderboard tính đến 2026-08-25, IBM báo cáo WER tổng hợp 5,00% cho mô hình Apache và 4,85% cho mô hình NC. Word error rate đếm substitution, deletion và insertion — đây là điểm số, không phải lời hứa về tên riêng trong bản ghi của bạn.
Điều gì đổi nếu bạn làm việc với video và podcast
Một checkpoint ASR mã nguồn mở nhanh hữu ích cho người sẽ self-host. Hầu hết người cần bắt kịp bài giảng cần lời thành ghi chú, không phải stack Conformer. Việc thứ hai đó là thứ BibiGPT làm.
Edge ASR không phải sản phẩm
Các mô hình này dành cho laptop, điện thoại và hộp phiên âm throughput cao. Chúng từ bỏ speech translation và keyword biasing mà các đời Granite Speech trước có. Bạn vẫn phải bọc weights, decoder và storage.
Bản chép chỉ là bước một
Văn bản thô từ bất kỳ mô hình ASR nào vẫn phải được đọc. BibiGPT nhận link và trả bản chép có timestamp kèm tóm tắt AI và ghi chú tìm được — để bản ghi hai giờ trở thành thứ bạn lướt nhanh được.
Chỉ tiếng Anh là giới hạn thật
Cả hai mô hình Turbo CTC đều là ASR tiếng Anh. Podcast tiếng Trung nhiều phương ngữ, tiếng Nhật hoặc đa ngôn ngữ cần đường khác. BibiGPT phiên âm và tóm tắt những bản ghi đó từ link dán vào mà bạn không chọn checkpoint.
5 thay đổi chính (đọc 90 giây)
Các điểm nổi bật từ bản phát hành Granite Speech 5.0 Turbo CTC ngày 2026-08-25 của IBM.
- 1
Phát hành 2026-08-25, hai checkpoint
IBM ship granite-speech-5.0-470m-turboctc (Apache 2.0) và granite-speech-5.0-470m-turboctc-nc (CC-BY-NC-SA-4.0) trên Hugging Face cùng ngày với các mô hình ngôn ngữ Granite 4.2.
- 2
Không mô hình ngôn ngữ backbone, 470M tham số
Khác Granite Speech 4.1, Turbo CTC là CTC encoder-only. IBM bỏ speech translation và keyword biasing để footprint đủ nhỏ cho laptop và điện thoại.
- 3
Công bố 12.600+ RTFx trên một H200
IBM báo cáo throughput hơn 12.600× real-time với batched inference trên một NVIDIA H200 — hơn 3,5 giờ giọng nói trong một giây. Đây là đo đạc của nhà cung cấp trên các tập OpenASR công khai.
- 4
OpenASR WER 5,00% / 4,85%
Tính đến 2026-08-25 IBM báo cáo WER tổng hợp 5,00% cho mô hình Apache và 4,85% cho mô hình NC trên các test tiếng Anh công khai OpenASR. Trên FFASR, IBM nói cặp này là hai mô hình nhanh nhất được liệt kê ngày hôm đó.
- 5
Demo streaming WebGPU, chỉ tiếng Anh
IBM công bố demo streaming WebGPU trên Chrome/Edge. Cả hai mô hình đều là ASR tiếng Anh. Video đa ngôn ngữ hoặc nhiều phương ngữ vẫn cần workflow phiên âm rộng hơn.
3 kịch bản điển hình cho người dùng BibiGPT
Nơi bản phát hành ASR mã nguồn mở nhanh quan trọng — và nơi sản phẩm link-to-notes mới là việc thật.
Bạn self-host ASR tiếng Anh quy mô lớn
Đội phiên âm kho cuộc gọi trên GPU riêng có thể đánh giá checkpoint Apache 2.0. Rồi vẫn đổ file xong vào BibiGPT để người nhận chương, không phải luồng đơn vị thô.
Bạn chỉ cần ghi chú bài giảng
Bản ghi lớp 90 phút không cần stack Conformer. Dán URL vào BibiGPT, xuất bản chép có timestamp và tiếp tục hỏi. Đó là đường sản phẩm.
Bạn đang so sánh các bản ASR mã nguồn mở 2026
Granite Speech 5.0 Turbo CTC là tiếng Anh và ưu tiên throughput. Qwen3-ASR phủ 52 ngôn ngữ và phương ngữ. Giữ một URL cho mỗi họ mô hình; đừng gộp thành một trang «open ASR» duy nhất.
Công cụ BibiGPT liên quan
Các workflow phiên âm và ghi chú đi kèm bản phát hành này.
Audio to text
Thả MP3, WAV hoặc M4A và nhận văn bản có timestamp.
Chuyển video thành văn bản
Biến link hoặc file video thành bản chép tìm được.
Qwen3-ASR giải thích
Đối trọng ASR mã nguồn mở đa ngôn ngữ từ đội Qwen của Alibaba.
Cohere Transcribe 2026
Trang sự kiện ASR mã nguồn mở 2026 khác — 2B, 14 ngôn ngữ.
YouTube transcript
Lấy bản chép đầy đủ từ URL YouTube.
Nguồn
Các sự thật trên trang này đến từ các post ngày 2026-08-25 của chính IBM. Throughput và WER do IBM báo cáo.
-
IBM Granite công bố hai mô hình ASR tiếng Anh 470M ngày 2026-08-25, báo cáo hơn 12.600 RTFx trên một H200 và OpenASR WER tập công khai 5,00% (Apache 2.0) và 4,85% (NC).
Hugging Face — Extremely Fast and Accurate Transcription with Granite Speech 5.0 Turbo CTC ↗ -
Model card cho ibm-granite/granite-speech-5.0-470m-turboctc: Apache 2.0, tiếng Anh, 470M, Conformer CTC, ngày phát hành 25 August 2026.
Hugging Face model card — granite-speech-5.0-470m-turboctc ↗ -
Post Granite 4.2 ngày 2026-08-25 của IBM Research gọi tên Granite Speech 5.0 Turbo CTC và Turbo CTC NC là các mô hình speech trong ngày (slug URL là Granite 4.2, không phải Speech 5.0).
IBM Research — Granite 4.2 ↗
Thuật ngữ dùng trên trang này
RTFx trong nhận dạng giọng nói là gì?
RTFx là số giây audio hệ thống phiên âm được mỗi giây wall-clock. RTFx 12.600 nghĩa là setup được báo cáo xử lý audio nhanh hơn real time 12.600 lần. Đây là số phần cứng và batching, không phải lời hứa về mic laptop.
Được các nhà sáng tạo, sinh viên và nhà nghiên cứu yêu thích
Lý do mọi người dùng BibiGPT mỗi ngày để chuyển video thành văn bản.
Được hơn 50.000 người dùng trên toàn thế giới tin dùng
★★★★★
“Tôi chỉ cần dán liên kết là có ngay phụ đề sạch sẽ trong vài giây — tiết kiệm hàng giờ gõ lại mỗi tuần.”
Maya R.
Nhà sáng tạo nội dung · Tái sử dụng video ngắn
★★★★★
“Xuất bản ghi giúp tôi ôn từ mới theo nhịp độ riêng thay vì liên tục tạm dừng video.”
Daniel K.
Người học ngoại ngữ · Học qua video thực tế
★★★★★
“Văn bản chính xác kèm dấu thời gian, có thể trích dẫn trực tiếp. Nó đã lặng lẽ trở thành một phần công việc hằng ngày của tôi.”
Priya S.
Nhà nghiên cứu · Trích dẫn các buổi nói chuyện công khai
FAQ
Câu hỏi thường gặp
Hỏi chúng tôi bất cứ điều gì.
Popular guides
1 Công cụ tóm tắt video Bilibili bằng AI: BibiGPT tóm tắt 30+ nền tảng tức thì (2026)
Công cụ tóm tắt video Bilibili bằng AI tốt nhất 2026? BibiGPT hỗ trợ 30+ nền tảng với 1M+ người dùng. Dán bất kỳ liên kết Bilibili nào để có tóm tắt có cấu trúc tức thì. So sánh top 5 công cụ cộng tự động hóa AI agent.
2 Cách cài skill cho DeepSeek Harness: hướng dẫn thực chiến giúp dsh biết xem video
Cài skill tóm tắt video vào DeepSeek Harness chỉ cần copy thư mục — SKILL.md giống Claude Code. Không cần dsh: dán link Bilibili hoặc YouTube trên trình duyệt là có bản tóm tắt kèm mốc thời gian.
3 How to Reverse a Video Without an App — Free, In-Browser, No Download (2026)
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).
Bỏ stack decoder. Lấy bản chép.
Dán link YouTube, Bilibili hoặc podcast — hoặc tải file lên. BibiGPT trả bản chép có timestamp, tóm tắt AI và ghi chú bạn tìm được. Cập nhật lần cuối 2026-09-01.