IBM aggiorna Granite Speech: transcrizioni multilingue più veloci e precise
IBM rilascia tre nuovi modelli open source per la trascrizione vocale. Migliori prestazioni in italiano, velocità record per l'edge e attribuzione speaker più accurata per le aziende.

IBM ha pubblicato il 21 ottobre 2026 un aggiornamento significativo della sua raccolta di modelli di intelligenza artificiale per l'elaborazione del parlato, nota come Granite Speech. L'azienda ha introdotto un nuovo modello principale, granite-speech-5.0-2b, e ha rivisto due versioni esistenti per migliorare le prestazioni in scenari aziendali specifici. L'obiettivo dichiarato è offrire strumenti open source, rilasciati sotto licenza Apache 2.0, che gestiscano con maggiore accuratezza la trascrizione, la traduzione e l'attribuzione dei parlanti.
Cosa cambia in pratica
Questo aggiornamento non si limita a piccole ottimizzazioni, ma introduce funzionalità concrete che rispondono a esigenze tecniche specifiche. I cambiamenti principali riguardano tre aree distinte:
- Precisione e controllo avanzato: Il nuovo modello da 2 miliardi di parametri supporta la trascrizione in inglese, francese, tedesco, spagnolo, portoghese e giapponese. Per la traduzione, copre queste lingue più l'italiano e il mandarino. È possibile specificare la lingua di input nel prompt e inserire liste di parole chiave (fino a 2.000 termini) per guidare la trascrizione verso nomi di prodotti o acronimi specifici.
- Velocità estrema per l'edge: La versione aggiornata di Turbo CTC (470m) è ora multilingue, includendo l'italiano. Grazie a un'ottimizzazione del codice che compila un singolo blocco Conformer, la velocità di elaborazione è aumentata di circa il 60%, raggiungendo 19.870 RTFx (Real-Time Factor) sulla leaderboard pubblica, mantenendo la stessa accuratezza.
- Gestione di più parlanti: Il modello 4.1-2b-plus è stato ottimizzato per riunioni e chiamate con più voci. L'errore di diarizzazione (WDER) è diminuito, rendendo più affidabile l'identificazione di chi sta parlando e quando, essenziale per la trascrizione di meeting lunghi.
Per chi sviluppa o integra questi servizi, è utile confrontare i tre modelli disponibili per scegliere quello più adatto al proprio caso d'uso:
| Modello | Funzione principale | Caratteristiche chiave / Limiti |
|---|---|---|
| granite-speech-5.0-2b | Alta accuratezza e traduzione | Supporta 6 lingue per ASR, traduzione IT/EN. Biasing parole chiave. Ideale per server cloud o workstation potenti. |
| granite-speech-5.0-470m-turboctc | Velocità e on-device | Multilingue (incl. IT). Punteggiatura nativa. Ottimizzato per hardware edge e browser (WebGPU). |
| granite-speech-4.1-2b-plus | Attribuzione speaker | Drop-in replacement per la versione precedente. Migliore gestione di audio con eco e più voci. |
Cosa significa per chi compra in Italia
Per le aziende italiane e gli sviluppatori, l'inclusione esplicita dell'italiano nel modello Turbo CTC e la supportata traduzione verso l'italiano nel modello 2B rappresentano un passo avanti concreto. Fino ad oggi, molti modelli open source di alta qualità offrivano un supporto per l'italiano limitato o assente nelle versioni più veloci. La possibilità di eseguire la trascrizione direttamente su dispositivi locali o nel browser, grazie alla versione Turbo CTC, consente di gestire dati vocali sensibili senza inviarli a server esterni, un aspetto cruciale per la privacy e il rispetto delle normative GDPR. Inoltre, la licenza Apache 2.0 permette l'integrazione libera in prodotti commerciali senza costi di licenza, riducendo le barriere all'ingresso per PMI e startup che desiderano implementare assistenti vocali o sistemi di trascrizione automatica per la documentazione interna.
Questi aggiornamenti consolidano la posizione dei modelli Granite come alternativa solida ai colossi proprietari, offrendo trasparenza e controllo tecnico a chi necessita di soluzioni vocali affidabili in ambienti multilingue.
Domande frequenti
I dati vocali restano sul dispositivo?
Sì, per la versione Turbo CTC è possibile eseguire l'inferenza localmente o nel browser tramite WebGPU, mantenendo i dati audio sul dispositivo stesso e non inviandoli a server cloud.
Serve un hardware specifico per usarli?
Il modello 2B richiede risorse di calcolo significative, tipiche di server o workstation con GPU. Il modello Turbo CTC, essendo più leggero, è progettato per girare su hardware edge, smartphone o laptop moderni.
È possibile personalizzare la trascrizione con termini specifici?
Sì, il modello 5.0-2b supporta l'inserimento di liste di parole chiave (fino a 2.000 termini) per guidare il riconoscimento verso nomi propri, acronimi o termini tecnici specifici del settore.
