高效轻量：IBM 推出 Granite 4.0 1B Speech 多模态语音模型

IBM 近日发布 Granite 4.0 1B Speech，这是一款为边缘端与企业部署打造的紧凑型语音语言模型，主打高效的多语种自动语音识别（ASR）与双向自动语音翻译（AST）。

与上一代相比，Granite 4.0 1B Speech 的参数量缩至约一半，但性能反而明显提升。新版本不仅新增日语 ASR 支持，还带来关键词偏置能力，并显著改进英文转录的准确率。其核心目标是在不削弱关键能力的前提下，大幅降低内存占用、推理延迟与算力成本。

该模型采用“两阶段”架构：先将音频转为文本，再交由专用的 Granite 语言模型完成推理。模块化设计便于开发者按需灵活编排流程。目前已支持英语、法语、德语、西班牙语、葡萄牙语和日语等多语种互译，并可处理英语到中文（普通话）的翻译。

在实际评测中，Granite 4.0 1B Speech 表现优异，位居 OpenASR 榜首，平均字错率（WER）仅 5.52。当前 IBM 已按 Apache 2.0 协议将模型开源，开发者可通过 Transformers 或 vLLM 等主流框架本地部署，为资源有限的移动端或边缘设备提供强劲的 AI 语音支持。

项目:https://huggingface.co/ibm-granite/granite-4.0-1b-speech