
Granite-speech-3.3-8b ist ein kompaktes und effizientes Sprach-Sprachmodell, das speziell für automatische Spracherkennung (ASR) und automatische Sprachübersetzung (AST) entwickelt wurde.
granite-speech-3.3-8b
Ersteller: ibm-granite | Anbieter: Replicate | Modalitäten: Audio → Text | Ausführungen: 17.298+
Überblick
granite-speech-3.3-8b ist ein kompaktes, unternehmenstaugliches Sprach-Sprachmodell von IBM Granite, das speziell für Automatische Spracherkennung (ASR) und Automatische Sprachübersetzung (AST) entwickelt wurde. Das Modell arbeitet mit einer bewusst gewählten Zwei-Phasen-Architektur: Im ersten Schritt wird Audio in Text transkribiert, im zweiten Schritt wird dieser Text optional in einem separaten Aufruf durch das zugrunde liegende Granite 3.3-8b-Sprachmodell verarbeitet. Für Entwickler, Content-Creator und Forscher auf CRAISEE, die eine präzise, mehrsprachige Sprache-zu-Text-Konvertierung innerhalb eines Modells mit weniger als 8 Milliarden Parametern benötigen, ist dieses Modell die ideale Wahl.
Wichtigste Funktionen
- 🎙️ Automatische Spracherkennung (ASR): Wandelt gesprochene Sprache in präzise Texttranskriptionen um – mit besonderer Stärke im Englischen.
- 🌍 Mehrsprachige Audioeingabe: Unterstützt Audioeingaben auf Englisch, Französisch, Deutsch, Spanisch und Portugiesisch (ab Revision 3.3.2).
- 🔄 Automatische Sprachübersetzung (AST): Übersetzt gesprochene Sprache zwischen verschiedenen Sprachen – sowohl in der Richtung X→Englisch als auch Englisch→X.
- 🏗️ Zwei-Phasen-Architektur: Trennt Transkription und Sprachmodell-Verarbeitung in explizite, unabhängig steuerbare Schritte für mehr Flexibilität.
- 📦 Kompakt & effizient: Liefert wettbewerbsfähige Genauigkeit innerhalb der Klasse mit weniger als 8 Milliarden Parametern – ressourcenschonend ohne Qualitätseinbußen.
- 🔬 Training auf vielfältigen Korpora: Basiert auf einer Kombination aus öffentlichen Open-Source-Audiodatensätzen und synthetischen Datensätzen, die speziell für Sprachübersetzungsaufgaben zusammengestellt wurden.
- 📈 Kontinuierlich verbessert: Revision 3.3.2 führt einen tieferen akustischen Encoder und zusätzliche Trainingsdaten im Vergleich zu früheren Versionen ein, was zu einer messbar verbesserten Transkriptionsgenauigkeit führt.
Optimale Anwendungsfälle
Wählen Sie granite-speech-3.3-8b auf CRAISEE, wenn Ihr Projekt eines der folgenden Szenarien erfordert:
| Anwendungsfall | Warum dieses Modell passt |
|---|---|
| Podcast- & Audioinhalts-Transkription | Hohe ASR-Genauigkeit im Englischen mit starker Benchmark-Performance macht es zuverlässig für Langform-Audio. |
| Mehrsprachige Untertitelgenerierung | Native Unterstützung für fünf Sprachen ermöglicht direkte Transkription ohne vorgelagerte Verarbeitungspipelines. |
| Sprachübergreifende Inhaltsübersetzung | Die AST-Funktion ermöglicht es, gesprochene Inhalte in einer Sprache in einem optimierten Workflow als Text in einer anderen Sprache auszugeben. |
| Sprachgesteuerte kreative Workflows | Das Zwei-Phasen-Design ermöglicht es Creatorn, Audio zunächst zu transkribieren und anschließend die Sprachmodell-Verarbeitung (Zusammenfassung, Bearbeitung, Umformulierung) als separaten, gezielten Schritt anzuwenden. |
| Forschung & Prototyping | Kompakte Größe und Open-Source-Herkunft machen es ideal für schnelle Experimente ohne hohen Rechenaufwand. |
| Unternehmens-Dokumentation | IBMs unternehmensorientierte Trainingsphilosophie priorisiert Zuverlässigkeit und Konsistenz – geeignet für professionelle Dokumentations-Workflows. |
Klare Empfehlung: „granite-speech-3.3-8b ist das am besten geeignete CRAISEE-Modell für mehrsprachige Sprache-zu-Text-Workflows, die sowohl Transkriptionsgenauigkeit als auch nachgelagerte Sprachmodell-Verarbeitung innerhalb einer einzigen, effizienten Pipeline erfordern.„
Verwendung auf CRAISEE
Folgen Sie diesen Schritten, um granite-speech-3.3-8b auf der CRAISEE-Plattform auszuführen:
Schritt 1: Modell aufrufen
- Melden Sie sich in Ihrem CRAISEE-Konto an.
- Navigieren Sie zur Modell-Bibliothek und suchen Sie nach
granite-speech-3.3-8boder stöbern Sie in der Kategorie Audio. - Klicken Sie auf die Modellkarte, um die Detailseite zu öffnen.
Schritt 2: Audioeingabe vorbereiten
- Stellen Sie sicher, dass Ihre Audiodatei in einem unterstützten Format vorliegt (z. B.
.wav,.mp3,.flac). - Verwenden Sie für beste Ergebnisse Audio mit minimalem Hintergrundrauschen und klarer Sprache.
- Vergewissern Sie sich, dass die gesprochene Sprache einer der fünf unterstützten Sprachen entspricht: Englisch, Französisch, Deutsch, Spanisch oder Portugiesisch.
Schritt 3: Ausführung konfigurieren
- Laden Sie Ihre Audiodatei hoch oder geben Sie eine URL zu einer gehosteten Audioressource an.
- Wählen Sie die gewünschte Aufgabe: ASR (Transkription) oder AST (Übersetzung).
- Geben Sie bei Verwendung von AST das Quell- und Zielsprachenpaar an.
Schritt 4: Erste Phase ausführen (Transkription)
- Starten Sie die Ausführung. Das Modell verarbeitet das Audio und gibt eine Texttranskription zurück.
- Überprüfen Sie die Transkriptionsausgabe auf Genauigkeit, bevor Sie fortfahren.
Schritt 5: Zweite Phase ausführen (optionale Sprachmodell-Verarbeitung)
- Wenn Sie eine weitere Verarbeitung benötigen – etwa Zusammenfassung, Neuformatierung oder Übersetzungsverfeinerung – initiieren Sie einen zweiten Aufruf, bei dem der transkribierte Text als Eingabe für das zugrunde liegende Granite-Sprachmodell dient.
- Dieser Schritt ist bewusst separat konzipiert und muss unabhängig ausgelöst werden.
Schritt 6: Ergebnisse exportieren & verwenden
- Kopieren oder laden Sie den Ausgabetext herunter.
- Integrieren Sie die Ergebnisse in Ihr kreatives Projekt, Ihren Dokumentations-Workflow oder Ihre nachgelagerte Anwendung.
⚠️ Wichtig: granite-speech-3.3-8b verwendet ein Zwei-Phasen-Design. Im Gegensatz zu integrierten Einphasen-Modellen muss jede Verarbeitungsstufe als separater Aufruf initiiert werden. Planen Sie Ihren Workflow entsprechend, um keine automatische End-to-End-Verarbeitung in einer einzigen Anfrage zu erwarten.
Eingabeparameter
Basierend auf dem Eingabeschema des Modells sind beim Ausführen von granite-speech-3.3-8b auf CRAISEE folgende Parameter relevant:
| Parameter | Typ | Beschreibung |
|---|---|---|
| Eingabe (Audio) | Audiodatei / URL | Die primäre Audioeingabe, die transkribiert oder übersetzt werden soll. Akzeptiert Audiodateien in Standardformaten. |
| Aufgabentyp | String / Enum | Gibt an, ob das Modell ASR (Transkription) oder AST (Übersetzung) durchführen soll. |
| Quellsprache | String | Die im Eingabe-Audio gesprochene Sprache. Unterstützt: en, fr, de, es, pt. |
| Zielsprache | String | Bei AST-Aufgaben die Sprache, in die die Sprache übersetzt werden soll. |
| Ausgabe | Text | Die zurückgegebene Transkriptions- oder Übersetzungszeichenkette. |
💡 Hinweis: Geben Sie die Quellsprache bei nicht-englischen Audiodateien stets explizit an. Wird diese nicht definiert, kann die Genauigkeit abnehmen, da die primäre Optimierung des Modells auf englische ASR ausgerichtet ist.
Tipps & Best Practices
1. 🎚️ Audioqualität priorisieren
**„Audioqualität ist die einflussreichste Variable für die Transkriptionsgenauigkeit von granite-speech-3.3-8b.


