约北京时间 2026 年 10 月 21 日前后（IBM Hugging Face 博文日期为 2026 年 10 月 21 日；5.0-2b 模型卡 Release Date 为 10 月 20 日），IBM 更新了 Granite Speech 系列，表面同属一条产品线，实际不能互相替代。granite-speech-5.0-2b 为新模型，侧重更高精度的多语自动语音识别与语音翻译。granite-speech-5.0-470m-turboctc 是更新后的 470M CTC 编码器，面向高吞吐与端侧转写。granite-speech-4.1-2b-plus 仍用 4.1 名称，作为可替换权重更新，强化「谁在说、何时说」。IBM 官方选型逻辑很直接：按任务选，不要把「Granite Speech」当成一个全能包。
按录音类型怎么选。需要更高精度的多语转写、最长约 2000 词的关键词偏置、输入语种提示，或包含英→普通话、英→意大利语在内的语音翻译？用 granite-speech-5.0-2b。需要原始速度、笔记本或边缘部署，以及自带标点与大小写的多语转写、不想再接单独标点模块？用 granite-speech-5.0-470m-turboctc。处理会议、客服通话或其他多人录音，说话人标签与词级时间戳和正文同等重要？用 granite-speech-4.1-2b-plus。把其中任意一款当成「会议+翻译万能栈」，预期会对不上。
语种边界比版本号更要紧。granite-speech-5.0-2b 的自动语音识别覆盖英语、法语、德语、西班牙语、葡萄牙语与日语。与英语之间的双向语音翻译覆盖上述语种，另加英语到意大利语、英语到普通话。英→普通话是翻译方向：输入是英语语音，输出是普通话文本。这不等于中文录音转写，也不能写成中文会议神器。Turbo CTC 的转写语种为英语、法语、德语、西班牙语、葡萄牙语、意大利语与日语——相对 2B 的 ASR 列表多了意大利语，且定位是转写吞吐，不是 2B 那套翻译能力。granite-speech-4.1-2b-plus 列出英语、法语、德语、西班牙语与葡萄牙语；该模型卡的支持语种列表未包含日语。我们未对这三款做字错率、实时倍率或显存实测。
三款模型卡均写明 Apache 2.0。官方页面也提到 Transformers 原生支持（2B 路径另有 vLLM、llama.cpp 与 Apple Silicon 上的 mlx-audio）。许可与工具链说明，不等于云算力免费，也不等于 DigIntoAI 做过基准测试——本文都不覆盖。
站内相邻的语音与离线音频语境，可参见 蚂蚁 Ming-3.0-tts 进入 Artificial Analysis 开源 TTS 榜前列 与 Gradium Phonon 能离线跑英文语音合成，什么时候不必用云端 API。常与日语 ASR 规划放在一起的产品语境可参见 日本国产大模型其实分三条路。