Granite Speech 5 TurboCTC로 영어 음성을 텍스트로 바꾸기

Granite Speech 5.0 TurboCTC는 IBM Granite Speech 계열의 자동 음성 인식¹ 모델이에요. 음성 입력을 받아 텍스트를 출력하며, 5.0 TurboCTC 모델 카드는 영어 음성 인식을 대상으로 안내해요. 한국어·일본어 회의라면 언어 범위를 지원하는 ASR을 골라야 합니다. 공식 모델 카드

가상환경²에 PyTorch³, 오디오 입력 라이브러리와 Transformers를 설치하세요. 영어 WAV를 작업 폴더에 sample.wav로 복사한 뒤 코드를 transcribe.py로 저장해 실행하면 전사문이 터미널에 나옵니다.

python -m pip install torch torchaudio soundfile "transformers>=5.16.0" datasets

import soundfile as sf
from transformers import pipeline

asr = pipeline("automatic-speech-recognition", model="ibm-granite/granite-speech-5.0-470m-turboctc")
audio, sample_rate = sf.read("sample.wav", dtype="float32")
if audio.ndim > 1:
    audio = audio.mean(axis=1)
result = asr({"array": audio, "sampling_rate": sample_rate})
print(result["text"])

python transcribe.py

짧은 음성에서 문장, 숫자, 고유명사를 듣고 결과와 비교한 뒤 실제 길이의 파일도 실행하세요. IBM의 비교 결과가 있다면 측정 장비와 음성 데이터 조건을 함께 읽어야 해요. H200·L4 수치를 데스크톱 GPU⁴나 노트북의 실행 시간처럼 옮겨 쓰지 않습니다.

모델 카드는 Apache 2.0 라이선스를 표시해요. 코드·모델 버전과 사용 목적에 맞는 라이선스 내용을 확인하고, 결과를 공개하거나 제품에 포함할 때는 배포 조건도 살펴보세요. 이 모델은 영어 전용으로 다루므로 한국어 전사에는 Nemotron이나 Whisper 계열 등 한국어를 명시한 모델을 비교할 수 있어요.

한국어나 일본어 녹음을 전사해야 한다면 이 모델을 고르지 마세요. 영어 음성 인식을 대상으로 한 모델이라, 다른 언어는 그 언어를 명시한 음성 인식 모델과 비교해야 해요.