画像・動画・音声

「granite-speech-5.0-2b-ONNX」ブラウザ動作の音声認識モデル:必要VRAM 8GB〜

IBMの音声言語モデル「Granite Speech 5.0 2B」のONNX版が公開されました。Transformers.jsとWebGPUを介したブラウザ上での音声認識・翻訳推論の手順やスペックを解説します。