Traducido del inglés por Plainly. Si algo no coincide, la que cuenta es la página en inglés.

Plainly Guide › Voz y habla › Granite Speech 5.0

ModeloVoz y hablaTotalmente abiertoOpción gratuita

Granite Speech 5.0

El modelo de reconocimiento de voz gratuito y abierto de IBM (octubre de 2026). Convierte en texto el habla en inglés, francés, alemán, español, portugués o japonés, y traduce desde y hacia el inglés. Licencia Apache 2.0, así que el uso comercial está permitido; funciona en una GPU, en un Mac o en el propio dispositivo.

Ir al sitio web de Granite Speech 5.0

¿Se puede probar gratis?Sí

¿Puedo vender lo que creo?Sí

Abierto o cerradoTotalmente abierto

Nivel necesarioTécnico

Los datos, con fuentes

Abierto o cerrado: Totalmente abierto
Pesos y código descargables con una licencia abierta estándar
fuente · comprobado el 7 nov 2026 · comprobado en la página del propio fabricante
Licencia: Apache 2.0 (Permisiva (p. ej., Apache 2.0, MIT))
fuente · comprobado el 7 nov 2026 · comprobado en la página del propio fabricante
¿Puedo vender lo que creo?: Sí
Apache 2.0.
fuente · comprobado el 7 nov 2026 · comprobado en la página del propio fabricante
Coste: Opción gratuita: Descarga gratuita; pagas tu propio equipo
Planes a continuación.
Cómo se usa: En tu propio ordenador
Transformers, vLLM, llama.cpp, Ollama; funciona mejor con clips de 2 minutos o menos.
fuente · comprobado el 7 nov 2026 · comprobado en la página del propio fabricante
Nivel necesario: Técnico
fuente · comprobado el 7 nov 2026 · comprobado en la página del propio fabricante
Creado por: IBM (US)
fuente · comprobado el 7 nov 2026 · comprobado, pero la página era poco clara o incompleta
Estado: Disponible
Fecha en que los pesos aparecieron en Hugging Face.
fuente · comprobado el 7 nov 2026 · comprobado, pero la página era poco clara o incompleta

Qué puedes crear con ella

Una voz o audio hablado, texto a partir de una grabación (uso principal)
Una voz o audio hablado, una traducción escrita de una grabación

de audio a texto

fuente · comprobado el 7 nov 2026 · comprobado en la página del propio fabricante

Planes y precios

No se indican planes de pago.

fuente · comprobado el 7 nov 2026 · comprobado en la página del propio fabricante

Derechos y seguridad

Límites: segundos máximos de audio: 120; nota: La ficha del modelo recomienda dividir el audio en fragmentos de unos 2 minutos.
fuente · comprobado el 7 nov 2026 · comprobado en la página del propio fabricante

Relacionado

Dónde puedes usarlo

Hugging Face

Otras opciones para «Una voz o audio hablado, texto a partir de una grabación»

Adobe Podcast (Enhance Speech), Adobe Premiere, AssemblyAI, Async (formerly Podcastle), AudioShake, Auphonic, Azure AI Speech, CAMB.AI, Cartesia, Cleanvoice AI, Clipchamp, Deepgram, Descript, Distil-Whisper, Dubverse, ElevenLabs, Filmora, Gling, Happy Scribe, Hugging Face, Kapwing, Krisp, LFM3-Audio, MacWhisper

Sobre esta ficha. Última comprobación de los datos: 7 nov 2026, con las páginas del propio fabricante (cada dato enlaza a su fuente). Estado de la ficha: borrador. Resumen en lenguaje sencillo escrito por Plainly.

¿Has visto un error? Avísanos, con un enlace a la fuente. Cómo funcionan las correcciones