FluidAudio

Google 的 EmbeddingGemma 2 被重新用于设备端 Mac 音频转录

研究人员已将 Google 的 EmbeddingGemma 2 模型重新用于创建一个完全在 MacBook Air 上运行的语音转文本转录工具。该设备端系统大约需要 13 秒即可转录一小时的音频，尽管其当前的词错误率约为 5%，而领先模型的词错误率约为 2-3%。该团队训练了一个小的“读取器”组件，将音频片段映射到模型现有的文本嵌入空间，从而在不重新训练核心 EmbeddingGemma 2 模型的情况下实现此功能。