Weaviate 演示用 Gemini Embedding 2 直接检索音频
eshorten300 · x · 2026-07-28
Weaviate 给出了一份 notebook，演示如何不依赖转写稿，直接对音频本身做检索。
核心流程是：
- 将原始音频切成重叠片段
- 用 Gemini Embedding 2 生成多模态向量
- 把音频片段存入 Weaviate 并建立检索
- 通过文本或音频查询找回相关片段
- 再用 Gemini 3 Flash 基于检索结果生成答案
示例素材是 Robert Frost 的《Birches》，但作者明确表示同样的方法可用于播客、访谈、讲座和通话录音。
「多模态」频道最新
- 四款开源图像模型横评:Z-Image 拟真最强,Krea 2 擅插画 — Ok_Contribution8157 · 2026-10-16
- AI 动画短片:被困地穴遭遇加密货币老哥 — PolicemansBeard · 2026-10-16
- Reddit 网友发问:为何没有专为 24-32GB 显存设计的视频模型 — BreadUndPeeTears · 2026-10-16
- 用 3000 条真实发布片喂 Claude:作者做 MCP 告别千篇一律的 AI 生成视频 — Designer_Landscape25 · 2026-10-16
- Mirelo SFX V2.0 上线 fal：文/视频生成音效并保留对白 — gorkem · 2026-10-16
- Moss-Image 出图实测:胶片质感家庭聚餐照几乎可乱真 — AgeNo5351 · 2026-10-16