EmbeddingGemma 2 竟改成语音转文字，M3 Air 288 倍实时速度
GlennCameronjr · x · 2026-10-14
开发者 TslShahir 把 Google 开源的 EmbeddingGemma 2 嵌入模型改造成语音转文字模型，在基础款 M3 MacBook Air 上转录 1 小时音频仅需约 13 秒，达 288 倍实时速度，号称是最快的可端侧运行 STT 模型之一。
- 原理：Gemini Embedding 2 将文本、图像、音频、视频放进同一向量空间，口语词与书面词在空间中相邻，因此可以直接从嵌入模型读出转录文本。
- 该思路源于今年 3 月的 Gemini Embedding 2，上周 EmbeddingGemma 2 开源后得以验证。
- Google 员工 mert 转发称赞，认为嵌入模型终于获得了应得的关注。
所属事件:开发者改造 EmbeddingGemma 2 为端侧语音识别(4 条相关)→
「模型」频道最新
- MoE 模型 RL 训练做到零训练-推理不一致,全套开源含消融 — yacineMTB · 2026-10-14
- 网友实测 Gemini 4 Argon 做国际象棋游戏,赞其物理与 3D 能力 — ZeroStateReflex · 2026-10-14
- Gemini 4 Argon 限时价 $2/$10,12 月起翻倍至 $4/$20 — weswinder · 2026-10-14
- 实测：LFM2.5-24B-A2B 本地终端任务八连胜 Gemma 4 26B，快 3.1 倍 — JosephJacks_ · 2026-10-14
- voooooogel 回味 Character.AI 旧博文：MQA 等 KV cache 设计曾是重要情报 — voooooogel · 2026-10-14
- Gemini 4 被锁 Ultra 订阅,用户吐槽谷歌 TPU 算力去哪了 — haider1 · 2026-10-14