用 EmbeddingGemma 2 做语音转写：1 小时音频本地 13 秒完成
GlennCameronjr · x · 2026-10-23
Google Gemma 官方账号分享了一个非常规实验：不做传统 ASR，而是利用 EmbeddingGemma 2 统一的音频-文本向量空间，把语音与候选文本做向量相似度匹配来实现转写。
效果是本地即可运行，转写 1 小时音频只需约 13 秒。这个思路展示了嵌入模型跨模态对齐能力在语音场景的另类用法。
「模型」频道最新
- 科学美国人揭秘 OpenAI 百万美元数学证明背后的故事 — scientificamerican · 2026-10-23
- Anthropic 称反蒸馏防御削减90-99%,但专家数据仍在海外售卖 — johnkorrigan · 2026-10-23
- 爆料称 Kimi K3.1 今日不发，或于周五或周一发布 — ChrisGPT · 2026-10-23
- Artificial Analysis 解读：CritPt v2 涨分主要来自题目修订而非工具 — ArtificialAnlys · 2026-10-23
- Humansand 发布 Persimmon 与 Ampersand,用 RLSF 训练主动陪伴 AI — alexisjross · 2026-10-23
- 「互联网正上演中国无审查模型集群的攻防大战」：网络安全迎来数学时刻 — burny_tech · 2026-10-23