Как поисковая модель расшифровывает час записи за 12,6 секунды

104 подписчика

12+
12+

1 просмотр

12 часов назад

ПожаловатьсяНарушение авторских прав

104 подписчика

12+
12+

1 просмотр

12 часов назад

ПожаловатьсяНарушение авторских прав
12+
12+

1 просмотр

12 часов назад

#embeddinggemma #speechtotext #transcription Бесплатное приложение для Mac от независимого разработчика расшифровало часовой аудиофайл за 12,6 секунд на базовом MacBook Air M3 с 8 ГБ оперативной памяти, без загрузки записи. Удивительный механизм, лежащий в его основе, — это EmbeddingGemma 2 от Google DeepMind, модель, разработанная скорее для поиска, чем для распознавания речи. В этом видео объясняется, как Embedding Gemma Transcribe преобразует аудио в 768-значные векторные представления, преобразует их в письменные слова с помощью небольшого устройства чтения, выполняет поиск в словаре, содержащем примерно 229 000 английских слов, и очищает результат с помощью декодирования CTC. Также сравнивается скорость работы приложения с IBM Granite Speech и рассматриваются ограничения этого быстрого способа расшифровки. Приложение быстрое, бесплатное, локальное и полезно для первых черновиков, но заявленный процент ошибок в словах составляет около 5%, в то время как опубликованные тесты достигают примерно 15% на более сложных записях. На компьютерах Mac с процессорами Apple Silicon под управлением macOS 14 и более поздних версий поддерживается английский язык, однако важные цитаты всегда следует сверять с оригинальным аудиофайлом. 🔗 Инструменты в этом видео: Embedding Gemma Transcribe (бесплатное приложение для Mac) EmbeddingGemma 2 (Google DeepMind) ⚡ Также упоминаются: • IBM Granite Speech (сравнение скорости) • NVIDIA Parakeet • Apple Core AI #embeddinggemma #speechtotext #transcription #googledeepmind #ondeviceai #applesilicon #macbookair #embeddings #ai 👇 ПОДПИСЫВАЙТЕСЬ И СМОТРИТЕ ДАЛЕЕ Подписывайтесь, чтобы получать новые подробные обзоры каждую неделю: https://www.youtube.com/@CloudAICode Запросы пользователей: самое быстрое приложение для транскрипции для Mac транскрибирование аудио в автономном режиме на MacBook Air Embedding Gemma Transcribe EmbeddingGemma 2 преобразование речи в текст бесплатное локальное преобразование речи в текст для Mac как модель встраивания транскрибирует аудио embedding Gemma Transcribe против IBM Granite Speech Транскрибирование записей совещаний без облака Встраивание точности Gemma Transcribe Простое объяснение декодирования CTC

Название:

Как поисковая модель расшифровывает час записи за 12,6 секунды

Категория:

Разное