有人把谷歌的 EmbeddingGemma 2 玩出了新花样,加个轻量 Reader 就变语音转文字,Mac 上 1 小时音频 13 秒搞定,思路很妙。
#语音转文字
共 15 条 · 7 天 2 条 · 30 天 4 条
信息流里打上「语音转文字」标签的资讯、产品与论文,按刊登时间排,新的在上。
10月13日
网友把谷歌 EmbeddingGemma 2 改造成语音识别模型,1 小时音频 13 秒转写
10月6日
10月2日
9月4日
9月2日
8月27日
8月22日
7月23日
7月19日
BaoCut 集成 OpenMOSS 开源 MOSS-Transcribe-Diarize-0.9B,实现带说话人标注的长音频转写
宝玉给 BaoCut 集成了 MOSS-Transcribe-Diarize-0.9B,能一次搞定长音频转写和说话人标注,省去额外模型,适合做字幕或会议记录。
6月18日
产品18:46
Canonical 发布本地语音转文字项目 Myna,首版随 Ubuntu 26.10 推出Ubuntu 用户看过来!Canonical 出了个叫 Myna 的本地听写工具,不用联网就能把语音转成文字,直接敲进文档里,首发跟着 26.10 系统版本走。
IT之家原文
6月13日
5月30日
Together AI 上线最快语音转文字模型 NVIDIA Parakeet-TDT 0.6B
语音转录速度提升了一个数量级,做实时语音应用或大规模音频处理的团队可以直接用上,省下不少时间和算力成本。