埋め込みモデルを文字起こしに転用、Macで15分音声が約3秒
原題 GoogleのEmbeddingGemma 2を音声認識モデルに変換した「Embedding Gemma Transcribe」、オフライン環境のMacなら15分の音声をわずか約3秒で爆速文字起こし可能
GoogleのEmbeddingGemma 2を音声認識に転用した「Embedding Gemma Transcribe」が登場した。Apple Silicon搭載Macでネット接続なしに動作し、15分の音声を約3秒で文字起こしできるという。専用モデルを使わない手法が注目される。
論点
文字起こしは専用モデル不要の時代か
- コメントを読み込み中…
議論のヒントを見る
賛成側の視点
埋め込みモデルで足りるなら専用モデルは無駄。オフラインで3秒、これが答えだ。反対側の視点
速さだけ見るな。精度や話者分離で専用モデルに負けるなら、ただの珍品だ。
みんなのコメント 件
コメントを書く