Час аудио в текст за 13 секунд: как это работает
Час аудио в текст за 13 секунд: как это работает На MacBook Air час аудио превратили в текст всего за 13 секунд — с помощью embeddinggemma 2. Автор эксперимента делится результатом в проекте, и выглядит это довольно любопытно. Механика такая: аудио сначала нарезают на куски, а потом ридер ищет наиболее похожие слова из топового английского словаря и собирает из них текст. В самом конце мини-модель расставляет пунктуацию. Получается эдакий конвейер: нарезка, поиск совпадений, финальная правка знаков препинания. Просто и эффективно — по крайней мере, по скорости. Если хочется посмотреть детали, они доступны на сайте проекта.
1 просмотров