Час записи — и 13 секунд на расшифровку. По замеру разработчика, с этим справился обычн...
Час записи — и 13 секунд на расшифровку. По замеру разработчика, с этим справился обычный MacBook Air с 8 ГБ памяти. Пока кофе налил, стенограмма уже готова. Самое занятное: он взял EmbeddingGemma 2, модель для поиска похожих данных, и заставил её работать стенографистом. Звук и написанное слово у неё уже находятся рядом в математическом представлении. Автор добавил небольшой модуль, который выбирает слова, и отдельный — для знаков препинания. Embedding Gemma Transcribe можно скачать бесплатно. Нужен Mac с Apple Silicon и macOS 14+. При первом запуске загружаются модели, потом аудио обрабатывается на самом компьютере. Можно бросить файл в окно или диктовать, удерживая правый Option. Пока только английский. Автор сообщает примерно о 5% ошибок в словах — скорость не означает идеальную стенограмму. Русскую лекцию эта версия расшифровать не обещает. Но эксперимент хорош: человек искал способ читать слова из модели, а заодно получил весьма шустрого секретаря. Без отправки записи в облако.