This post has not been translated to English yet. Showing the original text.
https://x.com/TslShahir/status/2109660368381395414
EmbeddingGemma 2라는 임베딩 모델을 음성-텍스트 모델로 변환했는데, 장치에서 실행할 수 있는 가장 빠른 STT 모델 중 하나로 밝혀졌습니다.
기본 M3 MacBook Air에서 한 시간 분량의 오디오를 약 13초 만에 전사합니다: 실시간의 288배.
이 아이디어는 3월에 Gemini Embedding 2와 함께 떠올랐습니다. 텍스트, 이미지, 오디오, 비디오를 하나의 공유 공간에 배치하므로, 말로 된 단어가 쓰인 단어 바로 옆에 놓이게 됩니다. 만약 이것이 사실이라면, 임베딩 모델에서 직접 전사를 읽어낼 수 있을 것입니다. 그때는 시도할 수 없었지만, 지난주에 EmbeddingGemma 2가 오픈 모델로 출시되어 시도해 보았습니다.
어우.. 저도 제 AI 어시스턴트에 JEV 형식으로 묶어 쓰고 있는데.... 너무 좋습니다.
한시간 분량을 13초만에 전사하다니!! 대단하군요.
