AI 工具
社区把 EmbeddingGemma 2 改成端侧语音转文字模型（作者声明与 Google 无关）
项目页 eg2.haku.sh（v1.6）称：把 Google 多模态 embedding 模型 EmbeddingGemma 2 的音频编码器原样冻住，只训一个小「朗读器」把音频切片映射进模型文本空间，再从约 22.9 万个英文词里取最近词当结果，全程在 Mac Neural Engine 上跑。作者称基础款 M3 MacBook Air（8GB）1 小时音频约 12.6 秒出稿（288× 实时）、词错率约 5%，并自认低于头部语音模型的 2–3%。页面明示这是独立项目、与 Google 无关联或背书；速度表仅前两行为同机对比，后三行为第三方（FluidAudio）在更大机型、不同音频上的公布数据。
对 AI 使用者意味着什么
不用重训大模型、加一个轻量适配层就能让已有开源模型跨界干活；5% 词错率仍明显落后商用语音模型。
来源：Embedding Gemma Transcribe ↗ 原文链接、Hacker News ↗ 原文链接
有具体工作流问题？联系咨询。新闻本身免费阅读。