开发者把嵌入模型改成转写工具,可在Mac离线运行
Embedding Gemma Transcribe保留EmbeddingGemma 2的音频编码器,另训练一个小型读取模块把表示映射成英文词语。作者提供Mac应用,称基础M3 MacBook Air约13秒可处理一小时音频,同时承认当前词错率仍高于领先语音模型。
要点
- 面向英文语音识别实验
- 提供Apple Silicon本地应用
- 作者报告速度快但词错率仍有差距
为什么值得看
它展示了嵌入模型的新用法,对大量英文采访和离线素材处理有参考价值,但不能默认支持中文。
谁会受影响
用Mac处理英文录音、关注本地转写的创作者和开发者会受影响。
今天就能怎么试
在项目页下载Mac应用并完成首次模型下载,导入一段已知转写的英文音频,检查专名、数字和漏词情况。
原始来源
1Embedding Gemma Transcribe · Embedding Gemma Transcribe · 发布日期未知✓ 已打开核对2We turned EmbeddingGemma 2 into a speech-to-text model · Hacker News · 2026年10月13日✓ 已打开核对本条由 AI 根据上面的原始来源整理,经编辑审核后发布。数字和结论以原文为准,发现错误欢迎反馈。
相关动态
OpenAI推出常驻智能体Dots,支持跨应用持续办事
OpenAI发布由GPT-6 Astra驱动的Dots,为智能体配备云端电脑、浏览器和应用连接。它能持续跟进项目、吸收反馈,并在ChatGPT、Slack或Teams沟通。首批面向符合地区条件的Pro、Business Premium及管理员开启测试的企业用户。
ChatGPT开始推送GPT-6,可生成交互式回答界面
OpenAI于10月7日开始在ChatGPT的Chat体验推送GPT-6与Intelligent UI,回答可包含按钮、图表、表单和互动工具。付费档先开放,免费与Go档次日开始推送;该公告说明此次更新不改变Work和Codex所使用的模型。
DeepSeek开放搜索与抓取接口,支持智能体接入
DeepSeek于10月17日开放自研网页搜索能力,Search返回结构化检索结果,Fetch把单个网页转换为Markdown。两者复用DeepSeek API密钥,按有结果的成功请求计费,每1000次5元;空结果、失败及超时不收费。
微软业务智能体评测接入 HF,直接检查数据库结果
ThinkingBox 在 507 个有状态业务流程中检查智能体最终留下的数据库记录和副作用,并对每项任务重复运行二十次。HF 博文展示了工具调用看似正常却写错状态的案例,提醒平均成功率、至少成功一次和次次成功不能混为一谈。