EmbeddingGemma 2 приспособили для распознавания речи EmbeddingGemma 2 попробовали использовать для распознавания речи. Shahir сообщил в X, что его решение расшифровывает час аудио примерно за 13 секунд на базовом MacBook Air M3. Это результат, заявленный автором эксперимента; независимой проверки в переданных источниках нет. Идея опирается на устройство модели. Согласно официальной карточке EmbeddingGemma 2, она представляет текст, изображения, видео и аудио в общем пространстве из 768 числовых координат. Такие представления называют эмбеддингами: они позволяют сопоставлять содержание разных форматов по смыслу. Автор предположил, что близость представлений речи и текста можно использовать для получения расшифровки. Но смысловая близость сама по себе ещё не гарантирует восстановление каждого слова и его места в предложении. В переданном посте нет описания того, как именно устроено преобразование в текст. Google описывает EmbeddingGemma 2 как открытую мультимодальную модель для поиска, классификации и других задач с эмбеддингами на потребительских устройствах. Эксперимент интересен как попытка получить новую функцию из модели, созданной для другой задачи. pimenov.ai/blog
НИИ ИИ
Subscribers
4.4K
+40 24h
Reach per post (ERR)
23.0%1K avg views
Posting
10.7/day
last 1 hour ago
Reactions per 1K views
3.1
⭐
Views over time
| When | Views |
|---|---|
| 14 Oct 2026, 15:25 | 0 |
| 12 Nov 2026, 01:10 | 684 |
Who shared this post
Posts in other channels we index that link to this one. (Forwards with a hidden source can't be traced.)
Nobody yet.